摘要: 为了准确识别采煤机截割状态,提出了一种基于小波包分解和学习向量量化(LVQ)神经网络的模式识别方法。将振动信号进行小波包分解,实现振动信号的预处理,得到若干个子频带。在此基础上,计算各个频带的方差,并将其作为特征向量。然后将计算得到的频带方差作为特征向量,输入到LVQ神经网络进行采煤机煤岩截割状态识别。通过实验验证了该方法的有效性,实验结果表明:该方法能够实现采煤机典型煤岩截割状态的识别,平均识别准确率较高,对实现综采工作面的“无人化”具有重要意义。
中图分类号:
李福涛, 王忠宾, 司垒, 谭超, 梁斌. 基于振动信号的采煤机煤岩截割状态识别[J]. 煤炭工程, 2022, 54(1): 123-127.
LI Futao. Coal Cutting Pattern Recognition of Shearer Based on Vibration Signal[J]. Coal Engineering, 2022, 54(1): 123-127.