- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
USMC控制的采煤机HHTPCAMRVM煤岩辨识算法
第34卷第7期 计算机应用与软件 Vol34No.7
2017年7月 ComputerApplicationsandSoftware Jul.2017
USMC控制的采煤机HHTPCAMRVM煤岩辨识算法
付 华 曹庆春
(辽宁工程技术大学电气与控制工程学院 辽宁葫芦岛 125105)
摘 要 针对井下无人、自动作业的新型采煤战略目标,提高对煤岩的辨识是至关重要的。在对采煤机截割电
机控制的基础上,基于稀疏矩阵变换器理论,提出对于截割电机输入电流信号渐变的分析。通过 HHTPCA
MRVM对煤岩进行识别,从而实时对井下采煤机姿态进行调节来满足复杂的开采需求。该方法在某煤矿的开采
实验平台上进行了良好的实验验证。实验表明:截割电机在USMC控制下,在煤岩突变时波动较为明显,能够很
好地为MRVM煤岩识别提供分类界限。煤岩识别率为95%,对于综采自动化有较好的作用。
关键词 采煤机 超稀疏矩阵变换器 煤岩识别 多分类相关向量机 HHT算法 PCA算法
中图分类号 TP202+.7 文献标识码 A DOI:10.3969/j.issn.1000386x.2017.07.041
HHTPCAMRVMCOALANDROCKIDENTIFICATIONALGORITHMBASED
ONUSMCCONTROLLEDSHEARER
FuHua CaoQingchun
(FacultyofElectricalandControlEngineering,LiaoningTechnicalUniversity,Huludao125105,Liaoning,China)
Abstract Aimingatthenewcoalminingstrategicobjectiveofunmannedundergroundandautomaticoperation,itis
crucialtoimprovetheidentificationofcoalandrock.Onthebasisofcuttingmotorcontrolofshearer,thispaperpresents
theanalysisofthegradualchangeofthecuttingmotorinputcurrentsignalbasedonthecontrolofshearercuttingmotor
basedonthetheoryofsparsematrixconverter.ThroughtheHHTPCAMRVMtoidentifythecoalandrock,inorderto
realtimedownholeshearertoadjusttheattitudetomeetthecomplexminingneeds.Themethodistestedonacoal
miningexperimentplatform.Experimentalresultsshow:USMCcuttingmotorundercontrol,fluctuationsincoalandrock
whenthemutationismoreobvious,canwellprovidefortheclassificationboundariesMRVMcoalandrockidentification,
identificationofcoalwas95%formechanizedminingautomationhasagoodeffect.Theexperimentresultsshowthatthe
cuttingmotorismoreobviousunderthecontrolofUSMC,anditcanprovideagoodclassificationboundaryforMRVM
coalrockidentification.Theidentificationrateofcoalandrockis95%,whichisgoodforfullymechanizedminingauto
mation.
Keywords Shearer
文档评论(0)