典型文献
基于随钻振动信号对钻进介质的识别研究
文献摘要：
钻孔机器人钻进过程中,随钻信息的精确采集和处理对提高作业效率、降低安全隐患、优化钻孔技术具有显著的社会经济价值.基于砂岩、沉积岩、花岗岩、石英岩在不同钻压条件下的振动信号,通过时频处理提取关于振动信号的50个特征值,应用LDA+PCA的降维方法获取特征向量,建立钻头信号的"指纹"信息,通过CNN(Convolutional Neural Networks,卷积神经网络)对"指纹"进行识别预测,提出一种多源振动信号特征提取识别方法.实践结果表明,能够对钻头信号特征进行高精度识别,综合识别率为83.3％.为钻进介质种类识别提供可靠信息源,这对提高地下矿山掘进和开采效率及安全钻进工作具有指导意义.
文献关键词：
振动信号;降维方法;特征识别;LDA+PCA;CNN
中图分类号：
作者姓名：
李彦忠;胡坤;汪浅予
作者机构：
安徽理工大学 机械工程学院,安徽 淮南232001;安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室,安徽 淮南232001
文献出处：
引用格式：
[1]李彦忠;胡坤;汪浅予-.基于随钻振动信号对钻进介质的识别研究)[J].煤矿机电,2022(02):1-5,16
A类：
随钻振动,LDA+PCA
B类：
振动信号,钻孔机器人,钻进过程,随钻信息,高作,作业效率,钻孔技术,砂岩,沉积岩,花岗岩,石英岩,压条,时频,降维方法,特征向量,钻头,指纹,Convolutional,Neural,Networks,信号特征提取,实践结果,高精度识别,综合识别,识别率,种类识别,信息源,地下矿山,掘进,开采效率,安全钻进,特征识别
AB值：
0.432542
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
