[发明专利]一种基于采煤机截割声音的刮板输送机智能控制装置及其方法有效

专利信息
申请号: 202210498621.1 申请日: 2022-05-09
公开(公告)号: CN114940342B 公开(公告)日: 2023-06-06
发明(设计)人: 段铭钰;许静;黄其柏;孙宁;刘焱鑫 申请(专利权)人: 华中科技大学;河南大有能源股份有限公司;江苏科技大学
主分类号: B65G17/30 分类号: B65G17/30;B65G43/08;E21C35/20
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 徐澍
地址: 430074 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 采煤 机截割 声音 输送 机智 控制 装置 及其 方法
【权利要求书】:

1.一种基于采煤机截割声音的刮板输送机的智能控制方法,其特征在于:

采用一种基于采煤机截割声音的刮板输送机的智能控制装置,具有快、中、慢三个挡位;该装置安装在采煤机的摇臂上,包括:壳体、设置在壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块、人机交互界面和可充电电池;壳体外设置有麦克风,用于采集采煤机截割声音信号,声音信号经音频信号接收模块输送至核心处理器;核心处理器与数据存储器相连,核心处理器将声音信号分析处理后,通过信号传输模块实现核心处理器对变频器的控制;变频器与刮板输送机的电动机相连,核心处理器对声音信号处理的相关设置和数据参数通过人机交互界面显示和控制;变频器根据核心处理器的控制信号,做出相应的控制指令,对刮板输送机的电动机进行调速,最终实现对刮板输送机的智能控制;

其智能控制方法包括以下步骤:

步骤1.启动采煤机、刮板输送机和刮板输送机智能控制装置,在对刮板输送机进行智能控制之前,先收集采煤机截割声音信号;

步骤2.麦克风将采集到的采煤机截割声音信号输送至核心处理器,核心处理器将截割声音与背景声音分离,包括对信号的小波分解、小波分解高频系数的阈值量化、信号的小波重构;

步骤3.核心处理器采用BP神经网络针对不同的声音信号,分类存储在数据存储器中作为初始训练数据;

步骤4.刮板输送机智能控制装置开始工作后,按照步骤3继续采集实时声音信号,并将声音信号输入具有认知能力的BP神经网络中,根据BP神经网络的输出结果获取当前采煤机的落煤量,通过核心处理器的相关计算即可获得刮板输送机所需的运行速度;

步骤5.BP神经网络的输出结果作为控制指令输送至控制刮板送机的变频器;当神经网络输出结果表示当前速度需要调低时,变频器可以将刮板输送机的电动机调节到“低”速档;当神经网络输出结果表示当前速度需要调快时,变频器可以将刮板输送机的电动机调到“快”速档;

在步骤2中所述的对信号的小波分解、小波分解高频系数的阈值量化、信号的小波重构,分别为:

步骤2.1.信号的小波分解:将任意平方的可积空间的声音信号序列s(t)在小波基下展开获得的小波系数:

式中,da,τ表示在平移系数τ和尺度系数a下的小波系数,表示小波基函数;

对小波函数进行离散化处理:

式中,i,j∈z,分别称为平移因子和尺度因子;

步骤2.2.小波分解高频系数的阈值量化:选取适当的小波阈值函数是提取声音信号,其阈值函数可以表示为:

式中:为去噪之后的小波系数;

步骤2.3.信号的小波重构:将经过阈值化处理后的每一层高频细节系数和小波分解得到的最高层的低频系数,根据小波重构算法,得到降噪后真实信号的最优估计;

在步骤3中,所述核心处理器的BP神经网络是一种三层网络结构前向网络,包括输入层、隐藏层和输出层;输入层的节点数根据约束条件确定,输出层的节点数为1;

输入向量为x=(x1,x2,…xN)T,隐含层包含L个神经元节点,输出向量为y=(y1,y2,y3,…,yM)T;ω表示输入层神经元到隐含层神经元之间的连接权重,ν表示隐含层神经元到输出层经元之间的连接权重,θ表示神经元阈值;

BP神经网络通过正向传播运算和误差信号通过反向传播调节网络,第k个输出层神经元节点输出yk为:

其中,oj表示隐含层第j个神经元节点的输出信号;

输入层的节点数根据用于提取截割声音型号的约束条件确定,可以取输入层的节点数为7;输出层的节点数为1,输出的不同值分别代表落煤量的大、中、小;

BP神经网络的隐藏层节点数其中,输入层节点数为M个,输出层节点数为N个,a一般为1~9的整数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学;河南大有能源股份有限公司;江苏科技大学,未经华中科技大学;河南大有能源股份有限公司;江苏科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210498621.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top