-
作者
袁源汪嘉文朱德昇王家臣王统海杨克虎
-
单位
中国矿业大学（北京）机电与信息工程学院中国矿业大学（北京）能源与矿业学院山东能源临沂矿业集团有限责任公司
-
摘要
针对综放工作面煤矸智能识别问题,设计了能感应尾梁动作并自动触发数据采集的放煤声信号采集装置,在山东能源古城煤矿3106综放工作面采集现场数据并进行人工标注,构建了放顶煤声信号分类样本库。研究了6种常用机器学习分类方法在时域、频域和时频域中的特征,以及在不同帧长、不同特征向量维度下的分类效果。结果表明:在不同帧长下,基于时频域特征的分类效果最稳定、准确率最高,随机森林、K近邻、决策树、多层感知器模型分类准确率均达到80%以上,其中基于小波包分解与随机森林算法的分类器性能最好,分类准确率为93.06%。维度较高的时频域特征向量之间存在相关性,降维可以提取少量的综合特征并降低系统的运算量,利用主成分分析法将时频域特征向量降维至20后,分类准确率进一步提高至94.51%。
-
关键词
放顶煤声信号特征提取小波包分解随机森林煤矸识别
-
基金项目(Foundation)
国家自然科学基金（61936008,61973307）；
-
文章目录
1 放顶煤声信号特征提取方法
1.1 时域特征提取
1.2 频域特征提取
1.3 时频域特征提取
2 机器学习分类算法的理论基础
2.1 支持向量机算法
2.2 K近邻算法
2.3 朴素贝叶斯算法
2.4 决策树算法
2.5 随机森林算法
2.6 神经网络算法
3 放顶煤声信号样本集构建
4 机器学习分类模型训练
5 分类模型应用与性能评估
5.1 样本帧长对分类准确率的影响
5.2 特征选取对于分类准确率的影响
5.3 特征维度对于分类准确率的影响
6 结 论
-
引用格式
袁源,汪嘉文,朱德昇,王家臣,王统海,杨克虎.顶煤放落过程煤矸声信号特征提取与分类方法[J].矿业科学学报,2021,6(06):711-720.
矿业科学学报 
2021年第06期 
