基于信息融合和神经网络的煤岩识别方法.pdf

第 4 3卷 第 9 期 2 0 1 7年 9月 工矿 自 动化 I n dus t r y an d M i ne Au t oma t i o n Vo 1 ． 4 3 No ． 9 Se p ． 2 0 1 7 文章 编号 1 6 7 1 2 5 1 X 2 0 1 7 0 9 0 1 0 2 0 4 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 9 ． 0 1 8 基于信息融合和神经网络的煤岩识别方法 雷静 ， 余 斌。 1 ． 成都农业科技职业学院 信息技术分院 ，四川 成都 6 1 1 1 3 0 ； 2 ． 中国矿业大学 机电工程学院， 江苏 徐 州 2 2 1 1 1 6 ； 3 ． 新 疆工 程 学 院 机械 工程 系 ， 新疆 乌鲁木 齐8 3 0 0 2 3 摘 要 针 对 煤岩 识别 系统 多采 用单 一传 感 器进 行监 测 ， 存在 识 别精度 、 可靠度与 稳 定性均 非 常低 的 问题 ， 提 出一种基 于信 息 融合和 神 经 网络 的 煤岩识 别 方法 。在 现有 采 煤机 上 增加 多种 必要 的 传 感 器 ， 采 集 采 煤机 不 同工况 下 的 电流 、 压 力 、 振 动 频 率 、 加 速 度 等信 号 ， 采 用 小波 包对 采 集 的信 号进 行 特征 提取 ， 并通 过 B P神 经网络进行数据融合 ， 从而实现对煤层和岩层的识剐。真机 实测结果表明， 所提 方法的识 别误 差在0 ． 5范 围 内， 验 证 了其 有效 性 。 关 键词 煤 炭 开采 ；煤岩 识 别 ；采煤机 ；多传 感 器 系统 ；信 息融合 ； 神 经 网络 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 8 2 8 l 1 5 1 网络 出版地 址 h t t p ／ ／ k n s ． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． T P ． 2 O 1 7 0 8 2 8 ． 1 l 5 1 ． O 1 8 ． h t ml I d e nt i f i c a t i o n me t h o d o f c o a l a n d r o c k b a s e d o n i n f o r ma t i o n f u s i o n a n d n e ur a l ne t wo r k L EI l i n g ． YU Bi n ， 。 1． I nf or ma t i on Te c h no l og y Br a n c h，Che ng du Agr i c ul t u r a l Col l e ge，Che ngd u 61 1 1 3 0，Chi n a； 2． Sc ho o l o f M e c ha n i c a l a n d El e c t r i c a l En gi ne e r i n g，Ch i n a Uni v e r s i t y o f M i ni n g a nd Te c h no l o gy Xu z ho u 2 21 1 1 6，Chi n a； 3． De p a r t me n t o f Me c h a n i c a l En g i n e e r i n g ，Xi n j i a n g I n s t i t u t e o f En g i n e e r i n g，Ur u mq i 8 3 0 0 2 3 ，Ch i n a Abs t r a c t I n v i e w o f pr o bl e m s t ha t c oa l a n d r oc k i d e n t i f i c a t i o n s y s t e m s us e s i ng l e s e n s o r t o mon i t o r da t a a nd ha ve l ow p r e c i s i o n，r e l i a b i l i t y a nd s t a b i l i t y，a n i d e nt i f i c a t i on m e t h o d o f c oa l a n d r o c k b a s e d o n i nf or ma t i on f u s i on a nd ne u r a l ne t wo r k wa s pr o po s e d． A v a r i e t y o f n e c e s s a r y s e ns or s a r e a d de d t o t h e e xi s t i n g s he a r e r ，wh i c h a r e us e d t o c o l l e c t c u r r e nt ，p r e s s ur e，v i b r a t i o n f r e qu e n c y，a c c e l e r a t i o n a n d ot h e r s i g na l s o f t h e s he a r e r u nde r d i f f e r e n t s i t u a t i o ns ．W a v e l e t pa c ke t i s u s e d f o r c h ar a c t e r i s t i c s e xt r a c t i o n，a nd BP ne u r a l ne t wo r k i s us e d f o r d a t a f us i o n．S O a s t o a c hi e v e c o a 1 a nd r o c k i de nt i f i c a t i on．Th e t e s t r e s u l t s o f t h e r e a l ma c h i n e s h o w t h a t t h e i d e n t i f i c a t i o n e r r o r o f t h e p r o p o s e d me t h o d i s wi t h i n 0． 5 ，wh i c h v e r i f i e s i t s v a l i di t y． Ke y wo r d s c o a l mi n 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； s h e a r e r ； mu l t i s e n s o r s y s t e m ；i n f o r ma t i o n f us i o nn e ur a l ne t wor k 收稿 日期 2 0 1 7 0 3 2 4 ； 修回 日期 2 0 1 7 - 0 7 1 2 ； 责任编辑 胡娴 。 基金项 目 成都农 业科 技职业学 院科研项 目 C NY1 5 - 1 7 。 作者简介 雷静 1 9 8 1 一 ， 女 ， 四川成都人 ， 讲师 ， 硕士 ， 研究方 向为计算机及物联网技术 ， E - ma i l l e i j 8 1 1 6 3 ． c o rn。 引用格式 雷静 ， 余斌 ． 基于信息 融合 和神经 网络 的煤岩识别方法[ J ] ． 工矿 自动化 ， 2 0 1 7 ， 4 3 9 1 0 2 1 0 5 ． L E I j i n g ，Y u B i n ．I d e n t | f i c a t i o n me t h o d o f c o a l a n d r o c k b a s e d o n i n f o r ma t i o n f u s i o n a n d n e u r a l n e t wo r k [ J ] ． I n d u s t r y a n d Mi n e Au t o m a t i o n。 2 O1 7， 4 3 9 1 O 2 l O 5 ． ● ～流 一 ～交 一 ～验 一 ～经 一 ，◆ ’ 2 0 1 7年第 9期 雷静等 基于信息融合和神经 网络的煤岩识别方法 1 0 3 0 引言 采煤机作为井下综采工作面 的主要设备之一 ， 其智 能 化 程 度 和 自动 化 水 平 直 接 影 响 着 采 煤 效 率n ] 。为 了适 应煤 层 厚 度 的变 化 ， 避 免采 煤 机 破 煤 时 切到岩 石 ， 采 煤机 在 割煤 过 程 中 需要 及 时调 整 滚 筒 的高 度 。通 过 人 工 实 现 采 煤 机 滚 筒 高 度 实 时 控 制 ， 依靠 视觉 和听 觉判 断采 煤 机 切 割 的 是煤 层 还 是 岩层[ 2 的方式存在以下缺点 会造成割煤不彻底 ， 导 致资 源浪 费 ； 可 能 割 到 岩层 ， 导致 煤 杂 质 增 多 ， 严 重缩短采煤机滚筒截齿寿命 ； 可能引发岩层断裂， 导 致 顶板 垮落 ； 切 割 岩 层 时会 出 现 火 花 ， 可 能 引 发 爆 炸 等 。 按 照“ 尽 量不 留顶 煤” 的采 煤原 则 ， 操作 人 员 往 往 会加 大采 煤机 滚筒 的割 煤 高 度 ， 导 致 经 常切 割 到 岩层 。目前 ， 煤岩识别系统多采用单一传感器进 行 监测 ， 识 别 精 度 较 低 ， 且 可 靠 度 与稳 定 性 均 非 常 低 。为解决上述问题 ， 本文提出一种基于信息融合 和 神经 网络 的煤 岩识 别 方 法 ， 该 方 法 采 用 多种 传 感 器 采集 采煤 机不 同工况 下 的 电流 、 压 力 、 振 动 频 率 、 加速度等信号 ， 采用小波包对采集的信号进行特征 提 取 ， 并 通过 B P神经 网络 进 行数 据 融 合 ， 从 而实 现 对 煤层 和岩 层 的识 别 。 1 数 据采 集 所选检测信号应对采煤机工作过程状况具有较 高 灵敏性 ， 而 对工作 条 件具 有 低 灵敏 性 “ ] 。最 终 确 定的检测信号及配套的传感器见表 1 。 表 1 检测 信号及配套传感器 Ta b l e 1 De t e c t i on s i gna l s a nd s up po r t i ng s e ns o r s 检测信号 传感器 截割电动机电流信号 滚筒轴扭 振信号 滚 筒轴扭矩信号 摇臂调高 油缸压力信号 振动信号 C T一 3 0 3 0 0 A电流传感 器 REXM 5 0 0 0 AS RN1 O 6 6 1 0 S S A 矿井用实心轴编码器 HKNA RG0 1 1 扭矩传感器 GYD6 0 一 Y2矿用本质安全型 压力传感器 HK9 1 9 0双轴加速度传 感器 各 传感 器安 装位 置 如图 1所示 。 2基 于小 波包 的特 征提 取 采煤机进行切割工作时， 传感器采集 到的信号 均 为随 机非 线性 信号 ， 不可 用模 型来 描述 。因此 ， 采 图 1 传 感器 安装 位置 Fi g．1 Se n s o r mo unt i ng po s i t i on 用小波包分解的方法来进行特征提取 ， 将信号进行 “ 能量 一 频段 ” 分层 处理 _ 】 。 1 对采 样信 号进 行小 波包 分解 。提取 4层信 号特征， 分解结构如图 2 所示。 O ， 0 表示原始信号 S ， 1 ， O 表示第 1层 的低频数 X 。 ， 1 ， 1 表示 同层 的高 频数 X 依此 类推 。 图 2 小波包分解 Fi g ．2 W a v e l e t p a c ke t d e c o mpo s i t i on 2 重构系数 。对各频段信号逐一重构 ， 例如 x 。 的信号用 S 。 表示 ， x 的信号用 S 重构， 依此类 推 ， 可以得到 1 6个重构信号， 则 s可表示为 S 一∑S 1 按 照第 2 层 的 分类 ， 0表 示 低频 信 号 ， 1表示 高 频 信号 。设 一个 频率 段 的长度 为 0 ． 0 6 2 5 ， 则 S 。 对 应 的频 率 段 为 0 ， 0 ． 0 6 2 5 ， S 对 应 的 频 率 段 为 0 ． 0 6 2 5 ， 0 ． 1 2 5 ， 依此类推 ， 得到 s 对应的频率 段 为 O ． 9 3 7 5 ， 1 。 3 求 解 总能 量 。令 E 0 ， 1 ， ⋯ ， 1 5 表 示 信号 s ， 的能量 ， 则 E j I I S ￡ I d t 一∑l l 2 4 构 建特 征 向量 T 。T的表达 式为 T一 [ E 。 ， E4 1 ， ⋯， E1 5 ] 3 为后续处理方便 ， 用式 4 和式 5 对 T进行归 一 化处 理 ， 得 到归 一化 特征 向量 一 [ 譬， 譬， ⋯ 譬] ㈤ 1 0 4 工矿 自动化 2 0 1 7年 第 4 3卷 l 5 E一 ∑ I E 5 o 5 确 定 容 差 范 围与 特 征值 。设 C o C 依 次 表示 中 的 1 6个 特 征 值 ， 容 差 范 围依 次 为 A C 。 一 A C 则 C ， 可表 示为 ∑E 岍 ／ 6 式 中 为 实 验 次 数 ； E 4 为 第 忌 次 实 验 获 得 的 E 值 。 总 的容差 范 围可表 示 为 △ c 一 [ ， ， ⋯ ， ] ㈩ C一 ∑ “ 。 8 J一 0 特征 提取 流程 如 图 3 所 示 。 图 3特征提取流程 Fi g． 3 Fe a t u r e ex t r a c t i o n pr oc e s s 3基 于 B P神 经 网络 的信息 融合 采 用典 型前 馈 型 B P神 经 网 络 ， 由输 入 层 、 隐含 层 和输 出层 组成 。 1 8 个 输 入特 征值 如下 摇臂 振 动传感 器 X 方 向 信号特征值 4 个 ， 摇臂振动传感器 z方 向信号特征 值 8个 ， 截割电动机 电流信号特征值 3个 ， 滚筒轴扭 矩 信号 1个 ， 调高 油缸 压力 传感 器 信 号 特 征值 1个 ， 滚筒轴扭振信号特征值 1 个 。 输 出节 点 确 定 采 煤 机 滚 筒 切 割 对 象 可 分 为 4 个类别， 分别是切割煤层 、 岩层 、 煤岩混合煤偏 多 和煤 岩混 合岩 偏 多 。 因此 ， 神 经 网络 的输 出 即 为需 要识 别 的 4种 类别 ， 输 出层 节点 数为 4 。 隐 含层数 、 节 点数 确定 当隐含 层 中每个 神经 元 中的激 活 函数 采 用 S函数 时 ， 单 层 即可满 足训 练 、 判 决要 求 ， 所 以 ， 本 文采 用 1层 隐含层 。 由于 B P神 经 网络的输入和输出之间存在一个非线性单调上升 函 数的关系 ， 隐含层节点较多时会使训练时间过长 ， 较 少时又可能得不到理想结果。根据前人对单隐含层 节点 数 的估计 方 法 ， 即首先 运 用 3种 确 定 隐 含 层 层 数 的方法 得到 3个 隐含 层层 数 ， 找 到最 小 值 和 最 大 值 ， 然后从最小值开始逐个验证模型预测误差 ， 选取 模 型误 差最 小 的 隐含 层层 数 。最终 确定 隐层 节点 数 为 7 首 先将 1 8个特 征值 输入 神经 网络输 入层 ， 然后 在采煤 工作 面采 煤机进 行训 练 ， 分别 让滚筒 切 割 4种 不 同对象 来 分 别 训 练 网络 ， 得 到神 经 网络 的各 个 权值 ， 从 而得 到完整 的 网络结 构 。 真 机实 测具 体参 数和 条件 步骤 如下 1 首 先 确定煤 层 ， 进行 割煤 试 验 目标 ， 通 过不 同传感器采集数据 z 1 ， z 2 ， ⋯， z “ ， 将这些数 据输入到神经网络中， 通过训练网络 ， 让网络输 出理 想 割煤 输 出值 Y。 一 1 ， 0 ， 0 ， O 。 2 确 定岩 层 ， 采 用 步骤 1 中的方 法得 到 理想 割 岩输 出 Y 一 0 ， 1 ， 0 ， 0 。 3 选 择 煤 占 7 O ％ 、 岩 石 占 3 0 ％ 的煤 岩 混 合 物 ， 重 复 步 骤 1 ， 得 到 理 想 混 合 煤 层 输 出 Y 。 一 O， 0， 1 ， 0 。 4 选 择 煤 占 3 O 、 岩 石 占 7 O 的煤 岩 混 合 物 ， 重 复 步 骤 1 ， 得 到 理 想 混 合 煤 层 输 出 Y 。 一 0， 0， 0 ， 1 。 5 经过训 练 ， 初次 确定 神 经 网络各 个 权值 ， 即 确 定神 经 网络结 构 。可利 用此 神经 网络 判别 新采 集 的数据 ， 将新 的数据作 为输 入 ， 运行 神经 网络 即可得 出输 出值 ， 从而 可判 别切 割状 态 。 根 据神 经 网络输 出数 据 和不 同煤岩 比例 的权 重 值 ， 得 到煤 岩混 合 物 中的 岩 占比或 煤 占 比。通 过 真 机实测 ， 采 用 B P神 经 网 络进 行 信 息 融 合 后得 到 的 识别结 果 与实 际情 况 对 比如 图 4所 示 ， 识 别 误 差 如 图 5所示 。 5 0 45 40 3 5 3 0 茗2 5 2 0 1 5 1 0 5 0 l 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 样本数 图 4 识别结果 与实 际情 况对 比 Fi g．4 Co mpa r i s on of i de n t i f i c a t i o n r e s u l t a n d a c t u a l s i t ua t i on 从图 4可以看 出， 识别结果与实际情况能够保 持较高的一致性 ， 识别误差在 O ． 5范围内， 说明所 2 0 1 7年 第 9期 雷静 等 基 于信 息 融合和 神 经 网络 的煤 岩识 别方 法 1 0 5 提方法能够较好地识别煤层和岩层。 0 0 0 0 嗤 一 0 0 0 0 4 结语 样本数 图 5 识别误差 F i g ． 5 I d e n t i f i c a t i o n e r r o r [ 5] [6] 提出了基于多传感器融合的煤岩识别方法。选 r 7 ] 取采煤机截割 电动机电流信号、 滚筒轴扭振信号 、 滚 筒轴扭矩信号、 摇臂调高油缸压力信号 、 振动信号作 为检测信号 ， 采用小波包进行特征提取 ， 并采用 B P 神 经 网络进行 数据 融合 ， 从 而 实 现 对煤 层 和 岩 层 的 识 别 。真机 实测结 果证 实 了所提 方法 的有效 性 。 参考 文献 R e f e r e n c e s [1 ] 孙继平． 基于图像识别 的煤 岩界 面识 别方法研 究E J - I ． 煤炭科学技术 ， 2 0 1 1 ， 3 9 2 7 7 7 9 ． S UN J i p i n g ． S t u d y o n i d e n t i f i e d me t h o d o f c o a l a n d r o c k i n t e r f a c e b a s e d o n i ma g e i d e n t i f i c a t i o n I- J ] ． C o a l S c i e n c e a n d Te c h n o l o g y ， 2 0 1 1 ， 3 9 2 7 7 7 9 ． [2 ] 刘俊利 ， 王立锋 ， 孔秀平． 煤岩界 面识别和定位 测量方 法研 究 [ J ] ．计 算 机 工 程 与 应 用 ， 2 0 1 7 ， 5 3 8 2 46 - 249 ． LI U J u n l i ， W ANG Li f e n g。 KONG Xi u p i n g ． Re s e a r c h o n c o a l r o c k i n t e r f a c e r e c o g n i t i o n a n d l o c a t i o n me a s u r e me n t [J] ． C o mp u t e r E n g i n e e r i n g a n d Ap p l i c a t i o n s ， 2 0 1 7 ， 5 3 8 2 4 6 2 4 9 ． [3 ] 张强 ， 王海舰 ， 井 旺 ， 等 ． 基 于模糊神 经 网络信 息融合 的采煤 机 煤 岩 识别 系统 [ J ] ． 中 国机 械 工 程 ， 2 0 1 6 ， 2 7 2 2 0 1 - 2 0 8 ． Z HANG Qi a n g ， WANG Ha i j i a n， J I NG Wa n g ， e t a 1 ． S h e a r e r s c o a l r o c k r e c o g n i t i o n s y s t e m b a s e d o n f u z z y n e u r a l n e t w o r k i n f o r ma t i o n f u s i o n [J ] ． C h i n a M e c h a n i c a l En g i n e e r i n g， 2 0 1 6 ， 2 7 2 2 0 1 2 0 8 ． [ 4] 张吴 ， 葛世荣． 无人驾 驶采煤 机关 键技 术探讨 [ J ] ． 工 矿 自动化 ， 2 0 1 6 ， 4 2 2 3 1 3 3 ． [8] [9] D0 3 [ 1 1 ] [- 1 2 ZHANG Ha o， GE S h i r o n g ． S t u d y o n k e y t e c h n o l o g i e s o f u n ma n n e d d r i v i n g s h e a r e r [ 刀． I n d u s t r y a n d Mi n e Au t o m a t i o n， 2 0 1 6 ， 4 2 2 3 1 - 3 3 ． 李一 鸣 ， 柳二猛 ， 焦 亚博 ， 等． 基于 主元 分析与神经 网 络的垮 落 煤 岩 性 状 识 别 方 法 研 究 I- J ] ． 煤 炭 工 程 ， 2 O 1 6 ， 4 8 6 1 0 6 - 1 0 9 ． L I Yi mi n g ， L I U Er me n g ， J I A0 Ya b o ， e t a 1 ． Co l l a p s e d c o a l r o c k i d e nt i f i c a t i o n ba s e d o n p r i nc i p l e c o m p o ne nt a n a l y s i s a n d n e u r a l n e t w o r k[ J ] ． C o a l E n g i n e e r i n g ， 2 O 1 6， 4 8 6 1 0 6 - 1 0 9 ． DONG Ga n g ， NI E Zh e n， WANG P e ij u n ． P a t h op t i mi z a t i o n o f c o a l mi n i n g mac hi ne b a s e d o n v i r t ua l c o a l r o c k i n t e r f a c e [ c ] ／ ／ I n t e r n a t i 0 n a l C o n f e r e n c e O n P2P， Pa r a l l e l ，Gr i d，Cl o ud a nd I nt e r ne t Comp ut i ng， As a n， 2 01 6 51 7 - 52 3． 田立勇 ， 毛君 ， 王启铭． 基于采煤机摇臂惰轮轴受力分 析 的综合煤 岩识别 方法 E J ] ． 煤 炭学报 ， 2 0 1 6 ， 4 1 3 78 2 7 87 ． TI AN Li y o n g。 MA0 J u n， W ANG Qi mi n g ．Co a l a n d r o c k 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 t h e f o r c e o f i d l e r s h a f t i n s h e a r e r S r a n g i n g a r m[ J ] ． J o u r n a l o f C h i n a Co a l S o c i e t y， 2 O 1 6 ， 4 1 3 7 8 2 - 7 8 7 ． 郝清玉 ， 朱元忠 ， 陈健． 基于图像多小波变换的煤岩界 面识NE J ] ． 工矿 自动化， 2 0 1 5 ， 4 1 2 5 0 5 3 ． HA0 Qi n g y u， ZHU Yu a n z h o n g， CHEN J i a n ．C o a l r o c k i n t e r f a c e i d e n t i f i c a t i o n b a s e d o n i ma g e mu l t i - wa v e l e t t r a n s f o r ma t i o n [ J ] ． I n d u s t r y a n d Mi n e Au t o ma t i o n， 2 O1 5 ， 4 1 2 5 0 5 3 ． 彭静 ， 李新 颖 ， 贾君霞． 基 于 Ho u g h变换 的煤 岩界 面 识别方案 [ J ] ． 工 矿 自动化 ， 2 0 1 5 ， 4 1 2 5 4 5 6 ． PE NG J i n g，LI Xi n y i n g，J I A J u n x i a ． Co a l r o c k i nt e r f a c e i de n t i f i c a t i o n s c he me b a s e d on Hou g h t r a n s f o r m J ] ． I n d u s t r y a n d Mi n e Au t o ma t i o n ， 2 0 1 5 ， 41 2 5 4 5 6． 赵英杰． 基于多传感器信息融合技术的煤岩识别方法 的研究[ D ] ． 西安 西安工程 大学 ， 2 0 1 3 ． 雒旭蛟． 基 于信 息融合和神经网络的煤 岩界面识别方 法研究 [ D ] ． 邯郸 河北工程大学 ， 2 0 1 4 ． 王冷． 基于模糊 神经网络信息融合的采煤机煤岩识别 系统I- J - 1 ． 现代 电子技术 ， 2 0 1 5 ， 3 8 2 3 1 0 6 1 0 9 ． W ANG L e n g ． C o a l p e t r o g r a p h y i d e n t i f i c a t i o n s y s t e m f o r c o a l mi n i n g ma c h i n e b a s e d o n ANF I S a n d i n f o r ma t i o n f u s i o n [J] ． Mo d e r n E l e c t r o n i c s Te c h n i q u e ， 2 0 1 5 ， 3 8 2 3 1 0 6 1 0 9 ．