于 宁 孙业新 陈洪月

辽宁工程技术大学机械工程学院，阜新，123000

0 引言

采煤机是煤矿开采最重要的设备。由于采煤工作面不均匀围岩、坚硬夹矸等因素的影响，采煤机滚筒在截割过程中易受到强烈的冲击，导致截割滚筒的截齿异常磨损或摇臂内的齿轮断齿失效等[1-2]，因此，研究采煤机的滚筒载荷识别与预测方法对采煤机工作状态监测与预警具有重要意义。

截割载荷预测在煤矿装备智能化领域一直是研究热点与难题。郝志勇等[3]通过实验采集销轴和压力环的三向应变，采用小波分解降噪并进行载荷谱分形关联维数计算，研究了滚筒截割载荷分布规律；李晓豁等[4]基于MATLAB/GUI研发了滚筒截割载荷模拟系统，依据滚筒参数和煤岩信息预测截割载荷，解决了截割载荷计算困难问题；刘春生等[5]提出了一种改进分数阶Tikhonov正则化载荷识别算法，对截割载荷有较好的识别效果。目前，有不少学者应用神经网络识别与预测截割载荷。张强等[6]提出一种基于模糊神经网络的多传感器信息融合的煤岩识别方法，依据实验提取截割过程中的振动、电流等信号特征，预测了滚筒的截割轨迹。刘春生等[7]建立了基于熵权的正则化神经网络载荷谱预测模型，提出了依据有限楔入角的载荷谱的预测方法，实现不同楔入角的截割载荷预测。蒋干[8]采用IFOA-RBF神经网络实现了单一传感信号下的煤岩截割状态识别，经过D-S证据理论融合，最终得到了煤岩截割载荷识别结果。……