煤岩硬度识别：基于小波包的振动信号分析

"基于小波包特征提取的煤岩硬度振动识别方法，通过振动加速度传感器获取井下综采工作面采煤机摇臂的振动信号，利用小波包分析提取特征向量，用于判断煤岩硬度" 这篇论文主要探讨了一种基于小波包分析的煤岩硬度识别方法，它在煤炭开采自动化技术中具有重要意义。作者杨健健等人提出，现有的煤岩硬度识别方法无法满足采煤机滚筒自动调高的技术需求，因此他们提出了一种新的解决方案。 首先，研究团队使用了自主研发并获得煤安认证的矿用振动加速度传感器进行井下测试。这些传感器被安装在综采工作面的采煤机摇臂处，以收集实际的振动加速度信号。这是数据采集的关键步骤，因为摇臂的振动特性可以直接反映煤岩切割过程中的硬度变化。 接下来，他们应用小波包信号分析技术对收集到的振动信号进行处理。小波包分析是一种强大的信号处理工具，能提供时频域的精细分解，揭示信号在不同时间尺度上的频率成分。在本研究中，他们特别关注第三层的四个频率成分，这四个成分可能对应着与煤岩硬度变化密切相关的振动模式。 通过对这些频率成分的小波包分解，研究人员可以重构出各频率段的信号能量，将其作为特征向量。这些特征向量能够量化不同煤岩硬度条件下摇臂振动的能量分布，从而间接反映出煤岩的硬度状态。 在实际应用中，研究者们使用MG180/420－BWD薄煤层采煤机在兖矿集团南屯煤矿进行了测试。测试结果显示，基于小波包时频域能量特征向量的方法对煤岩硬度非常敏感，并能有效地判断截割工况的效果。这表明这种方法对于优化采煤作业，实现滚筒的自动调高，以及提高开采效率和安全性具有潜在价值。 关键词包括：煤岩硬度、振动信号、小波包和特征向量，这些是本文核心研究内容的关键词，体现了研究的技术路径和关键科学问题。 这项研究通过创新性的结合小波包分析和振动信号，为煤岩硬度的实时识别提供了新的思路，对于提升煤炭开采的自动化水平，降低人工干预，提高作业效率和安全性具有重要的理论和实践意义。