岩巷掘进机截割岩石动载荷识别技术的研究

论文摘要

本课题是国家863计划资源环境技术领域重大项目“煤炭智能化掘采技术与装备(一)”中课题五“智能化超重型岩巷掘进机研制”(课题编号：2012AA06A405)的一个子课题。主要针对井下环境恶劣、工况复杂、负荷多变的现状,岩巷掘进机截割机构悬臂摆速和截割转速难于精确控制的问题而提出的。可靠的截割岩石动载荷识别系统是岩巷掘进机截割机构根据岩石硬度自动调节截割参数的基础,为岩巷掘进机作业安全性、稳定性及截割效率的提高提供可靠的依据。因此,开发岩巷掘进机截割岩石动载荷识别技术具有非常重要的现实意义。本文在分析岩巷掘进机截割机理和截割过程中动力学特性的基础上结合岩巷掘进机的实际运行情况,对截割岩石动载荷识别系统的实现方法进行了研究。主要研究内容如下：在查阅大量相关文献的基础上,阐述了岩巷掘进机动载荷识别技术的研究现状及发展趋势,分析了截割机构的截割机理和截割过程中的动力学特性,确定了反映截割岩石动载荷的特征参量,主要包括悬臂振动、回转液压缸压力、截割电动机电流及输出扭矩。根据项目的功能要求,设计了以振动、压力、扭矩及电流等四种信号为检测量的动载荷识别系统的总体方案,确定了适用于岩巷掘进机且符合矿用本安防爆要求的数据采集传感器、数据采集卡及控制器,开发了以工控机为核心的截割岩石动载荷识别系统。实例计算,分析效果表明,该方案能够实现对动载荷信号的同步采集和处理。根据截割岩石动载荷信号实时变化的特点,对比分析了FFT、小波分析及小波包分析工具的优缺点,确定了以小波包技术作为动载荷信号消噪及特征提取的手段。在LabVIEW的开发环境下设计了小波包消噪及能量提取程序,并用实测数据进行了对比分析。分析效果表明,小波包能量提取法作为截割岩石动载荷信号特征能量提取手段是行之有效的,为多传感器信息融合识别提供了可靠的特征级数据。根据系统的功能要求,确定了截割岩石动载荷信号的同步采集方法,在LabVIEW的开发环境下设计了多参量同步采集程序；结合SQL server数据库开发了数据库存储管理系统；设计了人机交互界面,并对程序进行了调试。调试结果表明,所设计的应用软件运行稳定,满足系统的功能要求。结合岩巷掘进机截割岩石动载荷识别的实际情况,阐述了基于RBF神经网络的多传感器信息融合用于动载荷识别的特点,确定了RBF神经网络的结构和算法,设计并搭建了截割岩石动载荷识别的RBF神经网络模型,提出了两级RBF神经网络动载荷识别的方法,在LabVIEW的平台上设计了RBF神经网络的程序,并对所设计的系统进行了实测数据实验。实验结果表明,该截割岩石动载荷识别方法可行、有效。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 掘进机简介
• 1.2 课题研究背景及意义
• 1.3 课题研究现状及发展趋势
• 1.3.1 掘进机国内外研究现状及发展态势
• 1.3.2 动载荷识别技术国内外研究现状
• 1.4 本文研究目标及主要内容
• 第二章 岩巷掘进机截割机构动力学特性分析
• 2.1 截割机构截割机理
• 2.1.1 截割机构构成
• 2.1.2 岩石截割机理
• 2.2 截割岩石运动学特性分析
• 2.2.1 截齿受力分析
• 2.2.2 截割头受力分析
• 2.3 监测量的确定
• 2.3.1 基于截割电动机的分析
• 2.3.2 基于液压缸的分析
• 2.3.3 基于机械振动的分析
• 2.4 本章小结
• 第三章 截割岩石动载荷识别系统整体方案设计
• 3.1 系统整体设计原则及要求
• 3.1.1 设计原则
• 3.1.2 功能要求
• 3.2 系统整体方案设计
• 3.3 硬件设计方案
• 3.3.1 传感器安装位置的确定
• 3.3.2 传感器选型
• 3.3.3 信号采集模块设计
• 3.3.4 数据采集卡选型
• 3.4 软件设计方案
• 3.4.1 软件组成
• 3.4.2 动载荷识别软件
• 3.5 控制器的选择
• 3.6 本章小结
• 第四章 截割岩石动载荷特征提取方法
• 4.1 截割岩石动载荷信号特征提取的必要性
• 4.2 截割岩石动载荷信号的频域分析
• 4.3 截割岩石动载荷信号的小波分析
• 4.4 截割岩石动载荷信号的小波包分析
• 4.4.1 小波包分析法的应用
• 4.4.2 小波包最优基的选择
• 4.4.3 截割岩石动载荷信号的小波包消噪
• 4.5 截割岩石动载荷信号的小波包特征量提取
• 4.5.1 小波包特征量的提取
• 4.5.2 截割岩石动载荷信号特征量提取
• 4.6 本章小结
• 第五章 截割岩石动载荷识别软件系统设计
• 5.1 LabVIEW简介
• 5.1.1 虚拟仪器简介
• 5.1.2 虚拟仪器构成
• 5.1.3 LabVIEW程序设计过程
• 5.2 截割岩石动载荷识别软件系统总体架构
• 5.3 信号采集模块设计
• 5.3.1 信号采集系统
• 5.3.2 信号同步采集的实现
• 5.3.3 多参量同步采集模块设计
• 5.3.4 数据采集程序设计
• 5.4 小波包特征提取程序设计
• 5.4.1 小波包消噪程序设计
• 5.4.2 小波包能量提取程序设计
• 5.5 数据存储管理模块
• 5.5.1 数据表的建立
• 5.5.2 与数据库的链接
• 5.5.3 数据库的管理
• 5.6 人机界面显示
• 5.7 本章小结
• 第六章 基于多传感器信息融合的截割岩石动载荷识别技术研究
• 6.1 多传感器信息融合技术的应用
• 6.1.1 多传感器信息融合结构的选择
• 6.1.2 多传感器信息融合层级的确定
• 6.1.3 多传感器信息融合的过程
• 6.1.4 多传感器信息融合方法的选择
• 6.2 基于神经网络的多传感器信息融合识别
• 6.2.1 人工神经网络简介
• 6.2.2 人工神经网络在信息融合中的应用
• 6.3 基于神经网络的多传感器信息融合技术在截割岩石动载荷识别中的应用
• 6.3.1 基于神经网络的动载荷识别
• 6.3.2 RBF神经网络简介
• 6.3.3 RBF神经网络的算法
• 6.3.4 截割岩石动载荷识别的RBF神经网络模型设计
• 6.4 RBF神经网络融合识别的LabVIEW实现及分析
• 6.4.1 RBF神经网络的LabVIEW实现
• 6.4.2 一级RBF神经网络多传感器信息融合识别系统的测试及分析
• 6.4.3 基于二级RBF神经网络的截割岩石动载荷识别模型设计
• 6.5 本章小结
• 第七章 结论与展望
• 7.1 研究结论
• 7.2 工作展望
• 参考文献
• 致谢
• 作者在攻读硕士学位期间的研究成果