欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023100585480
申请人: 山东科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 土层或岩石的钻进;采矿
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于煤矸多源信息融合识别的单架放煤物联控制系统,其特征在于,包括液压支架、刮板输送机、多源信息采集装置;

液压支架用来支撑采煤工作面和控制顶煤放落,液压支架包括相互连接的顶梁、掩护梁、尾梁,尾梁末端设有插板,插板用于调节放煤口的大小以控制放煤速度,尾梁下方设有前立柱,液压支架上设有放煤控制液压系统,放煤控制液压系统包括电磁阀、溢流阀、液压油箱、液压油缸、接头油管,液压油缸包括两组,分别设于尾梁底部和尾梁内部,液压油缸通过接头油管与液压油箱连接,电磁阀与溢流阀连接安装在液压油箱上,用来控制液压油箱对液压油缸的供油量;

刮板输送机安装于液压支架下方用于接收放落的煤矸混合物;

多源信息采集装置包括工业相机、振动传感器、倾角传感器、声音传感器、位移传感器;

工业相机安装于液压支架前立柱,镜头正对刮板输送机;振动传感器位于尾梁末端底部;倾角传感器设置在尾梁底部,轴线与尾梁轴线平行;声音传感器置于尾梁或掩护梁底部;位移传感器设置在尾梁内部,轴线与尾梁轴线平行;

多源信息采集装置将信息发送于数据转换模块,数据转换模块将多源异构信息转换成数字信号形式发送给控制器,控制器安装于液压支架前立柱;物联网模块esp8266安装于液压支架前立柱,通过串口与控制器连接,物联网模块esp8266通过无线与MQTT消息队列模块连接,MQTT消息队列模块对物联网模块esp8266推送的数据包进行数据提取,并发送至云平台,云平台与计算机连接,计算机内设有煤矸识别模块。

2.根据权利要求1所述的基于煤矸多源信息融合识别的单架放煤物联控制系统,其特征在于,振动传感器的数量为三个,通过磁吸底座横向排布于尾梁末端底部;

优选的,声音传感器的数量为三个,由近及远纵向排布在尾梁与掩护梁底部。

3.根据权利要求1所述的基于煤矸多源信息融合识别的单架放煤物联控制系统,其特征在于,位移传感器位于插板始端与尾梁内壁之间的间隔槽内。

4.根据权利要求1所述的基于煤矸多源信息融合识别的单架放煤物联控制系统,其特征在于,数据转换模块包括ADC模块和CMOS模块,ADC模块用于将振动、声音、倾角、位移模拟电压信号转换成数字信号,CMOS模块用于将图片信息转换成数字量。

5.根据权利要求4所述的基于煤矸多源信息融合识别的单架放煤物联控制系统,其特征在于,云平台包括MYSQL数据库和云监测显示平台,云监测显示平台实时监测液压支架放顶煤状况,计算机读取MYSQL数据库多源异构数据进行煤矸识别,并将识别结果反馈给云监测显示平台。

6.一种利用权利要求5所述基于煤矸多源信息融合识别的单架放煤物联控制系统的控制方法,其特征在于,包括步骤如下:①控制器控制液压支架收回插板、打开尾梁开始放煤;

②振动传感器采集0.1s内尾梁振动加速度信号,声音传感器采集0.1s内煤矸放落产生的声音信号,工业相机采集0.1s末煤流和刮板输送机表面的图像信息,倾角传感器采集当前尾梁与水平面的夹角,位移传感器采集当前插板的伸出长度;模拟电压信号和图像信息分别由ADC模块和CMOS模块转换为数字信号,由I2C总线同步发送至控制器;

③控制器将这些数据打包成json格式,通过串口发送至物联网模块esp8266;物联网模块esp8266将整个数据包通过wifi推送到MQTT消息队列,进行数据提取;由MQTT规则引擎提取出所有数据,再由规则引擎进行打包,发送至MYSQL数据库存储;

④煤矸识别模块每间隔0.1s读取MYSQL数据库中最新上传的振动、声音、图像信息,进行识别并得出识别结果;将所得含矸率区间与尾梁倾角和插板位移信息同步上传至云监测显示平台,同时,将该含矸率区间所对应的控制决策反馈给控制器,所述控制决策包括尾梁夹角、插板长度;

⑤控制器通过电磁阀进而控制溢流阀,改变液压油箱对液压油缸供油量以调节压力,从而控制尾梁夹角与插板长度。

7.根据权利要求6所述的基于煤矸多源信息融合识别的单架放煤物联控制系统的控制方法,其特征在于,步骤④中,在进行煤矸识别之前,首先要对卷积神经网络多通道煤矸识别模型进行训练,将含矸率划分为A1,A1‑A2,…,An‑1‑An,大于An,共n+1个区间;

将已知含矸率区间的煤矸混合物置于液压支架顶梁,人工控制顶煤放落的动作,使煤矸混合物从尾梁滑落,振动传感器与声音传感器分别采集放顶煤试验过程中的振动与声音信号,设置采样频率为30000Hz,时间间隔为0.1s;煤矸混合物放落到后刮板输送机上,利用工业相机采集煤流及刮板输送机表面的图像信息,对这三种多源异构信息定义同样的标签,作为一个样本;每个含矸率区间的煤矸混合物分别进行m组试验;

1)模型训练

将图像信息、3条振动信号构成的振动加速度信息矩阵和3条声音信号构成的声音信息矩阵分别输入三个卷积神经网络中,在每个含矸率区间取前m/2组样本作为训练集,后m/2组样本数据作为测试集;设置初始的训练次数为30,若准确度较低则训练次数依10次增加,直到三个卷积神经网络对于n+1个区间的测试集误差均低于设定值σ;然后,运用D‑S决策将同一样本下,图像、振动、声音三种信息所在的卷积神经网络识别结果融合,得到最终的含矸率区间,并与该样本的实际含矸率区间对比,若多源异构融合煤矸识别模型对各含矸率区间的测试集误差也同时低于σ,则模型训练结束;若最终训练次数达到150次或网络过拟合时,仍未满足准确度要求,则选取准确度最高时作为卷积神经网络训练次数;

2)煤矸识别

然后利用训练好的模型进行煤矸识别;振动传感器采集0.1s内尾梁振动加速度信号,声音传感器采集0.1s内煤矸放落产生的声音信号,工业相机采集0.1s末煤流和刮板输送机表面的图像信息,通过控制器与物联网模块打包发送至MYSQL数据库;训练好的煤矸识别模型读取数据库最新储存数据,分别输入到三个卷积神经网络中,得到三个识别结果;每个卷积神经网络输出的结果为θ1,θ2,…,θn+1以及不确定性共n+2个事件;这n+2个事件组成的集合即为该辨识问题下的识别框架Θ:Θ={θ1,θ2,…,θn+1,θ'}(2)

其中,θ1为含矸率区间小于A1,θ2为含矸率区间在A1‑A2区间内,…,θn+1为含矸率区间大Θ于An,θ'为不确定性;各元素两两互斥;辨识框架全部子集的集合,记作幂集2 :

其中的 是空集;

Θ

对Θ中每个子集按照特定的概率进行基本概率分配(BPA),其中分配函数m是一个从2→[0,1]的映射,即对于任意一个子集θ,其必须同时满足以下2个条件:对于图像、振动、声音3种信息源识别结果的BPA计算方法为:

mi(θj)=αiuj,i=1,2,3;j=1,2,3,…,n+1(6)

mi(θ')=1‑αi(7)

式中,mi(θj)为第i个信息源对含矸率在θj区间内的概率分配函数;αi为第i类信息源的可靠性系数;uj为第i个信息源对于输出含矸率在θj区间内的隶属度;mi(θ')为第i个信息源不确定性的BPA值;

根据D‑S证据理论的合成规则,将3种信息源的BPA进行合成,得到最终的煤矸识别结果:其中,

最终根据D‑S决策对于各含矸率区间的概率,选取最大的概率区间作为最终的识别结果。

8.根据权利要求7所述的基于煤矸多源信息融合识别的单架放煤物联控制系统的控制方法,其特征在于,步骤1)中,三个卷积神经网络结构为:包括单卷积层、单池化层和全连接层,对振动信号矩阵和声音信号矩阵周围进行补零,卷积核大小为3×3,池化尺寸为2×2,全连接层由“Softmax”作为激活函数进行多分类;

Softmax函数为:

其中,i表示类别索引,Vi为分类器前级单元的输出,C为总的类别个数,Si为预测样本为该类的相对概率。

9.根据权利要求8所述的基于煤矸多源信息融合识别的单架放煤物联控制系统的控制方法,其特征在于,步骤1)中,对于卷积神经网络模型中的其他主要参数,将根据测试集精度进行适当调整:学习率初始设置为0.1,每次除以0.5来改进;样本批次容量初始值设置为

10,每次增加10来改进;其他参数采用卷积神经网络系统默认值。

10.根据权利要求6所述的基于煤矸多源信息融合识别的单架放煤物联控制系统的控

制方法,其特征在于,步骤④中,控制决策具体包括:

每个含矸率区间相应地定义其尾梁夹角与插板伸出长度,含矸率区间依次分为小于A1、A1‑A2、……An‑1‑An、大于An,尾梁夹角依次定义为完全打开、θ1、……、θn‑1、完全关闭,插板伸出长度依次定义为完全收回、x1、……、xn‑1、完全伸出;

控制器控制自动放顶煤开始,尾梁打开、插板收回,顶煤经尾梁滑落到后刮板输送机上;卷积神经网络多源异构煤矸识别模型每隔0.1s识别一次,给出对应的含矸率区间;将煤矸识别结果得到的含矸率对应的尾梁角度和插板长度反馈给控制器,控制器给出信号,通过控制电磁阀调整溢流阀改变放煤控制液压系统的供油量,从而使尾梁夹角和插板长度调整到设定值;在控制过程中,倾角传感器和位移传感器不断地反馈当前的尾梁夹角和插板位移数值,直到达到设定数值;

当含矸率大于A1时,开始向液压支架控制器发送该含矸率区间所对应的控制决策,尾梁摆动到相应的角度,插板伸出至相应的长度;继续进行放煤,若含矸率降低到A1以下,尾梁全部打开,插板完全收回;若含矸率持续增长到大于An,则控制关闭尾梁、插板伸出,停止放煤。