垮落煤岩性状识别研究.pdf

第 4 3卷 第 2期 2 0 1 7年 2月 工矿 自 动化 I n du s t r y a nd M i ne Au t omat i o n Vo 1 ． 43 NO ． 2 Fe b．2 O1 7 ◆ i 科研成果 _ ◆⋯ ． 文章 编号 1 6 7 1 2 5 1 X 2 0 1 7 0 2 0 0 2 4 0 0 5 D OI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 x ． 2 0 1 7 ． 0 2 ． 0 0 6 李一鸣， 符世琛 ， 李瑞， 等． 垮落煤岩性状识别研究[ J ] ． 工矿 自动化 ， 2 0 1 7 ， 4 3 2 2 4 2 8 ． 垮落煤岩性状识别研究 李一鸣 ， 符世琛 ， 李瑞 ， 吴淼 中国矿业大学 北京机电与信息工程学院， 北京 1 0 0 0 8 3 摘要 针对综放 工作面垮 落煤岩性状识别的技术问题 ， 提 出了一种基于连续小波变换和改进奇异值分解 的 识别 方 法。采 用基 于单 边 J a c o b i 的奇异 值 分 解 S VD 方法对 小波 系数 矩 阵进 行 分 解 ， 得 到 与 小波 系数 矩 阵列向量位置对应的奇异值 向量， 并将奇异值 向量作为神 经网络 的输入向量来识别 落煤和 落岩 2种工况。 现场试验结果表明， 基于连续小波变换与 S VD得到的奇异值 向量可用于识 剐垮落煤岩 ， 但基于连续小波 变 换与改进 s VD得到的奇异值向量具有更高的识别率。 关键 词 煤 炭 开 采 ；综 放 工 作 面 ；垮 落 煤岩 ；煤 岩性 状识 别 ；连 续 小波 变换 ；奇 异 值 分 解 ；神 经 网络 ； SVD 中图分 类号 T D6 7 文献标 志 码 A 网络 出版 时间 2 0 1 7 0 1 2 2 1 0 2 7 网络 出版地 址 h t t p ／ ／ www． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． TP ． 2 0 1 7 0 1 2 2 ． 1 0 2 7 ． 0 0 6 ． h t ml Re s e a e c h o n i d e n t i f i c a t i o n o f c a v i n g c o a l a n d r o c k t r a i t s LI Yi mi n g， F U S h i c h e n，LI Ru i ， W U Mi a o S c h o o l o f M e c h a n i c a l El e c t r o n i c a n d I n f o r ma t i o n En g i n e e r i n g，Ch i n a Un i v e r s i t y o f Mi n i n g a n d Te c h n o l o g y B e i j i n g ，B e i j i n g 1 0 0 0 8 3，Ch i n a Ab s t r a c t I n or d e r t o r e c og ni z e c a v i ng c oa l a nd r oc k t r a i t s i n f ul l y me c h a ni z e d c a vi ng f a c e， a n i d e n t i f i c a t i o n me t h o d b a s e d o n c o n t i n u o u s wa v e l e t t r a n s f o r m a n d i mp r o v e d s i n g u l a r v a l u e d e c o mp o s i t i o n S VDwa s p r o p o s e d ．Th e S VD me t h o d b a s e d o n u n i l a t e r a l J a c o b i i s u s e d t o d e c o mp o s e wa v e l e t c o e f f i c i e n t m a t r i x，S O a s t o g e t s i ng ul a r va l u e v e c t o r s c or r e s po nd i n g t o t he c ol u m n v e c t o r p o s i t i on o f t h e wa ve l e t c o e f f i c i e n t ma t r i x．Th e s i n g u l a r v a l u e v e c t o r s a r e u s e d a s i n p u t v e c t o r o f n e u r a l n e t wo r k t o i d e n t i f y t wo c on di t i o ns o f f a i l i n g c o a l a nd f a l l i ng r o c k．Fi e l d t e s t r e s ul t s s ho w t h a t t h e s i ng ul a r v a l u e v e c t o r s a c qu i r e d b y t he me t h od b a s e d on c o nt i n uo us wa ve l e t t r a ns f o r m a nd SVD c a n b e u s e d t o i d e n t i f y c o a l a nd r o c k，but t he s i ng ul a r v a l ue v e c t o r s a c q ui r e d by t he m e t ho d ba s e d on c on t i nu ou s wa v e l e t t r a ns f o r m a nd i m pr o v e d S VD h a s h i g h e r i d e n t i f i c a t i o n r a t e ． Ke y wo r d s c o a l mi n i n g ；f u l l y me c h a n i z e d c a v i n g f a c e ；c a v i n g c o a l a n d r o c k；i d e n t i f i c a t i o n o f c o a l a n d r o c k t r a i t s 9 c o n t i n u o u s wa v e l e t t r a n s f o r m ；s i n g u l a r v a l u e d e c o mp o s i t i o n；n e u r a l n e t wo r k；S VD 0 引言 目前 ， 综放工作面开采中放煤工仍采用手动操 控电液换向阀的方式来控制顶煤垮落 ， 极 易造成顶 煤 的“ 欠放 ” 或“ 过 放” 现 象 ， 严 重 影 响综 放 工作 面 的 采出率Ⅲ。垮落煤岩性状识别是解决这一问题的关 收稿 日期 2 0 1 6 0 9 0 8 ； 修 回日期 2 0 1 7 0 1 一 O 4 ； 责任编辑 胡娴 。 基金项 目 国家重点基础研究发展计划 9 7 3 计 划 资助项 目 2 O 1 4 CB 0 4 6 3 o o ， 2 0 1 4 C B 0 4 6 3 0 6 。 作者简介 李一鸣 1 9 9 1 一 ， 男 ， 山西长治人 ， 博 士研究 生， 研究方 向为故 障诊断 与模式识别 ， E ma i l l i y i mi n g x f s i n a ． t o m。 2 0 1 7年 第 2期 李一鸣 等 垮 落煤岩 性状 识别研 究 2 5 键 ， 其实质是对综放工作面顶煤垮落过程 中的煤及 岩石进行判断 ， 其关键是垮落煤岩性状 的描述与 自 动识 别 理论 j 。 国 内外 专 家对 煤 岩 性 状 识别 做 了大 量 研 究 ， 并 取得 了 一 定 的 成 果 ， 得 到 了 时 域 特 征 指 标口 ] 、 频 谱 _ 4 ] 、 独 立分 量l 5 与 小 波 包 频 带 能 量 _ 6 等表 征 煤 岩 性状 的量及神经 网络_ 7 ] 、 遗传算法 与支持 向量机 等分类模型。顶煤垮落过程 中液压支架后尾梁 的振 动信号是非平稳 、 非线性信号， 时域特征指标和频谱 不适用于非平稳信号 ， 不能准确地表征该振动信号 ； 独立 分 量分 析易 受 扰 动 和 噪声 的影 响 ， 实 际 效果 不 理想 ； 小 波包 频 带 能量 实 际上 是 对 小 波 时 频 分 析方 法 的弱 化 ， 也不 能细 致地 刻 画该振 动 信号 的特 征 。 连续小波变换作为一种时频分析工具 ， 实现了 信号在时间和尺度 2个维度上的细致描述 。连续小 波变换的尺度和时间是连续 变化的， 尺度变化的连 续性使尺度接近的成分可以更好地被分离开来 ， 时 间变 化 的 连 续 性 可 以 准 确 地 定 位 尺 度 接 近 的 成 分r 9 ] 。但原信号经连续小波变换后 ， 得 到的小波 系 数矩 阵维 数 过 大， 需 对 小 波 系数 矩 阵进 行 再 处 理r 】 。 。 。奇异值是矩阵所 固有 的特征 ， 可充分反映矩 阵 中所 含 的 信 息。因 此 ， 奇 异 值 分 解 S i n g u l a r Va l u e D e c o mp o s i t i o n ，S VD 可 以将 高 维 的小 波 系 数矩 阵 压缩 为低 维 的特征 矢 量 。 本文对落煤和落岩 2种工况下的液压支架后尾 梁振动信号进行连续小波变换 ， 得到小波系数矩阵 ， 对该矩阵进行 S VD分解 ， 得到奇 异值 向量 。传统 S VD方法打乱 了与奇异值 向量对应的输入小波系 数矩阵的列向量 ， 使得该奇异值 向量不能准确地表 征 后尾 梁 振 动 信 号 ， 因此 ， 本 文 提 出 采 用 基 于 单 边 J a c o b i 的 S VD方法 对小 波 系数 矩 阵进 行 分解 ， 得 到 与小 波 系数矩 阵 列 向量 位 置 对 应 的奇 异 值 向量 ， 并 把采用传统方法和文本方法得到的奇异值向量作为 神经网络 的输入 向量 ， 对 比其垮 落 煤岩 性状 识别 结果 。 1 振 动 信号 特征 提取 方 法 1 ． 1 连 续 小 波 变 换 小 波 变换 的基 本 思想 是用 一簇 具有 局部 化 特征 的函数来表示或逼近原信号。这一簇函数称为小波 函数 系 ， 它是 由基 小波 函数 的伸 缩 和平 移构成 的 。 若 函数 g t x ∈L R ， 其傅里叶变换 ∞ 满 足 如下 容许 性条 件 c 一f d oJ 。 2 式中 为尺度参数 ； b为时移参数 也称为时间中心 参 数 。 对于任意空间 L R 中的原信号 ， ， 其连续 小波变换为 ， n ， 6 一I 厂 ， ．6 d x一 ㈣ 式中 ， z 是 ， 的复共轭函数。 由式 3 可知 ， 原信号 ．厂 z 的小波变换是一个 二元 函数 。小 波系数 w， a ， 6 表 明的本质 是原信 号厂 在 xb点 附近 按 -z 进 行 加权 平 均 ， 体 现的是以 ， z 为标准 厂 z 的变化快慢情况。参 数 b 表示分析的时间 中心 ， 参数 。体现的是 以b为 中心 的附近 范 围 的大 小 。因此 ， 小 波 系数 W ， n ， 6 就是小波基函数与原信号局部相似 的系数， 系数越 大 ， 表明信号局部与对应的小波基函数越相似 。 1 ． 2 改 进 S VD 设 A是 m x 的矩阵， 必存在正交 或酉 矩阵 u∈ 和 V∈ ， 使 得 AU S V ， 其 中 S一 『 ] ，且 ⋯ ， , r r a n k AZ d ia g ， 其 l o 0 J ，且 ⋯ ， ， 其 对角 元素 矩 阵 A 的奇异 值 按 照 降序 排 列 ， 即 ≥ A ≥ ⋯≥ ， [ 1 1 ] 。 由于奇异值按 降序排列 ， 打乱 了原有 的奇异值 与输入矩阵的列向量 的对应关系 ， 使得按降序排列 的奇异值构成 的特征 向量不能准确地 与原矩 阵对 应。基于单边 J a c o b i 的 S VD方法可得到未经排序 的原矩 阵 的奇异 值 向量 。 由于 AU S V ， 则 有 AV U S， 观 察 到 AV是 一 个正交 阵 ， 令 BAVA ． ， ， J ， ⋯ ， J ， 其 中 ， 为标准 正交 阵 。则 矩 阵 B相 当 于对 原 矩 阵 A 进 行 一 系列的单边 J a c o b i 正交旋转 ， 直到 B的任意 2列 都正交 为 止L 1 。将得 到 的 B矩 阵作 QR分解 ， 得 2 6 工矿 自动化 2 0 1 7年 第 4 3卷 B 一 4 令 UQ， S R， 则 实现 了矩 阵 A 的 S V D 分解 ， 且得 到输 入矩 阵 A 的未 经重 排 的奇异 值 向量 。 A U SV 一 Q Ry 5 式中R -- I 。 I ， 且三 一d ia g ， ， ⋯， ， 其对角 L0 0J 元素 ， 。 ， ⋯ ， 矩 阵 A 的奇 异 值 按顺 序 对 应 输 入矩 阵 A 的列 向量 。 2现场 试验 顶煤 放 落试 验 是 在 中煤 朔 州 担 水 沟 煤 矿 9 2 0 1 综放 工作 面进 行 ， 该工 作 面煤层 硬度 厂 一2 ～3 ， 煤层 顶板 硬 度为 6 。试验 用记 录仪 为 YH J C 矿 用 便携 式 测 振 记 录 仪 。 振 动 加 速 度 传 感 器 选 用 GB C 1 0 0 0加 速 度 传 感 器 。振 动 加 速 度 传 感 器 通 过 磁力 吸 座吸 附于 3 9号 液压 支架 后尾 梁背部 ， 便 携式 测振 记 录仪 布置 于 4 0号放 顶 煤 液 压 支架 两 立柱 之 间 ， 如 图 1 所示 。振 动加 速 度 传 感 器 通 过 电缆 与测 振记 录仪 连接 。放 煤 开 始 后 ， 一 人 操 作测 振 记 录仪 开始 采集 信号 ， 同时另一 人 记录 2种 工况 的时 问 ， 从 而较 准确 地得 到 2种工 况下 的振 动信 号 。 1 振 动 加 速 艘 传 感 器 测 点 ； 2 便 携式 测 振仪 位 置 图 1 测试仪 器布 置 3垮 落煤 岩性 状识 别 3 ． 1 一 维振动 信 号连 续小 波 变换 对 落煤 和落 岩 2种 _T况下 的振 动 信号进 行连 续 小 波变 换 ， 小 波 函 数 选 择 d b 3 ， 由 于 采 样 频 率 为 1 0 k Hz ， 信号 长度 为 1 S ， 故连 续 小 波变 换 中 的平 移 参数 b可 从 1 ～ 1 0 0 0 0连续 变化 ， 尺度 参数 n从 1 ～ 3 O连 续 变 化 ， 则 得 到 的 小 波 系 数 矩 阵 A 是 一 个 3 O 1 0 0 0 0 的矩阵 。2种 工 况 下 的 小 波 系数 分 布 如 图 2所 示 。 由图 2可知 ， 顶煤 垮落 时 ， 尺度参 数 a和 时移参数 b在 [ 5 ～ 1 7 ， 3 5 0 0 ～ 4 5 0 0 ] ， [ 2 1 ～ 2 9 ， 4 5 0 0 ～5 5 0 0 ] ， [ 1 3 ～2 9 ， 6 0 0 0 ～7 0 0 0 ] 和[ 1 ～2 5 ， 7 5 O ～8 o o o ] 范 围 内 ， 小 波 系数 较 大 ， 尤其 在 [ 1 9 ～ 2 7 ， 6 5 0 0 ～7 o o o ] 和[ 1 3 ～1 7 ， 8 O ] o ] 范围内， 小波系 数最大 ； 顶板 岩石垮落时 ， a和 b在 [ 3 ～1 7 ， 5 0 0 ～ 3 o o o ] 和[ 5 ～1 9 ， 5 0 0 0 9 o o o ] 范围内， 小波系数较 大 ， 尤其在[ 7 ～1 5 ， 5 5 0 0 ～6 5 0 0 ] 范围内， 小波系数 最大 。2种 工 况 下 的 小 波 系 数 分 布有 明 显 的 差 异 ， 因此 ， 小 波系数 矩 阵 可作 为 2种 工 况 下振 动信 号 的 特 征 。但小 波系 数矩 阵维 数 过 大 ， 需 对 小 波 系数 矩 阵进 行再 处理 。 0 1 2 3 4 5 6 7 8 9 1 O 6 ／ l O a 顶煤垮落 【 J I j 4 O ， I U b ／ 1 0 3 b 顶板岩石垮落 罔 2 2种 J 二 况 下 的小 波 系数 分布 3 ． 2 小 波 系数 矩 阵 S VD 分解 由 于奇 异 值可 充 分 地 反 映矩 阵 中所含 的信 息 ， 所 以 ， 由小 波系 数矩 阵 的奇 异 值 向 量构 成 的特 征 向 量 可 以 表 征垮 落 煤 岩 。对 3 0 l O 0 0 0的小 波 系 数 矩阵进行 S VD分解 ， 得到的 9个变量的奇异值向量 组 成 一 个 特 征 向 量 ， 实 现 了 小 波 系 数 矩 阵 的 压 缩 “ ] 。落 煤样 本 和 落 岩 样 本 各 取 3 0组 ， 分 别 对 其 振动信号的小波系数矩阵进行 S VD分解 ， 得到的奇 异 值 向量构 成 特 征 向 量 。 部 分 数 据 见 表 1 ， 由表 l 可看 出 ， 特 征 向量 按 降序排 列 ， 打乱 r对 应输 入小 波 系数 矩阵 的列 向量 的位 置 ， 破 坏 了如 图 2所 示 的 小 波 系数分 布 ， 使得 该 特 征 向 量 不 能准 确 地 表 征垮 落 煤 岩 。 因此 ， 用 基 于 单 边 J a c o b i 的 S VD 方 法 对 3 0组落煤 样 本和 3 O组 落 岩样 本 的小 波 系 数矩 阵 进 行 分解 ， 得 到未 经排 序 的奇异 值 向量 ， 其 构成 的特 征 向量 盯部分数 据 见表 2 。图 3为 特征 向量 的平 均 值 ， 图 4为 特征 向量 盯的平 均值 。由图 3可 以看 出 ， 落岩样 本 的特征 向量 平 均 值 在 维 数 1 6略 大 于 落 煤样 本 ， 在 维 数 7 9特 征 向 量 A均 趋 近 于 0 ， 因 “B 9 “”9 ● 2 0 1 7年第 2期 李一鸣等 垮落煤岩性状识别研 究 2 7 此 ， 以特征 向量 表征的落岩样本 和落煤样本可能 有交叉 。由图 4可 以看出， 在维数 2 ， 3 ， 5 ， 6 ， 9落岩 样本 的特征 向量 平均值 和落煤样本均有 明显的 差异。因此 ， 以特征 向量 盯表征的落岩样本和落煤 样 本有 明显 的线 性 可分性 。 表 1 特征 向量 A部分数据 表 2 特征 向量 仃部分数据 趔 霹 b 图 3 特 征向量 A的平均值 _V I I I 』 一 『1 特 征 向量 维 数 图 4 特 征向量 盯的平 均值 3 ． 3 神 经 网络 训 练与预 测 神 经 网络是 由大 量处 理元 素 t o0 经元 所组 成 的 网络计算系统。线性可分 的网络主要有感知机和线 性神经网络 ， 线性不 可分的网络有 B P神经 网络 和 径向基神经网络等。单层感知机是一个具有 l层神 经元 、 采用阈值型激活函数 的前 向网络 。通 过对 网 络权值的训练 ， 使感知机对一组输人矢量的响应达 到元素为 0或 1的 目标输 出， 从而实现对输人矢量 分类 的目的。B P神经 网络是一个利用误差反 向传 播算法对网络进行训练的单向传播多层 网络 。根据 Ko l mo g o r a v定理 ， 对于任何 一个非线性函数 ， 都可 以用一个 3层结构 的 B P 网络来 实 现口 。因此 ， B P 神 经 网络初 步选 择 3层 ， 即输 入层 、 输 出层和 1 个 隐 含 层 。 落煤 样 本 和 落岩 样 本 各 取 3 0组 ， 其 中 5 O组作 为训练样本 ， 1 O组作为验证样本。其特征 向量 作 为 B P神经 网络的输入 向量 ， 特征 向量 盯作为单层 感知机的输入 向量 。规定 1 代表落岩， 0代表落煤。 由于特 征 向量 后 3个 变量趋 近 于零 ， 所 以 ， 以 特 征 向量 的前 6个 变 量 组 成 新 的特 征 变 量 作 为 B P神 经 网络 的输 入 向量 ， 于 是 B P神 经 网络 输 入层 神经元个数为 6 。期望输 出值为 0或 1 ， 因此 ， 输出 层 神经元 个数 为 1 。隐 含层 神经 元 个 数对 网络 的性 能有较大的影响 ， 由于 目前没有很好 的方法确定 隐 含层神经元个数 ， 所 以， 采取逐次训练方法 ， 比较隐 含层 神经 元个 数从 1 ～2 O的误 差 ， 最 终 确 定 误 差最 小的隐含层神经元个数为 7 。隐含层和输 出层激活 函数 分别 选 择 双 曲正 切 S型 函数 t a n s i g 和 对 数 S型函数 1 o g s i g 。 同理 ， 特征 向量 有 9 个 变量 ， 于 是单层 神 经 网 2 8 工矿 自动 化 2 0 1 7年 第 4 3卷 络输入层神经元个数为 9 ， 输 出层个数为 1 。激活函 数选 择 阈值 型 函数 h a r d l i m 。 将 1 O组验证样本的特征 向量 输入训练好 的 B P神经网络进行识别 ， 1 O组验证样本的特征 向量 仃 输入训练好 的单层感知机进行识别 ， 其结果对 比见 表 3 。由表 3可知 ， 将特 征 向量 A作 为 B P神 经 网络 的输入时有较好 的识别率 ， 该特征 向量可 以表征垮 落煤岩 ； 特征 向量 输入单层感知机后 ， 识别率 达 到 1 0 0 ， 即 特征 向量 盯可 以更 准 确 地 表 征垮 落 煤 岩。且特征向量 盯输入的网络模型为单层感 知机 ， 即其表征的落煤样本和落岩样本具有很好 的线性可 分性 ， 验证 了图 4的结论 。 表 3 特征 向量 A与特征 向量 的网络 预测结果 对比 各层神经元个数 训练结果 特征向量 误诊个数／ 识 别率／ 输入层隐含层输出层 验证样本 数 A 6 7 1 2 ／ 1 0 8 0 口 9 0 1 o ／ I o 1 0 0 4 结语 开展 了综放开采现场顶煤垮落和顶板岩石垮落 2种工况下液压支架后尾梁振动信号 的采集试验， 并对 2种工况 下 的振 动 信 号 进行 连 续 小 波 变换 ， 得 到其小波系数分布 。针对综放开采现场液压支架后 尾梁振动信号的特点 ， 提出了一种基于连续小波变 换 与 S VD 的垮 落 煤岩识 别新 方法 。针 对 S VD 的缺 陷， 提出了一种基于单边 J a c o b i 的 S V D方法 ， 其奇 异值向量可以更好地表征垮落煤岩， 垮 落煤岩线性 可 分 ， 可 以简化分 类模 型 的设 计 与训练 。 参考 文献 [ 1] 朱世刚 ． 综 放 工作 面煤 岩 性 状识 别 方 法 [ D ] ． 北 京 中国矿 、 I 大学 北京 ， 2 0 1 4 ． [2 ] [3 ] [4 ] [5 ] [6 ] [7 ] [8 ] [9] [ 1 0 ] [ 1 1 ] [ 1 2 ] [ 1 3 ] [ 1 4 ] [ 1 5 ] 王保平． 放 顶煤过 程 中煤矸 界面 自动识 别 研究 [ D] ． 济南 山东大学 ， 2 0 1 2 ． 薛光辉 ， 赵 新赢 ， 柳二 猛 ， 等． 基 于振 动信号 时域 特征 的综放 工 作 面 煤 岩 识别 [ J ] ． 煤 炭 科 学 技 术 ， 2 0 1 5 ， 4 3 1 2 9 2 - 9 7 ． 张守祥 ， 张艳丽 ， 王永 强 ， 等． 综采 工作 面煤 矸频 谱特 征[ J ] ． 煤炭学报 ， 2 0 0 7 ， 3 2 9 9 7 卜9 7 4 ． 刘伟 ， 华臻 ， 张守祥． 基于小波和独立分量分 析的煤矸 界面识别[ J ] ． 控制工程 ， 2 0 1 1 ， 1 8 2 ； 2 7 9 2 8 2 。 赵栓峰． 多小波包频带能量的煤岩界 面识 别方法 [ J ] ． 西安科技大学学报 ， 2 0 0 9 ， 2 9 5 5 8 4 - 5 8 8 ． 王保平 ， 王增才 ， 张万枝 ． 基 于 E MD与神 经 网络 的煤 岩界面识别方法 [ J ] ． 振 动 、 测 试与诊 断 ， 2 0 1 2 ， 3 2 4 58 6 - 5 9 O． 何爱 香 ， 王平建 ， 魏广芬 ， 等． 基 于 Me l 频率倒 谱系数 和遗传算 法 的煤 矸界 面识 别 研 究[ J ] ． 工 矿 自动 化 ， 2 O 1 3， 3 9 2 6 6 - 7 1 ． 刘刚 ， 屈梁生． 应用连 续小波 变换提 取机 械故 障 的特 征[ J ] ． 西 安交 通大学学 报 ， 2 0 0 0 ， 3 4 1 1 7 4 7 7 ． 李 国宾 ， 关 德林 ， 李廷举 ． 基于小波包变换 和奇异值 分 解 的柴油机振 动信 号特征提取研究[ J ] ． 振动 与冲击 ， 2 0 1 1 ， 3 O 8 1 4 9 1 5 2 ． 段 向阳， 王永生 ， 苏永 生． 基于奇异值分 解的信号 特征 提取方法研究 [ J ] ． 振动与冲击 ， 2 0 0 9 ， 2 8 1 1 3 0 3 3 ． YEN J ， W ANG L． An S VD- b a s e d f u z z y mo d e l r e d u c t i o n s t r a t e g y[ C] ／ ／ P r 0 c e e d i n g s o f t h e F i f t h I EEE I n t e r n a t i o n a l Co n f e r e n c e o n F u z z y Sy s t e ms ， Ne w Or l e a n s ，LA ，1 9 9 6 8 3 5 - 8 4 1 ． 薛光辉 ， 吴淼 ， 周斌 ， 等． 矿用便 携 式数 据记 录仪 的研 制 [ J ] ． 煤 炭科 学技术 ， 2 0 0 4 ， 3 2 5 5 2 5 4 ． 赵学 智 ， 陈 统坚 ， 叶邦彦 ． 奇异 值 分解 对 连续 Mo r l e t 小 波变换 的 压缩 和 提纯 [ J ] ． 机 械 工 程 学 报 ， 2 0 1 5 ， 5 1 1 6 5 7 7 O ． 邓广涛 ， 马念杰 ， 贾明魁． 人工神经 网络在煤 巷顶板岩 性识别 中 的 应 用 [ J ] ． 采 矿 与 安 全 工 程 学 报 ， 2 0 0 6 ， 2 3 2 1 82 18 6．