CAJ | 학술논문

针对放顶煤中煤岩界面难以识别的问题,采用检测液压支架尾梁振动信号的方式进行了研究,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和神经网络的识别方法.首先,对振动信号进行经验模态分解,得到多个固有模态分量(intrinsic mode functions,简称IMF)；然后,对各IMF进一步分析以提取特征参数；最后,选择若干个包含主要信息的参数组成特征向量作为神经网络的输入来识别落煤和落岩两种情况,实现煤岩界面的自动识别.实验结果表明,分别以各IMF的能量、峭度和波峰因子组成的特征向量均可用于识别煤岩界面,且当以能量组成特征向量时比其他两种方式具有更高的识别率.
침대방정매중매암계면난이식별적문제,채용검측액압지가미량진동신호적방식진행료연구,제출일충기우경험모태분해(empirical mode decomposition,간칭EMD)화신경망락적식별방법.수선,대진동신호진행경험모태분해,득도다개고유모태분량(intrinsic mode functions,간칭IMF)；연후,대각IMF진일보분석이제취특정삼수；최후,선택약간개포함주요신식적삼수조성특정향량작위신경망락적수입래식별락매화락암량충정황,실현매암계면적자동식별.실험결과표명,분별이각IMF적능량、초도화파봉인자조성적특정향량균가용우식별매암계면,차당이능량조성특정향량시비기타량충방식구유경고적식별솔.