基于随钻振动信号对钻进介质的识别研究
李彦忠1
胡坤2
汪浅予1
1.安徽理工大学 机械工程学院,安徽 淮南2320012.安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室,安徽 淮南232001;安徽理工大学 机械工程学院,安徽 淮南232001
摘要：钻孔机器人钻进过程中,随钻信息的精确采集和处理对提高作业效率、降低安全隐患、优化钻孔技术具有显著的社会经济价值.基于砂岩、沉积岩、花岗岩、石英岩在不同钻压条件下的振动信号,通过时频处理提取关于振动信号的50个特征值,应用LDA+PCA的降维方法获取特征向量,建立钻头信号的"指纹"信息,通过CNN(Convolutional Neural Networks,卷积神经网络)对"指纹"进行识别预测,提出一种多源振动信号特征提取识别方法.实践结果表明,能够对钻头信号特征进行高精度识别,综合识别率为83.3％.为钻进介质种类识别提供可靠信息源,这对提高地下矿山掘进和开采效率及安全钻进工作具有指导意义.
关键词：振动信号降维方法特征识别LDA+PCACNN
分类号：TD315(矿山压力与支护)
资助基金：国家重点研发计划(2020YFB1314203)安徽省重点研究与开发计划项目(202004a070200043)
论文发表日期：2022-04-12
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1-5,16 )
英文信息