典型文献
基于声音特征的煤矿瓦斯和煤尘爆炸识别方法
文献摘要：
为尽早发现瓦斯和煤尘爆炸事故,提出了基于声音特征的煤矿瓦斯和煤尘爆炸的识别方法:利用矿用拾音器实时采集监控区域声音,通过双树复小波变换,提取分解分量的能量熵比值,构成声音信号的特征量,带入极限学习机(ELM)建立识别模型.通过特征提取试验得到:瓦斯和煤尘爆炸声音的各分量能量熵比值跨度起伏小,整体稳定;煤矿井下其余声音的能量熵比值跨度起伏大.采用ELM模型参数进行试验得到:随着隐含层神经个数的增加,ELM分类器的训练精度不断提升,分类器的误差不断降低,当隐含层神经元个数为20个时,ELM网络的训练精度趋于稳定.识别结果表明:识别模型对训练样本的识别率稳定在98.89％,模型平均识别率为93.5％,能够满足煤矿安全生产和应急救援需求.
文献关键词：
声音识别;煤矿瓦斯和煤尘爆炸;双树复小波;能量熵比值;极限学习机
中图分类号：
作者姓名：
孙继平;余星辰
作者机构：
中国矿业大学(北京)机电与信息工程学院,北京 100083
文献出处：
引用格式：
[1]孙继平;余星辰-.基于声音特征的煤矿瓦斯和煤尘爆炸识别方法)[J].中国矿业大学学报,2022(06):1096-1105
A类：
煤矿瓦斯和煤尘爆炸,能量熵比值
B类：
早发现,爆炸事故,矿用,拾音器,实时采集,双树复小波变换,取分,声音信号,特征量,带入,极限学习机,ELM,识别模型,提取试验,爆炸声,整体稳定,煤矿井下,隐含层,分类器,训练样本,识别率,模型平均,煤矿安全生产,应急救援,声音识别
AB值：
0.211897
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。
