基于多源信息融合的煤岩属性识别研究
智宝岩1
胡成军2
韩猛2
张强3
赵宝福2
刘洋3
王圣志2
1.中煤陕西榆林能源化工有限公司,陕西榆林 7191002.中煤(天津)地下工程智能研究院有限公司,天津 3001313.山东科技大学机械电子工程学院,山东青岛 266590
摘要：截割煤岩属性识别主要包括截割时产生的过程信号识别、红外成像识别、图像特征识别、反射光谱识别等.由于掘进巷道环境复杂,掘锚一体机运行过程中产生的噪声易将截割产生的声波信号湮没,振动信号同样也易受设备自身振动干扰,而基于红外成像、图像识别的方法易受掘进高粉尘、低照度环境影响,在实际掘进工作面的应用效果不佳,同时,基于单一传感器的识别方法会受环境复杂程度和识别区间的限制.针对上述问题,提出了一种基于声波、振动信号的多源信息融合识别方法.首先,针对井下环境复杂存在噪声干扰的问题,利用变分模态分解(VMD)算法对声波、振动信号进行分解,提出基于香农熵的模态筛选准则,对声波、振动信号进行重构去噪,获取有效振动与声波信号;然后,基于马尔可夫转移场(MTF)将声波、振动信号特征序列转换为二维图像进行特征融合;最后,引入结合卷积块注意力模块(CBAM)的卷积神经网络(CNN),对二维图像信息进行空间特征学习,实现多尺度特征的自动提取与关键特征的精准强化,完成截割煤岩属性的精准识别.实验结果表明,所提方法的识别准确率达99.404 8％,显著优于传统CNN模型.
关键词：煤岩识别多源信息融合变分模态分解马尔可夫转移场香农熵卷积神经网络
分类号：TD76(矿山安全与劳动保护)
资助基金：国家自然科学基金(52174120)国家自然科学基金(52234005)
论文发表日期：2025-12-31
在线出版日期：2026-01-27（本平台首次上网日期，不代表文献的发表时间）
页数：9( 100-108 )
英文信息