張　強(qiáng)　王海艦　井　旺　毛　君　袁　智　胡登高

1.遼寧工程技術(shù)大學(xué)，阜新,1230002.大連理工大學(xué)工業(yè)裝備結(jié)構(gòu)分析國(guó)家重點(diǎn)實(shí)驗(yàn)室，大連,1160233.中國(guó)煤礦機(jī)械裝備有限責(zé)任公司，北京,1000114.四川理工學(xué)院材料腐蝕與防護(hù)四川省重點(diǎn)實(shí)驗(yàn)室，成都， 643000

?

基于模糊神經(jīng)網(wǎng)絡(luò)信息融合的采煤機(jī)煤巖識(shí)別系統(tǒng)

張強(qiáng)1,2,4王海艦1井旺1毛君1袁智3胡登高3

1.遼寧工程技術(shù)大學(xué)，阜新,1230002.大連理工大學(xué)工業(yè)裝備結(jié)構(gòu)分析國(guó)家重點(diǎn)實(shí)驗(yàn)室，大連,1160233.中國(guó)煤礦機(jī)械裝備有限責(zé)任公司，北京,1000114.四川理工學(xué)院材料腐蝕與防護(hù)四川省重點(diǎn)實(shí)驗(yàn)室，成都， 643000

摘要：針對(duì)采用單一信號(hào)進(jìn)行煤巖界面識(shí)別實(shí)現(xiàn)采煤機(jī)滾筒高度調(diào)整控制時(shí)精確度和可靠性不高的問題，提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的多傳感器信息融合煤巖識(shí)別方法。通過實(shí)驗(yàn)數(shù)據(jù)采集和分析得到不同煤巖比例截面截割過程中的振動(dòng)、電流以及聲功率譜信號(hào)特征樣本，根據(jù)最小模糊度優(yōu)化模型求得各煤巖識(shí)別信號(hào)的模糊隸屬度函數(shù)，采用基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)構(gòu)建的多維模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)多傳感器信息的決策融合，得到高可信度和精確度的滾筒調(diào)高控制量值。實(shí)驗(yàn)室截割實(shí)驗(yàn)對(duì)比以及現(xiàn)場(chǎng)隨機(jī)煤巖軌跡的截割實(shí)驗(yàn)結(jié)果表明,采煤機(jī)滾筒截割軌跡與實(shí)際隨機(jī)煤巖軌跡基本吻合，實(shí)驗(yàn)結(jié)果驗(yàn)證了系統(tǒng)的有效性和可靠性。

關(guān)鍵詞：采煤機(jī)；模糊；神經(jīng)網(wǎng)絡(luò)；信息融合；煤巖識(shí)別

0引言

采煤機(jī)是綜采工作面的主要開采設(shè)備，其工作效率的高低直接影響整個(gè)礦區(qū)的出煤量和經(jīng)濟(jì)效益。綜采面煤層走向錯(cuò)綜復(fù)雜，采煤機(jī)滾筒在截割過程中常常遇到夾矸和巖石斷層，其結(jié)構(gòu)材質(zhì)較硬，傳統(tǒng)上采用“一刀切”的截割方法，依靠滾筒的大轉(zhuǎn)矩對(duì)煤和巖石同時(shí)進(jìn)行截割，在此過程中截齒承受巨大的沖擊負(fù)載，加快了滾筒截齒的磨損和破壞[1]，部分截齒還可能由于集中應(yīng)力的作用而折斷[2]，造成采煤機(jī)滾筒缺齒截割作業(yè)，增大了采煤機(jī)滾筒的受力及瞬時(shí)負(fù)載波動(dòng)，加速衰減同一截線上相鄰截齒以及整個(gè)滾筒的使用壽命，降低采煤機(jī)的截割效率。而夾矸與巖石斷層的分布具有隨機(jī)性，沒有特定的分布規(guī)律。因此，如何快速有效地識(shí)別煤巖分界面，實(shí)現(xiàn)截割滾筒的自動(dòng)調(diào)高控制成為當(dāng)前煤炭開采行業(yè)亟待解決的瓶頸問題。

煤巖界面識(shí)別是保障采煤機(jī)滾筒在截割過程中避開夾矸與巖石斷層，實(shí)現(xiàn)滾筒自動(dòng)調(diào)高控制的重要手段和關(guān)鍵技術(shù)[3-4]。近年來，一些專家學(xué)者針對(duì)煤巖識(shí)別技術(shù)進(jìn)行了大量研究。國(guó)外對(duì)煤巖識(shí)別技術(shù)的研究比較早, 1966年，英國(guó)首先提出基于煤巖自然伽瑪射線輻射特性的NGR(naturalgammaradiation)傳感器煤巖識(shí)別方法；1980年，英國(guó)與美國(guó)合作研究了一種天然伽馬射線煤巖識(shí)別方法；1985年，美國(guó)麻省理工學(xué)院的采礦系統(tǒng)改造中心研制了一臺(tái)截齒振動(dòng)監(jiān)測(cè)煤巖識(shí)別系統(tǒng)。以上方法雖然能夠在一定程度上實(shí)現(xiàn)煤巖界面的識(shí)別，但都具有非常大的局限性，至今仍沒有成熟的產(chǎn)品問世。

國(guó)內(nèi)針對(duì)煤巖動(dòng)態(tài)識(shí)別技術(shù)的研究相對(duì)較晚，記憶截割方法最早被用于煤巖截割調(diào)高控制過程中，它通過分析截割過程中采煤機(jī)的位姿來確定滾筒的截割軌跡，但記憶截割方法并不屬于煤巖識(shí)別的技術(shù)范疇，它無法實(shí)現(xiàn)巖石突變情況下截割軌跡的自適應(yīng)改變[5]。孫濟(jì)平等[6]利用Daubechies小波實(shí)現(xiàn)對(duì)煤巖圖像特征的抽取與識(shí)別，為煤巖界面的自動(dòng)識(shí)別提供了重要的理論依據(jù)。田慧卿等[7]則采用圖像處理技術(shù)對(duì)煤巖的灰度值和紋理進(jìn)行提取，并以此為依據(jù)進(jìn)行煤巖的識(shí)別。汪玉鳳等[8]根據(jù)放頂煤時(shí)產(chǎn)生的聲波種類、數(shù)量和環(huán)境特點(diǎn)，采用盲源信號(hào)分離技術(shù)確定煤和矸石的比例，實(shí)現(xiàn)煤巖界面的識(shí)別。何家健等[9]提出基于主成分分析的煤巖界面識(shí)別方法，根據(jù)主元信息建立的HotellingT2和SPE統(tǒng)計(jì)量捕捉采煤機(jī)截割巖石的異常特征來識(shí)別煤巖界面。劉俊利等[10]通過對(duì)采煤機(jī)滾筒進(jìn)行受力分析，利用采煤機(jī)滾筒的截割振動(dòng)信號(hào)實(shí)現(xiàn)對(duì)煤巖界面的輔助識(shí)別，驗(yàn)證了振動(dòng)信號(hào)應(yīng)用于煤巖識(shí)別的可行性。苗艷才等[11]則根據(jù)截割電機(jī)負(fù)載的變化實(shí)現(xiàn)煤巖的初步識(shí)別，再通過調(diào)高油缸前后缸體壓力的變化實(shí)現(xiàn)進(jìn)一步識(shí)別，在一定程度上提高了煤巖識(shí)別的可信程度。傳感技術(shù)在煤巖識(shí)別領(lǐng)域的應(yīng)用雖然在一定程度上提高了煤巖識(shí)別的可靠性，但由于綜采面復(fù)雜的采掘環(huán)境、傳感器自身精度以及未知擾動(dòng)的影響，采用單一信號(hào)的煤巖識(shí)別方法具有非常大的局限性，識(shí)別精確度不高，與真實(shí)煤巖界面誤差較大?；谏鲜鋈毕莺筒蛔?，筆者提出一種基于模糊神經(jīng)網(wǎng)絡(luò)信息融合方法的煤巖界面識(shí)別技術(shù)，為實(shí)現(xiàn)采煤機(jī)滾筒的精確調(diào)高控制提供行之有效的技術(shù)方法。

1系統(tǒng)結(jié)構(gòu)及參數(shù)特性分析

實(shí)現(xiàn)滾筒高度精確控制調(diào)節(jié)的前提是實(shí)現(xiàn)對(duì)滾筒截割過程中實(shí)時(shí)煤巖截割比例的獲取。采煤機(jī)滾筒在非斜切進(jìn)刀截割過程中，滾筒與煤巖的接觸弧線長(zhǎng)度為滾筒周長(zhǎng)的二分之一，滾筒截割煤、巖的比例是指其滾筒分別與煤、巖接觸面的弧線長(zhǎng)度比值。如圖1所示，設(shè)L1和L2分別為采煤機(jī)滾筒截割煤、巖的弧線長(zhǎng)度，則采煤機(jī)滾筒截割煤的弧長(zhǎng)占煤巖總接觸弧長(zhǎng)的比例為L(zhǎng)1∶(L1+L2)，稱為截煤比β，通過采集不同截煤比截割條件下采煤機(jī)的多特征信號(hào)來建立煤巖識(shí)別的特征信號(hào)數(shù)據(jù)庫。

采煤機(jī)滾筒在截割過程中的特征信號(hào)是客觀反映其截割環(huán)境的重要依據(jù)。不同特征信號(hào)在不同條件及擾動(dòng)下的表征差異很大，采用單一信號(hào)特征提取的方式實(shí)現(xiàn)煤巖識(shí)別時(shí)偏差較大，可信度較低。鑒于此，系統(tǒng)以滾筒截割過程中的電流、振動(dòng)以及聲信號(hào)作為模糊神經(jīng)網(wǎng)絡(luò)融合的特征參數(shù)，根據(jù)最小模糊度規(guī)則計(jì)算得到不同特征參數(shù)的模糊隸屬度函數(shù)，構(gòu)建基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(adaptiveneuro-fuzzyinferencesystem，ANFIS)的多維模糊神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)多數(shù)據(jù)信息的模糊化、模糊推理和解模糊過程，并通過學(xué)習(xí)方法實(shí)現(xiàn)內(nèi)部權(quán)值節(jié)點(diǎn)參數(shù)的修正優(yōu)化，得到高可信度的截煤比β，再通過內(nèi)部計(jì)算得到最優(yōu)的滾筒高度控制量值。采煤機(jī)煤巖識(shí)別調(diào)高控制系統(tǒng)結(jié)構(gòu)如圖2所示。

2模糊神經(jīng)網(wǎng)絡(luò)融合

2.1煤巖截割信號(hào)測(cè)試與分析

煤巖截割過程中各傳感器數(shù)據(jù)信號(hào)的準(zhǔn)確性與可靠性是決定融合結(jié)果可信度的關(guān)鍵。本文主要針對(duì)截割煤、巖過程中的振動(dòng)信號(hào)、電流信號(hào)以及聲發(fā)射信號(hào)進(jìn)行采集與分析，建立各傳感器數(shù)據(jù)信號(hào)的特征值樣本。

采煤機(jī)滾筒在截割煤、巖過程中各截齒所受的截割阻力可看作是滾筒x、y、z三個(gè)軸向上的分力Fx、Fy、Fz[12]，如圖3所示。因此，分別針對(duì)采煤機(jī)滾筒在截割煤、巖過程中x、y、z三個(gè)軸向的振動(dòng)信號(hào)進(jìn)行檢測(cè)，得到的振動(dòng)曲線見圖4。

由圖4煤、巖截割振動(dòng)曲線可以看出，滾筒在截割煤、巖過程中，x軸方向的振動(dòng)幅度變化較小，y和z軸方向的振動(dòng)幅度變化較大，因此，本文主要針對(duì)y軸和z軸方向的振動(dòng)信號(hào)進(jìn)行采集和分析研究。

煤巖截割實(shí)驗(yàn)臺(tái)滾筒的驅(qū)動(dòng)減速電機(jī)額定功率為100W，額定電流為0.4A，額定轉(zhuǎn)速為30r/min，輸出轉(zhuǎn)矩為300kg·cm，煤、巖及混合試件的尺寸為600mm×200mm×500mm，實(shí)驗(yàn)截割滾筒直徑為180mm,截割深度為30mm。截割過程中的電流信號(hào)通過三相電參數(shù)采集模塊進(jìn)行采集，聲發(fā)射信號(hào)采用SAEU2S聲發(fā)射系統(tǒng)進(jìn)行采集。

通過對(duì)不同煤巖比例試件截割過程中振動(dòng)、電流以及聲功率譜信號(hào)的長(zhǎng)期檢測(cè)和采集，建立不同煤巖比例截割條件下的特征信號(hào)數(shù)據(jù)庫。抽取部分振動(dòng)、電流和聲發(fā)射的特征采樣數(shù)據(jù)作為模型的參數(shù)樣本，分別如表1～表4所示，表中各樣本分別為1∶1(全煤)、4∶5、2∶3、1∶2、1∶3、1∶5以及0∶1(全巖)7種截煤比條件下的特征值，根據(jù)這些特征樣本值建立多個(gè)截割特征信號(hào)不同截煤比條件下的的模糊隸屬度函數(shù)。

2.2基于特征樣本的模糊隸屬度函數(shù)

熵是模糊變量的重要數(shù)字特征，用來度量模糊變量的不確定性，而模糊熵用于描述模糊集的模糊性程度,模糊熵值越大，其代表的模糊集的模糊度也越大，反之則越小[13]。分明集不具有模糊性，因此其模糊熵為0，而模糊熵為1/2時(shí)的模糊度最大，是最難確認(rèn)的模糊集。設(shè)模糊集F={f1,f2,…,fn}，其隸屬度函數(shù)為μ(f)，f取值為0或1時(shí)，所述模糊集無模糊性，即為分明集，模糊熵為0[14]；當(dāng)f?(0，1)時(shí)，其模糊熵的表達(dá)式為

(1)

E(f)=flnf

U(f)=(1-f)ln(1-f)

煤巖識(shí)別系統(tǒng)截割比例狀態(tài)的模糊集為{1∶1， 4∶5， 2∶3， 1∶2， 1∶3， 1∶5，0∶1}，用集合M={M1，M2，M3，M4，M5，M6，M7}表示。對(duì)應(yīng)的各模糊子集的隸屬度函數(shù)為μ1、μ2、μ3、μ4、μ5、μ6和μ7，其隸屬度函數(shù)圖見圖5。

根據(jù)隸屬度函數(shù)圖5和各信號(hào)參數(shù)的特征樣本值，通過下式利用最小模糊度規(guī)則進(jìn)行k值求解：

Smin(M1,M2,…,M7)=

(2)

其中,n為模糊集所有樣本的個(gè)數(shù)；fi為模糊集的第i個(gè)樣本。設(shè)n為M中的樣本個(gè)數(shù)。當(dāng)下標(biāo)j為最小值1或最大值7時(shí)，隸屬度曲線為梯形，其μ(f)的表達(dá)式分別為

當(dāng)下標(biāo)j值為2、3、4、5、6時(shí)，隸屬度函數(shù)為三角形，其μ(f)的表達(dá)式為

根據(jù)表1～表4中不同信號(hào)的特征樣本值可以看出，不同煤巖截割比例條件下各信號(hào)的特征樣本數(shù)據(jù)具有一定的模糊性。通過式(2)所示的隸屬度函數(shù)優(yōu)化模型擬合各項(xiàng)特征樣本值，求解計(jì)算各隸屬度函數(shù)的k值問題，得到電流、振動(dòng)以及聲功率譜特征參數(shù)的模糊隸屬度函數(shù)如圖6所示。

2.3ANFIS模糊融合模型

采用ANFIS構(gòu)建采煤機(jī)的多傳感器信息融合煤巖識(shí)別模型[15]。ANFIS利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)功能，為模糊建模過程中學(xué)習(xí)一個(gè)數(shù)據(jù)集的信息提供了一種新的方法和理念[16]。通過ANFIS跟蹤隸屬度函數(shù)給定的輸入/輸出參數(shù)，實(shí)現(xiàn)模糊規(guī)則前件和后件隸屬函數(shù)參數(shù)的自適應(yīng)最優(yōu)選取并在模糊多層前饋網(wǎng)絡(luò)中進(jìn)行局部節(jié)點(diǎn)或權(quán)值的整定,可提高整個(gè)系統(tǒng)的優(yōu)化學(xué)習(xí)速度[17]?；谀：窠?jīng)網(wǎng)絡(luò)信息融合的采煤機(jī)煤巖識(shí)別系統(tǒng)的結(jié)構(gòu)模型如圖7所示，包含輸入層、規(guī)則運(yùn)算層、歸一化層、規(guī)則輸出層以及ANFIS輸出層五層結(jié)構(gòu)框架，神經(jīng)元由煤巖截割過程中提取的y、z軸振動(dòng)信號(hào)、截割電流信號(hào)以及聲發(fā)射信號(hào)組成。

(1)輸入層。第一層為網(wǎng)絡(luò)的隱含層，用來計(jì)算各煤巖截割信號(hào)變量值模糊集的模糊隸屬度，實(shí)現(xiàn)各輸入變量值的模糊化處理。每個(gè)輸入變量包含7個(gè)模糊集，其隸屬度函數(shù)分別用Ai、Bi、Ci、Di表示，則第一層各節(jié)點(diǎn)的輸出分別為A1～A7、B1～B7、C1～C7和D1～D7。

(2)規(guī)則運(yùn)算層。第二層的每一個(gè)節(jié)點(diǎn)代表系統(tǒng)的一條模糊規(guī)則，用來匹配模糊規(guī)則的前件，計(jì)算出每條規(guī)則的適用度，第i個(gè)節(jié)點(diǎn)的適用度為

(3)歸一化層。第三層的節(jié)點(diǎn)數(shù)與第二層的節(jié)點(diǎn)數(shù)相同，主要實(shí)現(xiàn)適用度的歸一化計(jì)算：

式中，ai為各節(jié)點(diǎn)的適用度。

(4)規(guī)則輸出層。規(guī)則輸出層用于計(jì)算每一條規(guī)則的輸出，各節(jié)點(diǎn)的傳遞函數(shù)為線性函數(shù)，其規(guī)則輸出為

式中，ξi為結(jié)論參數(shù)集對(duì)應(yīng)的函數(shù)[18]。

(5)ANFIS輸出層。第五層是后件網(wǎng)絡(luò)，用于計(jì)算每一條規(guī)則的后件，最后的ANFIS輸出為

3實(shí)驗(yàn)室對(duì)比截割實(shí)驗(yàn)

根據(jù)相似材料準(zhǔn)則，采用沙子、水泥以及煤巖碎塊澆筑長(zhǎng)寬高為600mm×200mm×500mm的煤巖試件，煤巖分界面為0.25m高度的水平截面，下半部為巖層，上半部為煤層。

分別采用聲發(fā)射信號(hào)、截割電流信號(hào)、振動(dòng)信號(hào)以及模糊神經(jīng)網(wǎng)絡(luò)多傳感器信息融合煤巖識(shí)別方法對(duì)試件進(jìn)行截割實(shí)驗(yàn)，得到的實(shí)際截割軌跡界面如圖8所示。截割完成后實(shí)際截割界面與真實(shí)煤巖界面的煤層截割殘余量與巖層截割量對(duì)比如表5所示。

圖8是分別采用四種基于單一信號(hào)的煤巖識(shí)別控制方法進(jìn)行截割試驗(yàn)，每種方法進(jìn)行5次截割，每次截割取30個(gè)采樣點(diǎn)，得到的煤巖截割界面。結(jié)合圖8中基于不同煤巖識(shí)別方法的截割界面以及表5中煤層截割殘余量與巖層截割量對(duì)比可知，基于聲發(fā)射(圖8a)或基于電流單一信號(hào)(圖8b)的煤巖識(shí)別方法識(shí)別效果較差，實(shí)際截割界面與真實(shí)界面誤差較大，截割軌跡在煤巖真實(shí)分界面0.25m處上下起伏波動(dòng)劇烈，煤層截割殘余量與巖層截割量非常大，說明基于單一信號(hào)的煤巖識(shí)別方法具有非常大的局限性，識(shí)別精度不高；基于y、z軸振動(dòng)信號(hào)的煤巖識(shí)別方法(圖8c)較前兩者效果有了很大提高，但較真實(shí)煤巖分界面仍然存在較大幅度的誤差，煤層截割殘余量與巖層截割量仍相對(duì)較大；而采用基于ANFIS的模糊神經(jīng)網(wǎng)絡(luò)多傳感器信息融合系統(tǒng)的煤巖識(shí)別方法(圖8d)效果顯著，截割軌跡基本與煤巖的真實(shí)分界面一致(0.25m高度為實(shí)際的煤巖分界面)，上下起伏波動(dòng)較小，煤層截割殘余量與巖層截割量均較少，截割界面軌跡與實(shí)際煤巖澆筑界面基本一致，煤巖識(shí)別精度較高。

4現(xiàn)場(chǎng)隨機(jī)煤巖界面截割實(shí)驗(yàn)

為驗(yàn)證采煤機(jī)模糊神經(jīng)網(wǎng)絡(luò)多傳感器信息融合煤巖識(shí)別系統(tǒng)的精確性與穩(wěn)定性，進(jìn)行現(xiàn)場(chǎng)隨機(jī)煤巖界面的工業(yè)性實(shí)驗(yàn)，如圖9所示。

采煤機(jī)型號(hào)為MGN500/1130-WD，滾筒直徑為1.8m，截割深度為0.8m；煤壁高度為3m，煤壁全長(zhǎng)為70m，內(nèi)部澆筑隨機(jī)走向的巖石斷層。通過現(xiàn)場(chǎng)截割實(shí)驗(yàn)得到采煤機(jī)滾筒的截割軌跡與實(shí)際隨機(jī)煤巖界面軌跡如圖10所示。

由圖10可看出，采煤機(jī)滾筒截割煤巖軌跡與實(shí)際煤巖軌跡基本一致，單次截割的煤層截割殘余量與巖層截割量分別為1.165m3和0.542m3，較單一信號(hào)煤巖識(shí)別方法的煤層截割殘余量與巖層截割量分別降低了78.2%和69.3%，局部截割偏差可能是控制系統(tǒng)以及采煤機(jī)懸臂調(diào)高系統(tǒng)的滯后性所致。說明基于模糊神經(jīng)網(wǎng)絡(luò)的多傳感器信息融合煤巖識(shí)別系統(tǒng)具有較高的識(shí)別精度及可靠性。

5結(jié)論

(1)通過采集采煤機(jī)截割煤巖過程中的不同數(shù)據(jù)信號(hào)，得到不同截煤比條件下的特征樣本值，根據(jù)最小模糊度原則得到各特征信號(hào)的優(yōu)化模糊隸屬度函數(shù)，建立了基于ANFIS的多維模糊神經(jīng)網(wǎng)絡(luò)融合的煤巖識(shí)別模型。

(2)采用實(shí)驗(yàn)室對(duì)比截割實(shí)驗(yàn)得到不同截割信號(hào)識(shí)別條件下的煤巖截割界面，驗(yàn)證了模糊神經(jīng)網(wǎng)絡(luò)多傳感器信息融合系統(tǒng)的煤巖識(shí)別精度及可靠性;現(xiàn)場(chǎng)隨機(jī)煤巖界面工業(yè)性截割實(shí)驗(yàn)結(jié)果表明，基于模糊神經(jīng)網(wǎng)絡(luò)信息融合的采煤機(jī)煤巖識(shí)別系統(tǒng)能夠?qū)崿F(xiàn)煤巖界面的實(shí)時(shí)動(dòng)態(tài)識(shí)別，根據(jù)煤巖識(shí)別結(jié)果進(jìn)行自動(dòng)調(diào)高控制，系統(tǒng)具有非常好的靜態(tài)性能和動(dòng)態(tài)性能。

參考文獻(xiàn)：

[1]劉春生,宋楊,陳金國(guó),等.鎬形截齒割巖過程的溫度場(chǎng)模擬[J].黑龍江科技學(xué)院學(xué)報(bào),2013,23(4):337-340.

LiuChunsheng,SongYang,ChenJinguo,etal.SimulationofTemperatureFieldsonConicalPickCuttingRock[J].JournalofHeilongjiangInstituteofScience&Technology,2013,23(4):337-340.

[2]趙麗娟,陳穎,董萌萌.滾筒截齒對(duì)采煤機(jī)截割部工作可靠性的影響研究[J].現(xiàn)代制造工程,2010(12):104-110.

ZhaoLijuan,ChenYing,DongMengmeng.ResearchontheInfluenceonWorkingReliabilityofCuttingUnitofShearerbyCuttingPick[J].ModernManufacturingEngineering, 2010(12):104-110.

[3]KellyM,HainsworthD,ReidD,etal.ProgressTowardsLong-wallAutomation[J].MiningScienceandTechnology, 2005, 16(5):769-776.

[4]ReidDC,HainsworthDW,RalstonJC,etal.ShearerGuidance:aMajorAdvanceinLong-wallMining[J].FieldandServiceRobotics:RecentAdvancesinResearchandApplication, 2006,24:469-476.

[5]劉春生.滾筒式采煤機(jī)記憶截割的數(shù)學(xué)原理[J].黑龍江科技學(xué)院學(xué)報(bào),2010,20(2):85-90.

LiuChunsheng.MathematicPrincipleforMemoryCuttingonDrumShearer[J].JournalofHeilongjiangInstituteofScienceandTechnology,2010,20(2):85-90.

[6]孫濟(jì)平,佘杰.基于小波的煤巖圖像特征抽取與識(shí)別[J].煤炭學(xué)報(bào),2013,38(10):1900 -1904.

SunJiping,SheJie.Wavelet-basedCoal-rockImageFeatureExtractionandRecognition[J].JournalofChinaCoalSociety, 2013,38(10): 1900 -1904.

[7]田慧卿,魏忠義.基于圖像識(shí)別技術(shù)的煤巖識(shí)別研究與實(shí)現(xiàn)[J].西安工程大學(xué)學(xué)報(bào),2012,26(5):657-660.

TianHuiqing,SheJie.TheresearchandImplementationofCoalandRockIdentificationBasedonImageRecognitionTechnology[J].JournalofXi’anPolytechnicUniversity,2012, 26(5):657-660.

[8]汪玉鳳,夏元濤,王曉晨.含噪超完備獨(dú)立分量分析在綜放煤巖識(shí)別中的應(yīng)用[J].煤炭學(xué)報(bào),2011,36(增刊1):203-206.

WangYufeng,XiaYuantao,WangXiaochen.ApplicationonOverCompleteICAwithNoiseinCoalandRockIdentificationofFullyMechanizedMining[J].JournalofChinaCoalSociety,2011,36(S1):203-206.

[9]何家健,陳卓,吳孟侗,等.基于主成分分析的煤巖界面識(shí)別方法[J].工況自動(dòng)化, 2011(7):76-78.

HeJiajian,ChenZhuo,WuMengtong,etal.IdentificationMethodofCoalandRockInterfaceBasedonPCA[J].IndustryandMineAutomation,2011(7):76-78.

[10]劉俊利,趙豪杰,李長(zhǎng)有.基于采煤機(jī)滾筒截割振動(dòng)特性的煤巖識(shí)別方法[J].煤炭科學(xué)技術(shù),2013,41(10):93-95.

LiuJunli，ZhaoHaojie，LiChangyou.Coal-rockRecognitionMethodBasedonCuttingVibrationFeaturesofCoalShearerDrums[J].CoalScienceandTechnology,2013, 41(10):93-95.

[11]苗艷才,楊棟,趙其龍.智能采煤機(jī)煤巖識(shí)別分析與設(shè)計(jì)[J].煤礦機(jī)械,2014,35(7):81-83.

MiaoYancai,YangDong,ZhaoQilong.IntelligentShearerCoalandRockIdentificationAnalysisandDesign[J].CoalMineMachinery, 2014,35(7):81-83.

[12]李曉豁,何洋,焦麗等.基于參數(shù)識(shí)別的截割頭縱向隨機(jī)振動(dòng)響應(yīng)優(yōu)化[J].中國(guó)機(jī)械工程,2015,26(6):818-823.

LiXiaohuo,HeYang,JiaoLi,etal.VerticalRandomVibrationResponseandOptimizationofCuttingHeadBasedonParameterIdentification[J].ChinaMechanicalEngineering, 2015,26(6): 818-823.

[13]劉曉明,牟龍華,張?chǎng)?基于信息融合的隔爆開關(guān)永磁機(jī)構(gòu)儲(chǔ)能電容失效診斷[J].煤炭學(xué)報(bào), 2014,39(10):2121-2127.

LiuXiaoming,MuLonghua,ZhangXin.FailureDiagnosisforStorage-capacitorinPermanentMagneticActuatorOfflameproofSwitchgearBasedonInformationFusion[J].JournalofChinaCoalSociety, 2014,39(10): 2121-2127.

[14]張?chǎng)?牟龍華.基于信息融合的礦山電網(wǎng)復(fù)合保護(hù)的研究[J].煤炭學(xué)報(bào),2012,37(11): 1947-1952.

ZhangXin,MuLonghua.ResearchonCompoundProtectionforMinePowerNetworkBasedonInformationFusion[J].JournalofChinaCoalSociety,2012,37(11): 1947-1952.

[15]劉卓凡,楊凱,王加詳,等.基于ANFIS神經(jīng)網(wǎng)絡(luò)的GPS/INS組合導(dǎo)航信息融合[J].計(jì)算機(jī)測(cè)量與控制,2012,20(8): 2291-2293.

LiuZhuofan,YangKai,WangJiaxiang,etal.GPS/INSIntegratedNavigationFusionAlgorithmBasedonANFISNeuralNetwork[J].ComputerMeasurement&Control，2012,20(8): 2291-2293.

[16]田毅,張欣,張昕,等.汽車運(yùn)行狀態(tài)識(shí)別方法研究(二)——基于模糊神經(jīng)網(wǎng)絡(luò)的識(shí)別方法[J].中國(guó)機(jī)械工程,2013,24(11): 1521-1524.

TianYi,ZhangXin,ZhangLiang.ResarchonVehicleDrivingSituationIdentification(PartⅡ)-BasedonFuzzy-neuralNetwork[J].ChinaMechanicalEngineering, 2013,24(11):1521- 1524.

[17]榮健,喬文釗.基于模糊神經(jīng)系統(tǒng)的多傳感器數(shù)據(jù)融合算法[J].電子科技大學(xué)學(xué)報(bào), 2010,39(3):376-378.

RongJian,QiaoWenzhao.Neural-Fuzzy-BasedMulti-sensorDataFusionArchitecture[J].JournalofUniversityofElectronicScienceandTechnologyofChina, 2010,39(3):376-378.

[18]朱安福,景占榮,陳煒軍,等. 基于ANFIS和證據(jù)理論的信息融合研究[J].中北大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,30(1):74-79.

ZhuAnfu,JingZhanrong,ChenWeijun,etal.DataFusionBasedonANFISandEvidenceTheory[J].JournalofNorthUniversityofChina(NaturalScienceEdition), 2009,30(1):74-79.

(編輯蘇衛(wèi)國(guó))

Shearer’sCoal-rockRecognitionSystemBasedonFuzzyNeuralNetworkInformationFusion

ZhangQiang1,2,4WangHaijian1JingWang1MaoJun1YuanZhi3HuDenggao3

1.LiaoningTechnicalUniversity,Fuxin,Liaoning,1230002.StateKeyLaboratoryofStructuralAnalysisforIndustrialEquipment,DalianUniversityofTechnology,Dalian,Liaoning,1160233.ChinaNationalCoalMiningEquipmentCo.,Ltd.,Beijing,1000114.MaterialCorrosionandProtectionKeyLaboratoryofSichuanProvince,SichuanUniversityofScience&Engineering,Chengdu,643000

Keywords:shearer;fuzzy;neuralnetwork;informationfusion;coal-rockrecognition

Abstract:Aimingatthelowaccuracyandreliabilityproblemswhenusingsinglesignalstorecognizethecoal-rockinterfaceforcontrollingandadjustingtheheightofshearerroller,amulti-sensorinformationfusioncoal-rockrecognitionmethodwasputforwardbasedonfuzzyneuralnetwork.Thesamplecharacteristicsofvibration,currentandsoundpowerspectrumsignalswereobtainedthroughtheacquisitionandanalysesofexperimentaldataduringcuttingthesectionwithdifferentproportionsofcoal-rock,andthecoal-rockrecognitionsignals’fuzzymembershipfunctionwasfoundaccordingtotheminimumfuzzyoptimizationmodel.Thecontrolledmeasurementofroller’sheightwithhighlyreliabilityandaccuracywasobtainedthroughmulti-dimensionalfuzzyneuralnetwork，whichwasbuiltbyadaptiveneuro-fuzzyinferencesystem.Laboratorycuttingexperimentsandthescenecuttingexperimentsofrandomcoal-rocktrajectorywerecarriedout,theresultsshowthatthecuttingtrajectoryofshearer’srollerisbasicallythesameastherandomtrajectoryofcoal-rockspecimen,theresultsconfirmtheeffectivenessandreliabilityofthesystem.

收稿日期：2015-05-04

基金項(xiàng)目：高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助項(xiàng)目(20132121120011);工業(yè)裝備結(jié)構(gòu)分析國(guó)家重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目(GZ1402);材料腐蝕與防護(hù)四川省重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目 (2014CL18);遼寧省高等學(xué)校杰出青年學(xué)者成長(zhǎng)計(jì)劃資助項(xiàng)目(LJQ2014036);遼寧“百千萬人才工程”培養(yǎng)經(jīng)費(fèi)資助項(xiàng)目(2014921070);中煤集團(tuán)重點(diǎn)科技項(xiàng)目(13-8)

作者簡(jiǎn)介：張強(qiáng)，男,1980年生。遼寧工程技術(shù)大學(xué)機(jī)械工程學(xué)院教授、博士研究生導(dǎo)師，大連理工大學(xué)工業(yè)裝備結(jié)構(gòu)分析國(guó)家重點(diǎn)實(shí)驗(yàn)室訪問學(xué)者，四川理工學(xué)院材料腐蝕與防護(hù)四川省重點(diǎn)實(shí)驗(yàn)室訪問學(xué)者。研究方向?yàn)榈V山機(jī)械動(dòng)態(tài)設(shè)計(jì)及監(jiān)測(cè)技術(shù)。發(fā)表論文60余篇。 王海艦，男，1987年生。遼寧工程技術(shù)大學(xué)機(jī)械工程學(xué)院博士研究生。井旺，男，1990年生。遼寧工程技術(shù)大學(xué)機(jī)械工程學(xué)院碩士研究生。毛君，男，1960年生。遼寧工程技術(shù)大學(xué)機(jī)械工程學(xué)院院長(zhǎng)。袁智，男，1970年生。中國(guó)煤礦機(jī)械裝備有限責(zé)任公司高級(jí)工程師。胡登高，男，1960年生。中國(guó)煤礦機(jī)械裝備有限責(zé)任公司高級(jí)工程師。

中圖分類號(hào)：TP76

DOI：10.3969/j.issn.1004-132X.2016.02.010