窦希杰， 王世博， 刘后广， 陈钱有， 邹文才， 卢召栋

(1.中国矿业大学 机电工程学院， 江苏 徐州 221116；2.中国矿业大学 矿山智能采掘装备协同创新中心， 江苏 徐州 221116)

0 引言

放顶煤过程的智能化是制约智能化综放开采的主要技术瓶颈[1-2]。在放顶煤过程中，根据煤层赋存条件变化进行煤矸精准识别，并根据识别结果实时自动调整放煤口启闭，是实现自动化放煤的关键[3]，不仅能够降低混矸率，提高煤炭质量，还能使放煤工人远离综放工作面，减少恶劣环境对工人健康的影响。

对放顶煤过程中产生的振动信号进行辨识是实现煤矸识别的有效手段之一。近年来，学者们针对该方法进行了大量研究。文献[4]分析了煤和矸石冲击产生的振动信号频谱特征，得出了2种振动信号频率不同的结论，但未根据频谱特征进一步研究煤矸识别技术。文献[5]分析了放顶煤过程中液压支架后尾梁及刮板输送机处采集的振动信号，认为液压支架后尾梁更适合作为煤矸冲击振动信号测点，进一步分析了不同工况下振动信号的时域特征，得出了方差、偏度与峭度指标对工况变化敏感的结论，但放顶煤过程的复杂性使得尾梁振动信号具有非平稳特性，时域特征不能准确地表征振动信号。文献[6]采用小波分析方法对煤和矸石冲击产生的振动信号进行特征提取，设计了神经网络模型实现煤矸识别，但建模时使用的训练样本和测试样本较少，模型有效性有待进一步验证。……