王 茜，田慕琴，宋建成，贺 颖，冯君玲，吝伶艳

(1.太原理工大学 矿用智能电器技术国家地方联合工程实验室,太原 030024；2.太原理工大学 煤矿电气设备与智能控制山西省重点实验室,太原 030024)

岩巷掘进机由于其有截割能力强等优点成为我国煤岩巷道开采的主要设备[1]。但是由于掘进机工作环境恶劣，司机视野受限，传统掘进机智能化水平偏低，司机无法根据掘进机状态及时准确地调整截割头各项参数，导致掘进机截齿受损，功率超限，寿命降低，因此提高掘进机智能化水平变得尤为重要[2]。截割头动载荷识别是实现掘进机智能化的必要前提，而载荷的变化势必会引起截割头振动信号的变换，因此，通过对振动信号的变化分析可以完成掘进机动载荷的识别[3]。

特征提取是掘进机截割头振动信号分析的重要一步，可以对掘进机所切割岩壁的硬度进行明显划分[4]。近年来，常用的振动信号提取方法主要以小波包分解为基础进行变换。然而这些方法虽在一定程度上实现了掘进机振动信号去噪与特征量提取，并取得了较好的效果，但很大程度是依赖于最优小波基函数以及信号分解层数的选择[5]，且当信号幅值发生剧烈变化时，具有很大的局限性[6]。

经验小波变换(empirical wavelet transform，EWT)是由Gilles基于小波变换和窄带信号分析理论提出来的，通过建立自适应小波滤波器组来提取信号幅度和频率调制分量[7]。近年来，通过国内外学者的不断研究，该方法以其计算方便等优点被广泛应用于各个领域。……