来源：期刊VIP网 时间：
作者：智宝岩;胡成军;韩猛;张强;赵宝福;刘洋;王圣志;
单位：中煤陕西榆林能源化工有限公司;中煤(天津)地下工程智能研究院有限公司;山东科技大学机械电子工程学院;
摘要：截割煤岩属性识别主要包括截割时产生的过程信号识别、红外成像识别、图像特征识别、反射光谱识别等。由于掘进巷道环境复杂，掘锚一体机运行过程中产生的噪声易将截割产生的声波信号湮没，振动信号同样也易受设备自身振动干扰，而基于红外成像、图像识别的方法易受掘进高粉尘、低照度环境影响，在实际掘进工作面的应用效果不佳，同时，基于单一传感器的识别方法会受环境复杂程度和识别区间的限制。针对上述问题，提出了一种基于声波、振动信号的多源信息融合识别方法。首先，针对井下环境复杂存在噪声干扰的问题，利用变分模态分解（VMD）算法对声波、振动信号进行分解，提出基于香农熵的模态筛选准则，对声波、振动信号进行重构去噪，获取有效振动与声波信号；然后，基于马尔可夫转移场（MTF）将声波、振动信号特征序列转换为二维图像进行特征融合；最后，引入结合卷积块注意力模块（CBAM）的卷积神经网络（CNN），对二维图像信息进行空间特征学习，实现多尺度特征的自动提取与关键特征的精准强化，完成截割煤岩属性的精准识别。实验结果表明，所提方法的识别准确率达99.404 8%，显著优于传统CNN模型。
关键词：煤岩识别;;多源信息融合;;变分模态分解;;马尔可夫转移场;;香农熵;;卷积神经网络
基金资助：国家自然科学基金项目(52174120,52234005)
