基于小波包熵和流形学习的垮落煤岩识别_中国煤炭行业知识服务平台

基于小波包熵和流形学习的垮落煤岩识别

作者

李一鸣符世琛周俊莹宗凯李瑞吴淼
单位

中国矿业大学（北京）机电与信息工程学院
摘要

针对垮落煤岩识别的技术问题,基于垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于小波包熵和流形学习的特征提取方法。该方法首先对振动信号进行小波包分解并单支重构,计算该信号的小波包能量熵,从而确定信号能量分布的复杂度,计算各频带的样本熵,从而确定各频带小波包系数的复杂度。以小波包能量熵和频带样本熵构造特征向量,输入BP神经网络识别垮落煤岩。然后利用局部线性嵌入(LLE)挖掘特征向量的低维流形结构,并输入神经网络对比其识别效果。并提出了未知样本低维估计方法以得到其低维嵌入。结果表明:基于小波包熵和LLE提取的特征向量准确又简单,输入神经网络识别率达到92.5%;基于低维估计方法得到的未知样本低维嵌入也较准确。
关键词

垮落煤岩识别小波包能量熵样本熵流形学习BP神经网络
相关文章

[1]基于EEMD-KPCA和KL散度的垮落煤岩识别
[2]基于分形盒维数和小波包能量矩的垮落煤岩性状识别
[3]基于GA-BP网络的掘进机截割臂摆速控制策略与仿真研究