多传感融合识别煤岩界面：考虑截齿损耗

"考虑截齿损耗的多传感信息融合煤岩界面感知识别" 本文主要探讨了一种基于多传感信息融合的煤岩界面识别方法，旨在提高采煤机在开采过程中的精准识别能力，特别是考虑了截齿损耗这一重要因素。文章指出，截齿损耗对采煤机的截割特征信号有着显著影响，这会直接影响到煤岩界面的识别精度。 首先，研究者通过测试截齿在新齿、轻微磨损、一般磨损和严重磨损四种状态下的振动信号、电流信号、声发射信号以及红外闪温信号，建立了不同磨损程度下的多截割信号特征样本库。这些信号反映了采煤过程中煤与岩石相互作用的状态，是识别煤岩界面的关键依据。 接下来，采用模糊熵作为优化目标，利用自适应权重粒子群算法来优化求解各截割特征信号的隶属度函数。这种方法能够动态调整隶属度函数，以适应截齿磨损导致的信号变化。模糊熵被用来衡量信息的不确定性，而粒子群算法则是一种高效的全局搜索优化工具，能有效解决复杂优化问题。 基于D-S理论的“与”决策准则被用于融合不同传感器的数据，实现精准的煤岩界面识别。D-S理论是一种证据理论，可以将来自多个源的信息融合成一个统一的决策，从而提高识别的准确性。 实验结果显示： 1. 截齿磨损程度与各截割特征信号的变化有显著关联，不同磨损状态下的最优隶属度函数动态变化。 2. 识别结果倾向于接近具有最大信度的截煤比，同时也对次大信度的截煤比有所倾向，表明系统能够对煤岩比例做出较好的近似判断。 3. 当只使用单一优化隶属度函数时，随着截齿损耗的增加，煤岩界面识别精度大幅下降，最高降幅可达43.04%。 4. 采用考虑截齿损耗的多传感信息融合识别模型可以显著减少误差，识别精度保持在一个较小的波动范围内，即1.54%以内。 该研究提出的方法通过结合多种传感器数据并考虑截齿损耗，提高了煤岩界面识别的准确性和鲁棒性，对于提升采煤作业的安全性和效率具有重要意义。关键词包括煤岩识别、截齿损耗、模糊熵、粒子群算法和D-S理论，这些是理解本文核心内容的关键点。