基于奇异值分解的掘进机振动信号特征量提取
张林锋
田慕琴
宋建成
贺颖
冯君玲
杨祥
1.太原理工大学矿用智能电器技术国家地方联合工程实验室,山西太原030024;太原理工大学煤矿电气设备与智能控制山西省重点实验室,山西太原 0300242.太原理工大学矿用智能电器技术国家地方联合工程实验室,山西太原030024;太原理工大学煤矿电气设备与智能控制山西省重点实验室,山西太原 0300243.太原理工大学矿用智能电器技术国家地方联合工程实验室,山西太原030024;太原理工大学煤矿电气设备与智能控制山西省重点实验室,山西太原 0300244.太原理工大学矿用智能电器技术国家地方联合工程实验室,山西太原030024;太原理工大学煤矿电气设备与智能控制山西省重点实验室,山西太原 0300245.太原理工大学矿用智能电器技术国家地方联合工程实验室,山西太原030024;太原理工大学煤矿电气设备与智能控制山西省重点实验室,山西太原 0300246.太原理工大学矿用智能电器技术国家地方联合工程实验室,山西太原030024;太原理工大学煤矿电气设备与智能控制山西省重点实验室,山西太原 030024
摘要：针对掘进机动载荷识别难度大的问题,提出了基于奇异值分解的掘进机振动信号特征量提取方法.对采集的振动信号进行小波包分解,重构底层各频带节点系数,进而构造时频矩阵;对该矩阵进行奇异值分解,并基于Fisher判据,利用基于散度矩阵的类可分性准则,选择对不同截割岩壁硬度较为敏感的奇异值作为振动信号的特征量,并利用散度矩阵准则值来解决无法定量衡量各阶奇异值对截割硬度敏感程度的问题.与小波包频带能量法提取的特征向量进行比较,结果表明,对于掘进机水平截割、垂直截割和纵向钻进3种工况下的振动信号,基于奇异值分解法提取的特征向量都具有更好的类可分性.
关键词：掘进机动载荷识别振动信号特征量提取奇异值分解时频矩阵小波包分解散度矩阵准则值截割硬度敏感程度
分类号：TD421.5(矿山机械)
资助基金：国家高技术研究发展计划（863计划）(2012AA06A405)国家自然科学基金(U1510112)
论文发表日期：2019-01-01
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：7( 28-34 )
英文信息