基于Hilbert谱信息熵的煤矸放落振动特征分析

针对煤矿安全生产中的综放工作面煤矸界面探测问题,提出利用煤矸下落冲击钢板的振动特征来探测煤矸界面的方法。煤矸振动信号表现出非平稳特征,采用经验模态分解方法将复杂矿井环境下的煤矸振动信号分解成固有模态分量。选择包含煤矸振动特征的前7个本征模函数(IMF)分量,通过Hilbert变换得到Hilbert谱。分析不同放煤状态下钢板振动信号的Hilbert谱发现,顶煤下落时的Hilbert谱分布较均匀,而煤矸混放时的Hilbert谱呈现不均匀分布。根据信息熵理论,提出了基于Hilbert谱信息熵的煤矸振动特征提取方法。试验结果表明,顶煤下落时的Hilbert谱信息熵要大于煤矸混放时的Hilbert谱信息熵,因此,煤矸振动的Hilbert谱信息熵特征能够准确地反映放煤状态。     

基于Hilbert-Huang变换和SVM的煤矸界面探测方法

为了解决综采工作面煤矸界面探测问题,提出了利用煤矸下落冲击钢板的振动特征来探测煤矸界面的新方法.煤矸振动信号表现出非平稳特征,采用EMD方法可以将复杂矿井环境下的煤矸振动加速度信号分解成固有模态分量,每个模态分量都包含了特有的时间尺度特征.将包含煤矸振动特征的前6个IMF分量的能量,结合均值、方差及峭度等时域特征值,构成9维特征模式,作为SVM分类器的输入进行训练及分类.结果表明,基于Hilbert-Huang变换的IMF分量的能量特征能够反映煤矸振动特征的差异,SVM分类方法能够准确判断煤矸混合状态.