發(fā)布時間：2021-05-23 00:32

　　針對巖巷掘進機截割動載荷無法通過測量直接獲取,致使無法準(zhǔn)確判斷截割載荷狀態(tài)而導(dǎo)致截齒損耗嚴(yán)重。因此,開發(fā)智能化巖巷掘進機動載荷識別系統(tǒng)具有非常重要的現(xiàn)實意義。本文對巖巷掘進機截割頭動載荷進行動力學(xué)分析,結(jié)合能夠反映截割動載荷的一系列動態(tài)響應(yīng)信號,確定了一種基于數(shù)據(jù)挖掘的智能融合識別方法。本文研究內(nèi)容如下:（1）為了保證掘進機實測采集數(shù)據(jù)的可靠性、動載荷識別精確度,分析了截割頭運動參數(shù)對動載荷識別的影響,通過仿真分析獲得截割頭運動參數(shù)對動載荷影響的規(guī)律,進而調(diào)整截割頭運動參數(shù)。（2）論述了掘進機運行的機理以及截割頭受力概況,分析了能夠反映掘進機動載荷的敏感信號,分別是截割頭振動信號、升降液壓缸壓力信號、截割電機的電流信號,將改進算法引入到響應(yīng)信號的特征提取研究應(yīng)用中。（3）根據(jù)掘進機動載荷識別要求,設(shè)計了掘進機動載荷識別方案,包括數(shù)據(jù)采集方案、小波分解和Hilbert變換相結(jié)合的特征提取方案、數(shù)據(jù)融合識別方案。分別比較了具有代表性的傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)和拓撲結(jié)構(gòu)為單隱層前饋神經(jīng)網(wǎng)絡(luò)極限學(xué)習(xí)機算法的識別效果以及特征級融合和決策級融合的識別效果。與特征級融合相較,決策級融合在容錯性方面表現(xiàn)了突... 

【文章來源】：太原科技大學(xué)山西省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景和意義
    1.2 動載荷概述
    1.3 動載荷識別技術(shù)國內(nèi)研究現(xiàn)狀
    1.4 動載荷識別方法比較
    1.5 主要研究目標(biāo)和主要內(nèi)容
第二章 掘進機截割頭動力學(xué)分析
    2.1 掘進機結(jié)構(gòu)及工作原理
    2.2 截割頭動力學(xué)分析
    2.3 掘進機載荷模擬
        2.3.1 載荷模擬程序設(shè)計
        2.3.2 載荷模擬截割頭參數(shù)設(shè)置
        2.3.3 巖石接觸強度對載荷的影響
        2.3.4 截割頭參數(shù)對動載荷的影響
    2.4 掘進機實際截割過程載荷變化規(guī)律
    2.5 表征掘進機動載荷響應(yīng)信號
        2.5.1 機械振動信號的分析
        2.5.2 截割電機電流信號的分析
        2.5.3 液壓缸壓力信號的分析
    2.6 本章小結(jié)
第三章 截割動載荷識別監(jiān)測信號特征提取方法研究
    3.1 傅里葉變換及其分析
    3.2 小波變換和小波包變換
    3.3 希爾伯特黃變換
    3.4 改進算法在信號特征提取中的應(yīng)用
    3.5 本章小結(jié)
第四章 截割動載荷智能融合算法研究
    4.1 掘進機動載荷識別要求
    4.2 數(shù)據(jù)融合
    4.3 傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)
    4.4 ELM算法
    4.5 本章小結(jié)
第五章 截割動載荷識別仿真驗證及分析
    5.1 特征能量提取結(jié)果
    5.2 傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)和ELM算法比較
    5.3 特征級融合和決策級融合比較
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]懸臂縱軸式掘進機截割破巖機理分析[J]. 張文愷.  機械管理開發(fā). 2016(08)
[2]我國基礎(chǔ)能源——煤炭的“清”“高”之路[J]. 陳向國.  節(jié)能與環(huán)保. 2016(05)
[3]速度對掘進機鉆進狀態(tài)截割性能影響的研究[J]. 張從亮,王義亮,楊兆建.  煤炭技術(shù). 2016(03)
[4]礦業(yè)掘進巷道掘進技術(shù)的現(xiàn)狀與未來趨勢[J]. 胡聰.  內(nèi)蒙古煤炭經(jīng)濟. 2016(02)
[5]基于極限學(xué)習(xí)的深度學(xué)習(xí)算法[J]. 趙志勇,李元香,喻飛,易云飛.  計算機工程與設(shè)計. 2015(04)
[6]截割頭截割不同硬度巖石分層面過程載荷仿真[J]. 王想.  煤炭工程. 2015(03)
[7]基于融合技術(shù)的電子產(chǎn)品PHM系統(tǒng)研究[J]. 劉倩倩,王紅霞,尹明.  計算機測量與控制. 2014(11)
[8]淺析煤礦開采技術(shù)的現(xiàn)狀及發(fā)展趨勢[J]. 任萬友.  科技創(chuàng)業(yè)家. 2013(18)
[9]多傳感器數(shù)據(jù)融合技術(shù)概述[J]. 張延龍,王俊勇.  艦船電子工程. 2013(02)
[10]基于振動加速度信號與應(yīng)力信號的掘進機載荷識別方法[J]. 李臻,賈洪鋼,范旭峰.  工礦自動化. 2013(02)

博士論文
[1]長周期光纖光柵的特性及傳感應(yīng)用研究[D]. 宋世德.大連理工大學(xué) 2006

碩士論文
[1]智能化超重型巖巷掘進機動載荷識別系統(tǒng)的開發(fā)[D]. 王偉.太原理工大學(xué) 2015
[2]云環(huán)境下的極速學(xué)習(xí)機研究[D]. 鮑麗娜.中國礦業(yè)大學(xué) 2015
[3]人工智能技術(shù)的倫理問題及其對策研究[D]. 李俊平.武漢理工大學(xué) 2013
[4]神經(jīng)網(wǎng)絡(luò)法預(yù)測高爐爐缸內(nèi)襯狀態(tài)[D]. 王勇.東北大學(xué) 2011
[5]基于RBF神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D]. 黃喆.中國科學(xué)技術(shù)大學(xué) 2009
[6]煤炭港口物流系統(tǒng)動力學(xué)分析與仿真研究[D]. 趙秋果.武漢理工大學(xué) 2008
[7]希爾伯特黃變換理論和應(yīng)用的研究[D]. 安懷志.哈爾濱工程大學(xué) 2008
[8]縱軸式掘進機仿形截割理論研究[D]. 郭丹丹.遼寧工程技術(shù)大學(xué) 2007
[9]連續(xù)分布動載荷識別的頻域方法[D]. 耿苗.南京航空航天大學(xué) 2006
[10]橫軸式掘進機截割頭仿真及優(yōu)化設(shè)計[D]. 汲方林.安徽理工大學(xué) 2006



本文編號：3201942