期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于煤矸振动特性的放顶煤支架传感器优化布置策略研究
被引量：
2
1
作者
王瑶
杨善国
+3 位作者
吴明珂
孟彬
杨政
刘后广
《机械强度》
北大核心
2025年第1期68-75,共8页
针对放顶煤煤矸智能识别研究,为提供完整且有效的煤矸振动信号采集方案,提出了一种基于煤矸振动特性的放顶煤液压支架尾梁传感器优化布置策略。首先,对尾梁模型进行模态分析,提取振型矩阵,利用有效独立法初选测点;其次,获取尾梁试验台...
针对放顶煤煤矸智能识别研究,为提供完整且有效的煤矸振动信号采集方案,提出了一种基于煤矸振动特性的放顶煤液压支架尾梁传感器优化布置策略。首先,对尾梁模型进行模态分析,提取振型矩阵,利用有效独立法初选测点;其次,获取尾梁试验台相应初选测点的落煤和落矸振动信号,进行特征提取;然后,对所提取特征进行t分布式随机邻域嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)降维可视化,筛选出5个对落煤和落矸信号区分敏感的特征,并以此作为目标特征;最后,经核密度估计法估算目标特征的概率密度函数,利用K-L(Kullback-Leibler)散度评估各测点组合信号与完整信号的近似性和煤矸特征的差异性,构建煤矸振动信号评价指标,结合Fisher信息矩阵准则,形成综合评价指标,确定尾梁的传感器布置最优方案。结果表明,该方法在满足模态可观测性的基础上不仅减少了传感器数量,还使得所测振动信号具有更好的煤矸差异性和信息完整性。
展开更多
关键词
放顶煤
振动信号
传感器优化布置
液压支架尾梁
有效独立法
K-L散度
在线阅读
下载PDF
职称材料
基于EMD特征提取与随机森林的煤矸识别方法
被引量：
17
2
作者
窦希杰
王世博
+3 位作者
刘后广
陈钱有
邹文才
卢召栋
《工矿自动化》
北大核心
2021年第3期60-65,共6页
基于振动信号辨识是实现综放开采煤矸识别的有效手段,现有方法在识别准确性和有效性方面有待进一步研究。提出了一种基于经验模态分解(EMD)特征提取与随机森林(RF)的煤矸识别方法。采用加速度传感器及数据采集仪采集了某综放工作面煤和...
基于振动信号辨识是实现综放开采煤矸识别的有效手段,现有方法在识别准确性和有效性方面有待进一步研究。提出了一种基于经验模态分解(EMD)特征提取与随机森林(RF)的煤矸识别方法。采用加速度传感器及数据采集仪采集了某综放工作面煤和矸石冲击液压支架尾梁产生的振动信号,分别对2种信号进行EMD,得到一系列本征模态函数(IMF);根据EMD结果选取有效IMF,分别提取IMF能量、峭度、矩阵奇异值及对应熵作为特征向量,采用各特征向量独立训练RF模型,根据各RF模型对测试样本的识别结果筛选特征向量,并建立特征数据集;采用特征数据集训练RF模型,采用训练好的RF模型实现煤矸识别。测试结果表明:该方法对200组煤矸测试样本的识别准确率达96.5%,且当RF模型中决策树数量设置为100或150时识别准确率最高,对测试样本进行特征提取与识别的耗时不超过0.2 s,满足综放工作面煤矸识别准确性和实时性要求。
展开更多
关键词
煤炭开采
综放开采
放顶煤
煤矸识别
液压支架尾梁
振动信号
经验模态分解
随机森林
在线阅读
下载PDF
职称材料
题名
基于煤矸振动特性的放顶煤支架传感器优化布置策略研究
被引量：
2
1
作者
王瑶
杨善国
吴明珂
孟彬
杨政
刘后广
机构
中国矿业大学机电工程学院
江苏省矿山智能采掘装备协同创新中心
智能采矿装备技术全国重点实验室
出处
《机械强度》
北大核心
2025年第1期68-75,共8页
基金
国家自然科学基金项目(52274162)。
文摘
针对放顶煤煤矸智能识别研究,为提供完整且有效的煤矸振动信号采集方案,提出了一种基于煤矸振动特性的放顶煤液压支架尾梁传感器优化布置策略。首先,对尾梁模型进行模态分析,提取振型矩阵,利用有效独立法初选测点;其次,获取尾梁试验台相应初选测点的落煤和落矸振动信号,进行特征提取;然后,对所提取特征进行t分布式随机邻域嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)降维可视化,筛选出5个对落煤和落矸信号区分敏感的特征,并以此作为目标特征;最后,经核密度估计法估算目标特征的概率密度函数,利用K-L(Kullback-Leibler)散度评估各测点组合信号与完整信号的近似性和煤矸特征的差异性,构建煤矸振动信号评价指标,结合Fisher信息矩阵准则,形成综合评价指标,确定尾梁的传感器布置最优方案。结果表明,该方法在满足模态可观测性的基础上不仅减少了传感器数量,还使得所测振动信号具有更好的煤矸差异性和信息完整性。
关键词
放顶煤
振动信号
传感器优化布置
液压支架尾梁
有效独立法
K-L散度
Keywords
Top coal caving
Vibration signal
Optimal sensor placement
Hydraulic support tail beam
Effective independence method
K-L divergence
分类号
TD355 [矿业工程—矿井建设]
TP212 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于EMD特征提取与随机森林的煤矸识别方法
被引量：
17
2
作者
窦希杰
王世博
刘后广
陈钱有
邹文才
卢召栋
机构
中国矿业大学机电工程学院
中国矿业大学矿山智能采掘装备协同创新中心
出处
《工矿自动化》
北大核心
2021年第3期60-65,共6页
基金
国家重点研发计划资助项目(2018YFC0604503)
江苏高校优势学科建设工程资助项目(PAPD)。
文摘
基于振动信号辨识是实现综放开采煤矸识别的有效手段,现有方法在识别准确性和有效性方面有待进一步研究。提出了一种基于经验模态分解(EMD)特征提取与随机森林(RF)的煤矸识别方法。采用加速度传感器及数据采集仪采集了某综放工作面煤和矸石冲击液压支架尾梁产生的振动信号,分别对2种信号进行EMD,得到一系列本征模态函数(IMF);根据EMD结果选取有效IMF,分别提取IMF能量、峭度、矩阵奇异值及对应熵作为特征向量,采用各特征向量独立训练RF模型,根据各RF模型对测试样本的识别结果筛选特征向量,并建立特征数据集;采用特征数据集训练RF模型,采用训练好的RF模型实现煤矸识别。测试结果表明:该方法对200组煤矸测试样本的识别准确率达96.5%,且当RF模型中决策树数量设置为100或150时识别准确率最高,对测试样本进行特征提取与识别的耗时不超过0.2 s,满足综放工作面煤矸识别准确性和实时性要求。
关键词
煤炭开采
综放开采
放顶煤
煤矸识别
液压支架尾梁
振动信号
经验模态分解
随机森林
Keywords
coal mining
fully mechanized mining
top coal caving
coal and gangue identification
tail beam of hydraulic support
vibration signal
empirical mode decomposition
random forest
分类号
TD821 [矿业工程—煤矿开采]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于煤矸振动特性的放顶煤支架传感器优化布置策略研究
王瑶
杨善国
吴明珂
孟彬
杨政
刘后广
《机械强度》
北大核心
2025
2
在线阅读
下载PDF
职称材料
2
基于EMD特征提取与随机森林的煤矸识别方法
窦希杰
王世博
刘后广
陈钱有
邹文才
卢召栋
《工矿自动化》
北大核心
2021
17
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
