基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别
李一鸣
北京信息科技大学机电工程学院,北京 100192;北京信息科技大学现代测控技术教育部重点实验室,北京 100192
摘要：垮落煤岩智能识别是智能放煤的前提,通过垮落煤岩实时精准识别可避免人工放煤造成的顶煤"欠放"或"过放"问题.现有煤岩识别方法大多通过数据降维处理获得垮落煤岩特征向量,通过构建识别模型进行煤岩识别,但数据降维、模型建立和训练均需较长时间,一定程度上影响了连续综放开采效率.针对该问题,提出了一种基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别方法.对不同工况(顶煤垮落、岩石垮落、大块顶煤垮落)下垮落煤岩冲击液压支架后尾梁的振动信号进行小波包分解,得到一系列频带;对各频带的序列进行粗粒化,计算各频带多个尺度粗粒化向量的模糊熵,即小波包多尺度模糊熵,将其作为特征向量;以小波包分解后各频带能量与振动信号总能量的比值作为加权KL散度的权重,比较待测未知样本与不同工况下样本特征向量的加权KL散度,实现垮落煤岩的实时精准识别.实验结果表明:基于小波包多尺度模糊熵和加权KL散度的方法可有效识别垮落煤岩类别,而基于多尺度模糊熵和KL散度的方法、基于小波包模糊熵和KL散度的方法识别效果不佳;将小波包多尺度模糊熵作为特征向量时,BP神经网络识别准确率达95％,进一步验证了小波包多尺度模糊熵可作为表征垮落煤岩的特征向量;整个煤岩识别过程耗时为1.063 9 s,基本满足垮落煤岩智能识别实时性需求,大大降低了对连续综放开采效率的影响,综合性能优于同类煤岩识别方法.
关键词：智能放煤煤岩智能识别小波包分解多尺度模糊熵加权KL散度
分类号：TD82(矿山开采)
资助基金：北京市教委科研计划科技一般项目(KM202011232011)北京信息科技大学校科研基金项目(2025002)
论文发表日期：2023-04-10
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( 92-98 )
英文信息