放顶煤支架尾梁振动信号分析法检测顶煤放落程度研究

在放顶煤过程中，不同介质(煤、矸石或煤矸混合体)冲击在支架尾梁上，会导致尾梁产生不同的振动信号，通过检测尾梁振动信号并进行分析处理，结合尾梁的固有特性（传递函数），便可提取反应系统输入（即煤、矸石或煤矸混合体对尾梁的冲击信号）的特征量，根据提取的特征量设计模式分类器，进行模式识别，从而确定出煤矸分界点。基于利用支架尾梁振动信号确定放顶煤过程中煤矸分界点的思路，主要分析尾梁的约束条件变化对支架尾梁振动固有特性的影响，建立支架尾梁的数学模型。提取尾梁在煤、矸冲击下振动信号的特征量，分析支架尾梁固有特性对特征量的影响，分析特征量与冲击介质（煤或矸石）的关系，设计模式分类器，从而较准确的找出放煤过程中的煤矸分界点，为解决煤炭生产中遇到的高难度问题- - -放顶煤开采顶煤放落程度自动判别提供基础。

综采放顶煤开采过程中的煤矸自动识别是解决靠人工目测识别煤矸进而控制放煤口的根本途径。在放顶煤过程中，不同介质(煤、矸石或煤矸混合体)冲击在支架尾梁上，会导致尾梁产生不同的振动信号。该项目首先改造了现有仪器，通过仿真和试验确定了最佳振动信号探测位置，建立了尾梁振动检测系统，利用该系统在不同地质条件下采集了大量的试验数据。然后研究了煤、矸石及煤矸混合体产生的振动信号及声波信号之间的关系，发现振动信号的IMF分量的能量、峭度和波峰因子以及声波信号的基于双谱对角线能量曲线极大值数目可以作为煤矸界面识别特征，同时通过实验分析得出:通过检测以上振动信号特征量能够正确识别不同地质条件对煤矸界面；为了提高判别准确率，初步研究了根据煤、岩纹理差异的图像识别方法进行煤岩特征识别方法，发现灰度共生矩阵的能量、对比度、相关性、熵能够有效分辨煤岩界面，为未来研究采用图像纹理、声波信号和振动信号特征融合的方法进行煤岩界面识别打下了理论基础。最后研究和设计了基于振动信号和声波信号相融合的BP人工神经网络分类器，并进行了试验研究，该分类器的总体识别率达到了96%。可以证明：通过放顶煤支架尾梁振动信号特性能够正确可靠的识别顶煤放落程度。