基于振动与温度的采煤机煤岩识别关键技术

该篇论文主要探讨了基于截齿振动和温度特性的煤岩识别技术在采煤机工作过程中的应用。在现代采矿业中，精确识别煤岩界面对于提高采煤效率和安全性至关重要。作者选取了采煤机截割过程中截齿的振动信号和红外热像信号作为关键特征，因为这些信号可以反映煤和岩石的不同物理特性。 研究中，研究人员实时监测截齿在三个维度（x、y、z）上的振动加速度信号，以及由此产生的振动频谱图，同时记录齿尖的红外闪温值和温度-频数图像。他们发现，随着岩石比例在试件中增加，截齿的振动加速度均值和振动频谱图的均方根值也随之上升。截割全岩试件时，齿尖产生的闪温区更明显，最高闪温和高温区范围远大于截割全煤试件，这表明不同岩石对温度响应有显著差异。 此外，论文还介绍了使用BP（Back-Propagation）神经网络进行煤岩识别的方法。通过训练，该模型能够准确地将截割试件的煤岩比例与实际识别结果匹配，显示出很高的识别精度。这项研究成果对于优化采煤机的工作性能，提高煤岩界面识别的准确性和自动化程度具有重要意义。 本研究为煤岩界面的精准识别提供了一种创新且实用的方法，结合截齿振动信号和温度特征，利用先进的数据分析技术和机器学习算法，有望在未来采煤作业中发挥重要作用，减少人工干预，提升整体的能源开采效率和安全性。