叢曉妍， 王增才， 王保平， 彭偉利

(1.山東大學(xué)機械工程學(xué)院 濟南,250061) (2.山東交通學(xué)院機械工程學(xué)院 濟南,250023)

?

基于EMD與峭度濾波的煤巖界面識別*

叢曉妍1， 王增才1， 王保平2， 彭偉利1

(1.山東大學(xué)機械工程學(xué)院 濟南,250061) (2.山東交通學(xué)院機械工程學(xué)院 濟南,250023)

煤巖界面識別問題一直是制約放煤自動化發(fā)展的一項關(guān)鍵問題,液壓支架尾梁振動信號分析法是近年來發(fā)展較快的一種有效方法。該方法中煤和矸石信號在頻域內(nèi)存在差異是非常有用的信息，但因系統(tǒng)低頻干擾較多且兩種信號差異微弱，無法直接提取使用。通過對振動信號使用經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition,簡稱EMD)得到多個固有模態(tài)分量(intrinsic mode function，簡稱IMF)；以峭度為準則，選取煤和矸石差異最大的通道對信號重新合成；使用Hilbert邊際譜分析煤、矸石的頻域范圍，以矸石頻域特征區(qū)域求取帶通濾波最優(yōu)截止頻率；對合成后的信號進行濾波。實驗結(jié)果表明，該方法能夠減少信號低頻干擾、突出較高頻成分，使煤與系統(tǒng)干擾的低頻信號視為常態(tài)被屏蔽，而混入煤中的矸石較高頻信號能夠被及時識別，實現(xiàn)了煤巖界面識別的目的。

經(jīng)驗?zāi)B(tài)分解； 煤巖界面識別； 峭度； 濾波

1 問題的引出

煤巖界面識別技術(shù)是實現(xiàn)煤炭開采自動化的關(guān)鍵技術(shù)，對提高設(shè)備可靠性、保障工人安全和提高煤炭質(zhì)量具有重要意義。近幾年，煤巖自動識別技術(shù)取得了許多理論與實踐方面的研究進展。主要研究方法包括截割力檢測法[1-2]、記憶切割檢測法[3]、自然γ射線探測法[4-6]、圖像檢測法[7]和液壓支架尾梁振動信號檢測法[8]。其中，采用分析液壓支架尾梁振動信號的方法能夠直接反映煤矸放落狀況，不受現(xiàn)場可視條件限制、無放射元素輻射危險且煤矸放落程度自由可控，信號采集簡便，采集設(shè)備造價低，具有非常好的應(yīng)用前景。

液壓支架尾梁振動信號檢測法的工作原理是：在綜放采煤過程中，煤或巖石下落撞擊液壓支架的尾梁，引起尾梁振動。由于煤和巖石力學(xué)性能的差異，其撞擊尾梁引起的振動信號也存在區(qū)別，通過檢測尾梁振動的差異性達到煤巖界面識別的目的，其核心是對煤、矸不同物質(zhì)導(dǎo)致的尾梁振動進行有效區(qū)分[9](檢測原理與使用儀器見圖1)。如果將煤沖擊尾梁造成的系統(tǒng)振動作為系統(tǒng)常態(tài)，混入矸石信號作為系統(tǒng)異常狀態(tài)，利用加速度傳感器檢測液壓支架尾梁的振動信號來獲取煤混入矸石碰撞而產(chǎn)生的沖擊信息，通過診斷系統(tǒng)異常狀態(tài)與異常程度，能夠?qū)崿F(xiàn)對矸石下落及矸石混雜程度的實時辨識，從而達到煤巖界面識別的目的。王保平等[8]研究證明，落煤時尾梁振動信號能量集中于低中頻段，而落矸則集中于高頻部分。利用煤矸振動信號的這一特點，理論上使用濾波方法能夠區(qū)分落煤與落矸信號，但實際上由于煤矸信號差異并不顯著且系統(tǒng)低頻干擾較多，無法直接使用濾波方法區(qū)分信號。為解決這一問題，筆者使用EMD方法將信號分解，以峭度為區(qū)分標準對信號重新合成，目標是削弱信號的低頻成分，突出高頻特征。合成后的信號使用濾波方法檢測其在較高頻域內(nèi)是否有分布，即是否有矸石特征出現(xiàn)，即能夠識別落矸信號，從而實現(xiàn)煤巖識別的目的。

圖1 液壓支架尾梁振動法檢測示意圖Fig.1 Vibration of hydraulic support tail beam detection schematic diagram

2 檢測理論基礎(chǔ)

2.1 振動信號的EMD經(jīng)驗?zāi)Ｊ椒纸?/p>

經(jīng)驗?zāi)Ｊ椒纸獾闹饕枷胧前岩粋€時間序列的信號分解為不同尺度的基本模式分量,由美國學(xué)者Huang等[10]于1998年首次提出，其本質(zhì)是利用信號的特征時間尺度把復(fù)雜的多分量信號分解成單分量信號之和。待識別信號x(t)經(jīng)EMD分解后表示為

(1)

即原信號x(t)表示為一系列內(nèi)稟模態(tài)函數(shù)分量和一個殘余分量，該殘余分量是信號的趨勢項。

2.2 峭度理論

峭度是一個無量綱特征,它是對信號的一個標準化描述,對沖擊信號特別敏感。 峭度值K計算方法如下

(2)

2.3Hilbert邊際譜

Hilbert邊際譜代表了在整個頻率范圍內(nèi)不同的頻率對整個幅度貢獻的一個測度，它表示了統(tǒng)計意義上全部數(shù)據(jù)長度的累加幅度[11-12]。因此Hilbert邊際譜能夠很好的顯示煤與矸石信號的頻域分布，對信號求取Hilbert邊際譜可以指導(dǎo)濾波截止頻率的選取。

對式(1)中每個IMF分量做Hilbert變換

(3)

(4)

其瞬時幅值函數(shù)和瞬時相位函數(shù)分別為

(5)

(6)

如果忽略式EMD分解中的余量rn(t),用瞬時幅值和瞬時頻率表示原信號

(7)

信號的幅值在瞬時頻率-時間平面上的分布稱為Hilbert幅值譜, 簡稱Hilbert譜

(8)

Hilbert譜精確描述了信號的幅值在整個瞬時頻率段隨時間和瞬時頻率的變化規(guī)律，進一步定義Hilbert邊際譜

(9)

3 實驗設(shè)置

為了更好地驗證該方法的有效性并獲取有效區(qū)分指標，在實驗室使用與現(xiàn)場相同的液壓支架(型號ZFS7200)，通過精確控制煤與矸石下落得到確定的煤、矸沖擊尾梁振動信號，使用丹麥B&K公司4508加速度傳感器拾取信號。落煤、矸石、煤矸混合各采集20組共計60組數(shù)據(jù)，每類中的10組數(shù)據(jù)用于生成標準信號，另外10組作為待識別信號進行測試使用。

實驗步驟如圖2所示，主要包括：

1) 對采集信號進行EMD分解；

2) 計算各IMF的峭度值；

3) 取煤、矸峭度值差異較大時對應(yīng)的IMF,將這些IMF相加,得到合成信號；

4) 選擇合適的濾波截止頻率，對合成信號濾波；

5) 對濾波后信號通過傅里葉變換求出包絡(luò)譜；

6) 將處理過的待識別信號與標準煤、矸信號特征進行比較,識別落煤、落矸和煤矸混合狀態(tài)。

圖2 煤矸識別流程圖Fig.2 Flowchart of the recognition of coal-rock interface

4 數(shù)據(jù)分析

從尾梁處采集煤、矸石原始振動信號，其波形如圖3所示。

圖3 煤、矸原始振動信號Fig.3 Original vibration signals

4.1 信號EMD分解與重構(gòu)

按照EMD經(jīng)驗?zāi)B(tài)分解原理將信號分解，如圖4所示。c1～c9依次為頻率由高到低的成分, r10為剩余分量, 代表了信號的趨勢。

圖4 煤、矸振動信號的EMD分解結(jié)果Fig.4 EMD of coal and rock

根據(jù)式(2)計算煤、矸信號各IMF通道的峭度值(見表1)。落矸時第1，2，3個固有模態(tài)函數(shù)峭度具有較大值，而落煤在第3，4固有模態(tài)處有較大值。即矸石信號特征在1，2，3通道內(nèi)比較顯著，落煤特征則在3，4通道內(nèi)較為明顯。為突出矸石信號特征，弱化落煤特征，筆者提取前兩個IMF重構(gòu)原信號。這樣如果信號中含有矸石成分，則其低頻(煤、系統(tǒng)干擾)被削弱，中高頻(矸石)分量得以保留。

表1 EMD分解后前5通道IMF的峭度值

Tab.1 IMF kurtosis of the top five channels

信號種類IMF1IMF2IMF3IMF4IMF5落煤0.27010.23100.59870.52680.1271落矸0.97890.53290.50230.26850.2047

4.2 濾波截止頻率選取與濾波顯示

使用所述計算方法對落煤、落矸信號分別求取Hilbert邊際譜(見圖5)。

圖5 煤、矸信號的Hilbert邊際譜Fig.5 Hilbert marginal spectrum

通過邊際譜計算，落煤時尾梁振動信號的能量主要分布在頻率0～l00 Hz的低頻范圍內(nèi)；落矸時,尾梁振動的能量分布比落煤時更為廣泛,主要分布在頻率0～200 Hz和頻率600～1 000 Hz范圍內(nèi)。因此600～l 000Hz區(qū)域是兩種信號進行區(qū)分的較優(yōu)區(qū)域。

圖6 濾波后的重構(gòu)落煤、落矸信號Fig.6 Reconstructed signals after filtering

使用帶通濾波截止頻率為600 Hz和1 000 Hz濾波后的振動信號見圖6。為方便觀察，以600～1 000 Hz窗口顯示。

圖7 濾波后的重構(gòu)信號在帶通頻率范圍內(nèi)顯示Fig.7 Signals in bandpass frequency range

圖7中，矸石信號在600～1 000 Hz范圍內(nèi)有明顯能量分布，而煤信號在此區(qū)域幾乎為零。這樣，待識別信號與標準煤、矸特征比較即可判斷是否有矸石下落。為驗證其有效性，筆者在實驗室使用了1∶1煤矸混合物，經(jīng)該方法處理后頻域顯示如圖8。煤矸混合物信號在600～1 000 Hz區(qū)域有能量分布，但幅值比矸石信號小，表明煤中混有矸石，通過肉眼觀察即能作出判斷。

圖8 煤矸混合信號處理后在帶通頻率范圍內(nèi)的顯示Fig.8 The treated coal-rock mixture signal in bandpass frequency range

5 結(jié) 論

1) 放頂煤落煤和落矸時，液壓支架尾梁振動信號在頻域內(nèi)是不同的，主要差別在于落矸時振動信號在較高頻中具有一定的成分，而落煤時振動信號同頻段成分較少。因此可以依此進一步分析得到識別煤矸界面。

2) 采用EMD對煤矸信號進行分解得到IMF，可用峭度為標準選取煤、矸差異最明顯的IMF重新合成信號，這樣便于下一步頻率分析。

3) 對標準的落煤、落矸信號進行Hilbert變換，進行譜分析得到落煤、落矸信號的特征頻域范圍，獲取能夠表征落矸信號的帶通濾波器的截止頻率，然后對經(jīng)過處理的待識別信號進行濾波，即可捕獲信號中的較高頻成分，即矸石下落造成的沖擊，從而實現(xiàn)了煤巖識別的目的。

4) 實驗通過結(jié)合不同混合比例的煤矸信號所形成的包絡(luò)譜圖，能夠確定矸石下落量。包絡(luò)譜信號特征明顯，能夠及時、準確掌握放落時間，具有較好的實用性。

[1] Ren Fang, Yang Zhaojian, Xiong Shibo. Study on the coal-rock interface recognition method based on multi-sensor data fusion technique[J]. Chinese Journal of Mechanical Engineering, 2003, 16(3): 321-324.

[2] Ren Fang, Yang ZhaoJian, Xiong Shibo, et al. Application of wavelet packet decomposition and its energy spectrum on the coal-rock interface identification[J]. Journal of Coal Science and Engineering, 2003,9(1):109-112.

[3] 梁義維,熊詩波.基于神經(jīng)網(wǎng)絡(luò)和Dempster-Shafter信息融合的煤巖界面預(yù)測[J].煤炭學(xué)報,2003,28(1):86-90.

Liang Yiwei, Xiong Shibo. Forecast of coal-rock interface based on neural net work and Dempster-Shafter theory[J]. Journal of China Coal Society,2003, 28(1): 86-90.(in Chinese)

[4] 王增才,王汝琳,徐建華.自然γ射線法在采煤機搖臂調(diào)高中檢測煤層厚度的研究[J].煤炭學(xué)報, 2002,27(4):425-429.

Wang Zeng cai, Wang Rulin, Xu Jianhua. Research on coal seam thickness detection by natural Gamma ray in shearer horizon control[J]. Journal of China Coal Society, 2002, 27(4):425-429. (in Chinese)

[5] 秦劍秋,孟惠榮.自然γ射線煤巖界面識別傳感器的理論建模及實驗驗證[J].煤炭學(xué)報,1996,21(5): 513-516.

Qin Jianqiu, Meng Huirong. Establishment of a theoretical model of sensor for identification of coal and rock interface by natural γ ray and underground trials[J]. Journal of China Coal Society, 1996, 21(5): 513-516. (in Chinese)

[6] 張俊梅,范迅,趙雪松.采煤機自動調(diào)高控制系統(tǒng)研究[J].中國礦業(yè)大學(xué)學(xué)報,2002,31(4): 415-418.

Zhang Junmei, Fan Xun, Zhao Xuesong. Automatic horizon control system of coal mining machine[J]. Journal of China University of Mining & Technology, 2002, 31(4):415-418. (in Chinese)

[7] 孫繼平，佘杰.基于小波的煤巖圖像特征抽取與識別[J].煤炭學(xué)報,2013,38(10): 1900-1904.

Sun Jiping，She Jie. Wavelet-based coal-rock image feature extraction and recognition[J]. Journal of China Coal Society, 2013,38(10): 1900-1904. (in Chinese)

[8] 王保平,王增才,張萬枝.基于EMD與神經(jīng)網(wǎng)絡(luò)的煤巖界面識別方法[J].振動、測試與診斷, 2012,32(4):586-591.

Wang Baoping,Wang Zengcai,Zhang Wanzhi. Coal-rock interface recognition method based on EMD and neural network[J]. Journal of Vibration, Measurement & Diagnosis, 2012.32(4):586-591. (in Chinese)

[9] Wang Baoping, Wang Zengcai, Xu Junkai. A new coal-rock interface recognition method based on Hilbert marginal spectrum distribution characteristics[J]. Journal of Computational Information Systems, 2012,8(19):8137-8142.

[10]Huang N E, Shen Z, Long S, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceeding of the Royal Society,1998,454 (1971):903-995.

[11]鐘佑明,秦樹人,湯寶平.一種振動信號新變換法的研究[J].振動工程學(xué)報,2002,15(2): 233-238.

Zhong Youming, Qin Shuren, Tang Baoping. Study on a new transform method for vibration signal[J]. Journal of Vibration Engineering, 2002, 15(2): 233-238. (in Chinese)

[12]王醇濤, 陸金銘.運用HHT邊際譜的柴油機故障診斷[J].振動、測試與診斷，2010,30(4): 465-469.

Wang Chuntao, Lu Jinming. Fault diagnosis of diesel engine based on HHT marginal spectrum[J]. Journal of Vibration, Measurement & Diagnosis, 2010,30(4): 465-469. (in Chinese)

10.16450/j.cnki.issn.1004-6801.2015.05.024

*國家自然科學(xué)基金資助項目(51174126)；山東交通學(xué)院?；鹳Y助項目(Z201315)

2014-07-07；

2014-12-17

TD671; TH87

叢曉妍，女，1979年6月生，博士生。主要研究方向為車輛自動變速器。曾發(fā)表《Subjective evaluation of construction machinery cab's comfort based on fuzzy set theory》(《Advanced Materials Research》2011，Vol. 211-212)等論文。 E-mail:congzixiao@163.com