基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别_中国煤炭行业知识服务平台

基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别

作者

李一鸣
单位

北京信息科技大学机电工程学院北京信息科技大学现代测控技术教育部重点实验室
摘要

垮落煤岩智能识别是智能放煤的前提，通过垮落煤岩实时精准识别可避免人工放煤造成的顶煤“欠放”或“过放”问题。现有煤岩识别方法大多通过数据降维处理获得垮落煤岩特征向量，通过构建识别模型进行煤岩识别，但数据降维、模型建立和训练均需较长时间，一定程度上影响了连续综放开采效率。针对该问题，提出了一种基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别方法。对不同工况（顶煤垮落、岩石垮落、大块顶煤垮落）下垮落煤岩冲击液压支架后尾梁的振动信号进行小波包分解，得到一系列频带；对各频带的序列进行粗粒化，计算各频带多个尺度粗粒化向量的模糊熵，即小波包多尺度模糊熵，将其作为特征向量；以小波包分解后各频带能量与振动信号总能量的比值作为加权KL散度的权重，比较待测未知样本与不同工况下样本特征向量的加权KL散度，实现垮落煤岩的实时精准识别。实验结果表明：基于小波包多尺度模糊熵和加权KL散度的方法可有效识别垮落煤岩类别，而基于多尺度模糊熵和KL散度的方法、基于小波包模糊熵和KL散度的方法识别效果不佳；将小波包多尺度模糊熵作为特征向量时，BP神经网络识别准确率达95%，进一步验证了小波包多尺度模糊熵可作为表征垮落煤岩的特征向量；整个煤岩识别过程耗时为1.063 9 s，基本满足垮落煤岩智能识别实时性需求，大大降低了对连续综放开采效率的影响，综合性能优于同类煤岩识别方法。
关键词

智能放煤煤岩智能识别小波包分解多尺度模糊熵加权KL散度
基金项目(Foundation)

北京市教委科研计划科技一般项目（KM202011232011）；北京信息科技大学校科研基金项目（2025002）；
引用格式

李一鸣.基于小波包多尺度模糊熵和加权KL散度的煤岩智能识别[J].工矿自动化,2023,49(04):92-98.DOI:10.13272/j.issn.1671-251x.2022100023.