基于特征融合的煤矿瓦斯和煤尘爆炸声音识别方法

为解决煤矿瓦斯与煤尘爆炸灾害报警方法监测手段单一、监测技术落后、误报率和漏报率高等问题,提高煤矿瓦斯和煤尘爆炸识别的准确率,提出了基于特征融合的煤矿瓦斯和煤尘爆炸声音识别方法：在煤矿井下重点监测区域安装矿用拾音器,实时采集煤矿井下设备工作声音和环境音等,将采集的声音信号通过提取由梅尔倒谱系数和Gammatone滤波器倒谱系数构成的新混合特征MGCC,通过主成分分析的方法提取其前9维特征值构成表征声音信号的特征向量,输入支持向量机中训练得到煤矿瓦斯和煤尘爆炸声音识别模型;待测声音样本通过提取其特征向量,输入到训练好的煤矿瓦斯和煤尘爆炸声音识别模型中,得到分类识别结果;并通过实验验证。首先,通过声音信号的特征提取实验分析通过MGCC和主成分分析提取的声音信号特征的特点,不同时长的同一声音信号特征值分布稳定,且差异不大;同一时长的不同声音信号特征值分布差异明显,因此通过MGCC和主成分分析提取声音信号的特征向量可有效表征声音信号;其次,由识别实验结果可以得知,所提识别方法的识别率达到97%,高于比对算法;最后,通过贝叶斯超参数优化实验结果可知,优化后的煤矿瓦斯和煤尘爆炸声音识别模型明显优于优...     

基于音频峭度的煤矿旋转机械滚动轴承故障预测方法

滚动轴承作为煤矿旋转设备中至关重要的机械元件,对其早期故障进行快速有效的诊断与预测可保证矿山开采的稳定性。针对提升机等旋转设备滚动轴承,采用非接触式测量仪器采集轴承工作时的音频信号,通过预加重,分帧加窗及峭度计算提取声音信号的时域特征,并基于萤火虫算法优化的卷积-长短期记忆(CNN-LSTM)神经网络完成音频特征的输出预测。实验结果表明,设计的神经网络模型可对轴承音频的分帧峭度数据进行较为精确的预测拟合,在设定的峭度安全阈值下,该模型能实现滚动轴承早期故障的准确预知。     

基于LabVIEW的矿井提升机故障诊断系统设计

为了保障矿井提升机设备安全运行,运用LabVIEW为平台设计矿井提升机故障诊断系统,实现对提升机各组成部件运行状态监测与故障诊断。设计了基于图形化编程语言LabVIEW的故障诊断系统,运用Matlab Script节点建立基于遗传算法的推理机,实现提升机故障信号识别。仿真表明:在缺乏先验知识和样本数据很少的情况下对故障做出判断,减小了知识不足对诊断结果的影响,根据故障数据确定了提升机故障部位及原因,对及时排除设备安全隐患具有重要意义。     

基于UWB与指纹定位的矿井移动目标TOA定位算法

针对煤矿井下人员、设备等目标的定位易受非视距传播时延影响,导致定位精度低、实时性不高等问题,提出了一种基于超宽带（UWB）与指纹定位的矿井移动目标到达时间（TOA）定位方法。首先,采用双程双向测距（DS-TWR）方式测量定位基站与待测目标之间的距离,构建Chan算法估算待测目标的坐标;其次,利用Taylor公式对Chan算法的定位结果进行迭代更新,抑制矿井巷道中非视距（NLOS）延时误差;最后,依次采集特定点距离指纹构建指纹库,引入改进的算术优化算法优化最小二乘支持向量机（AOA-LSSVM）模型估计待测目标位置的横、纵坐标误差,结合Chan-Taylor算法定位结果 进行误差补偿,得到待测目标的最优位置估计。试验结果表明：所提出的算法在视距（LOS）环境下的静态试验和动态试验中定位精度相较于Chan-Taylor算法分别提升了18.63%、63.79%;在NLOS环境下的静态试验和动态试验中定位精度相较于Chan-Taylor算法分别提升了82.40%、56.78%,可满足目标在矿井下高精度的定位要求。     

基于自适应神经网络的矿井提升机故障诊断

矿井提升机是井下作业的重要运输设备,其运行状态对煤矿企业的安全生产具有关键作用。为了对矿井提升机故障进行实时监控,从而及时发现故障原因并采取措施,提出了一种基于自适应神经网络的矿井提升机故障诊断方法。首先对矿井提升机主轴系统结构及故障振动频率特征进行了分析,然后采用自适应神经网络算法对矿井提升机主轴故障诊断建立模型,实现对故障类型和故障程度的精确诊断,最后对所提出的模型进行了仿真测试。实验结果显示,该方法可以提供较高识别精度的故障诊断结果,为提升机的故障判断提供了参考依据。     

基于LabVIEW的矿井提升机故障诊断系统设计

矿井提升机主要作用是负责煤矿、人员、设备等的垂直运输,结构组成复杂,出现故障风险较大。利用LabVIEW设计矿井提升机故障诊断系统,选择适合于井下环境的传感器,将采集到的信号经过处理放大后传递到上位机,根据信号处理结果做出相应指令,确定故障位置与故障原因。详细介绍系统结构与软硬件组成,故障诊断系统诊断及时,抗干扰能力强,对矿井提升机保护作用明显。     

现代矿井提升机信号系统的设计与研究

目前我国的矿井提升机信号系统大部分都是由老式的继电器和接触器组成,可靠性不高,经常出现故障。针对我国现有提升机信号系统的现状,提出了由西门子可编程控制器PLC-300和远程I/O设备ET200M组成的现代矿井提升机信号系统。该系统的通讯网采用基于485通讯的PROFIBUS-DP网络,采用ISD4004语音模块和LCD液晶屏对提升信号进行声音和汉字的播放与显示。冗余系统的加入使整个信号系统的可靠性、稳定性、安全性大大提高,大大促进了工作效率。矿井提升机信号系统人机界面友好、直观,对我国提升机信号系统的设计具有一定的参考价值。     

基于深度迁移学习的提升机主轴故障在线诊断系统研究

实际工业场景下的提升机状态监测与在线故障诊断,存在缺少足量有标签故障样本以及变工况导致的测试样本与训练样本间分布差异的问题,限制了智能故障诊断算法应用于实际工程。文章提出一种面向实际提升机的融合边缘节点的迁移故障诊断架构,包括多源信息采集层,边缘节点层,网络层和中央云服务器层。以提升机轴承为对象,提出基于ResNet与多核联合分布差异的深度迁移故障诊断算法,实现变工况下的提升机轴承故障状态识别,采用两种轴承故障数据进行算法有效性与适应性验证,结果表明所提出算法能够达到理想的迁移故障诊断准确率。最后,设计构建了提升机检测诊断平台,部署于煤矿地面中央云服务器中心,实现了对矿井提升机运行状态的监测与在线诊断。     

基于UWB的矿井人员精准定位技术

提出了一种基于UWB技术的矿井人员精准定位系统的设计与实现方案。分析了SDSTWR测距算法原理,结合矿井巷道一维线性空间特征,采用单个读卡器实现精准定位和方向判别,并且采用时分复用技术解决无线信号碰撞问题,保证了定位成功率,提高了定位精度。试验结果表明:该系统定位精度达到了0.3 m以内,有效覆盖范围达到300 m,满足矿用实际需求。     

多源传感器融合的矿井瓦斯释放源定位方法

针对煤矿井下采空区漏风现象导致瓦斯释放源难以定位或者定位不准问题,提出一种基于多源传感器融合的矿井瓦斯释放源定位算法。首先通过分析综放工作面采空区瓦斯分布规律,建立矿井采空区传感器观测模型与瓦斯释放源扩散模型,然后采用混合卡尔曼粒子滤波算法对采空区瓦斯释放源参数进行估计,并依据迭代运算得到估计参数的坐标位置,最后通过无线传感器目标源感知节点与簇头节点的数据融合,实现瓦斯释放源的精确定位。结果表明:与其他算法相比,混合卡尔曼粒子滤波算法在定位精度上具有明显的优势。该方法能有效解决因漏风现象导致的瓦斯释放源定位困难的问题,进而为采空区瓦斯突出预警及瓦斯抽采提供参考依据。     

基于Hadoop云平台的矿井指纹定位算法

针对现有矿井指纹定位算法定位精度不高、实时性不强的问题,结合Hadoop云平台技术,提出了一种基于Hadoop云平台的矿井指纹定位算法。该算法首先在指纹特征提取前对矿井中的多基站信号源进行数据预处理,提高指纹特征的可靠性和鲁棒性;其次,利用小波基函数对源指纹信号进行线性变换,并将多个基站信号分解成不同尺度的频带,得到具有代表性的指纹特征向量;再次,将每个待定位的矿工或移动设备信号分解为若干个子信号区域,并逐区域计算待测信号源与特征集之间的相关系数矩阵,根据相关系数矩阵实现指纹信息匹配;最后,利用多普勒效应和信号衰减原理,对每个节点的位置进行估计,获得每个节点的具体位置信息。在国内某矿井进行了定位试验,结果表明:相对于主流的指纹定位算法,所提出的矿井指纹定位算法能够快速、准确地定位矿井中的人或移动设备,具有较高的定位精度和实时性。该算法可以应用于实际的矿井安全监测和管理中,为矿井安全和高效生产提供支持。     

基于SVM增量学习算法的煤矿高压断路器故障模式识别方法

高压断路器故障模式的准确识别是矿井电网智能化发展过程中的重要支撑环节。针对高压断路器故障数据不易获取且故障样本较少的问题,提出了一种支持向量机与增量学习算法相结合的故障识别方法,确定了以断路器控制回路电流信号、电压信号以及分合闸振动信号为状态监测量,模拟了弹簧松动、铁芯卡涩、供电异常与线圈老化4种常见故障,提取了故障特征量并建立了故障数据样本与增量学习数据样本,采用支持向量机增量学习算法训练得到了故障识别模型,并利用新增数据样本对其进行了验证。结果表明:支持向量机增量学习算法可准确识别上述4种常见故障,并可以通过对新增样本的不断学习进一步提高识别精度。     

基于蚁群算法的分布式配电网局部故障定位方法

为快速精准定位分布式配电网局部故障，隔离故障分支降低经济损失，提出一种基于蚁群算法的分布式配电网局部故障定位方法。利用蚁群集体行动的信息正反馈机制组建故障定位模型，创建蚁群算法评价函数，使用随机比率准则计算蚂蚁转移概率及残留信息，引入信息素更新方法动态调节原始信息素浓度，通过信息缺失校准策略提升算法容错性，依照评价函数大小，在可能解对应设备状态中释放信息素，避免产生局部最优解，能够精准定位分布式配电网局部故障位置。仿真实验结果证明，该设计方法可以有效地对分布式配电网局部故障进行高精度定位，故障定位计算收敛速度快，耗时短，拥有极强的实用性，为分布式配电网的可靠应用发挥应有作用。     

基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位

精确无源移动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。提出一种基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位方法。鉴于隧道巷道内静物回波信号的多径较多且衰落严重,基于特征值分解的零陷设计思路给出适合低信噪比条件下的最小范数强干扰抑制方法,抑制直达波和静物回波多径干扰信号,检测接收移动目标反射波;同时,为了克服隧道内的纳秒级密集多径和背景噪声,提出基于互高阶谱的RMCHS参数估计算法(Root Min-norm based on Cross High-order Specture,RMCHS),在低信噪比条件下进行高分辨率的TOA/DOA参数估计,从而实现基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位。仿真实验表明,提出的强干扰抑制方法和RMCHS算法在隧道/巷道环境下有很强的鲁棒性,显著优于比较算法,减小了噪声和纳秒级密集多径对算法性能的影响。     

基于无线传感器网络的改进RSSI井下定位算法的矿井人员定位系统设计

为了确保矿井人员的人身安全,提高井下定位系统的精确度,设计一种基于无线传感器网络的改进RSSI井下定位算法的矿井人员定位系统。根据井下环境特点搭建了系统框架,并详细介绍了系统的传感器节点结构及硬件设计,针对矿井环境特点,修正测距模型,在RSSI算法中引入加权因子求平均的算法定位未知节点,并通过泰勒级数展开求导的方法对坐标进行修正,最后采用加权质心算法求未知节点的坐标。仿真实验表明,改进后定位算法定位的精度较为精确,具有一定的应用价值。     

基于AOA的矿井人员精确定位技术

分析了AOA测距算法原理,设计了矿井人员精确定位系统总体架构,提出一种基于AT86RF233相位差测距的矿井人员精确定位系统,读卡器采用2根定向天线接受无线信号,根据2根天线的接受无线信号强度差异实现方向识别,通过时分复用方式和双信道解决无线信号碰撞问题。试验结果表明系统定位精度达到1 m以内,有效覆盖范围达到200 m,满足矿井高精度定位需要,验证了方案的可行性。     

基于路径搜索的矿井人员定位算法

提出一种用于矿井环境中人员及其他活动目标位置跟踪的定位算法,分析了将现有基于RSSI测距的定位算法应用到矿井环境存在的问题;针对矿井下的地形环境和信号传播特性设计了地图和信号参数的配置形式;详细描述了基于路径搜索的定位算法的实现。采用ZigBee技术构建本算法的实现平台,实验结果表明:算法定位准确、运算量小,适合矿井下的大规模部署。     

基于小波包与隐马尔可夫的矿井提升机主轴故障诊断

为解决当前矿井提升机主轴故障数据提取困难且诊断方法存在易受干扰、误差大、准确度低等缺点,设计了基于小波包与隐马尔可夫(HMM)的矿井提升机主轴故障诊断模型。该模型预先把主轴振动信号用小波包分解来获取小波包能量,再把高能量频带CEEMD分解,选取相关系数满足条件的IMF分量完成信号重构,通过重构信号来获得特征参数并构建特征向量,然后对每种故障完成HMM训练,构建HMM故障识别库,并把测试样本送入库中完成测试,从而测试模型的准确度。测试数据表明了基于小波包与HMM的故障诊断模型,准确度高、误差小、抗干扰能力强,比较适用于故障诊断。     

基于路径搜索的矿井人员定位算法

提出一种用于矿井环境中人员及其他活动目标位置跟踪的定位算法,分析了将现有基于RSSI测距的定位算法应用到矿井环境存在的问题;针对矿井下的地形环境和信号传播特性设计了地图和信号参数的配置形式;详细描述了基于路径搜索的定位算法的实现。采用ZigBee技术构建本算法的实现平台,实验结果表明:算法定位准确、运算量小,适合矿井下的大规模部署。     

基于一维卷积神经网络的提升机轴承故障诊断方法研究

针对当前矿井提升机普遍采用的定期预防检测维护中存在的问题,提出了基于一维卷积神经网络技术对提升机轴承故障进行诊断,对提升机发生的故障进行分类.首先采用滑动窗口重叠采样技术来完成数据的扩增,然后将数据作为一维卷积神经网络模型的输入,并利用卷积神经网络算法对振动信号进行提取与处理,最后试验验证表明该系统对轴承故障诊断具有较好的效果.