第1章绪论
　　中国作为煤炭大国，煤炭存储量和年煤炭产量均居世界前列 [1， 2]。煤炭作为中国的主要能源，既是主要的燃料，也是重要的工业原料。 20世纪 80年代，中国提出能源工业的成长和建设要以电力为中心，以煤炭为根基。近年来，中国经济的快速发展，对煤炭能源的需求也不断增大，世界主要国家煤炭储量占比如图1.1所示。 2020年世界各国的煤炭总产量约为 74.38亿 t，而仅仅中国一个国家的煤炭产量就达到 38.4亿 t，煤炭消费量高达 49.8亿 t，其产量和消费量均占世界煤炭总产量和消费量的一半以上。而在中国能源消费结构中，煤炭的消费比重更是高达 64%，远远超过全世界 30%的煤炭消费平均水平。
　　图1.1世界主要国家煤炭储量占比
　　中国的煤炭资源分布面广。在全国 2800多个县中， 1200多个县具有预测储量，从煤炭资源分布地区来看，华北地区*多，占全国保有储量的 49.25%;其次为西北地区，占全国的 30 . 39%;之后依次为西南地区，占 8 . 64%，华东地区，占5.69%，中南地区，占 3.06%，东北地区，占 2.97%。中国煤炭资源分布范围广泛，地质条件错综复杂，导致煤矿安全问题一直是制约煤矿开采效率和影响煤炭产量的首要难题。
　　2004~2020年全国煤矿死亡人数及百万吨死亡率如图1.2所示。 2004年，全国煤矿死亡 6027人，百万吨死亡率为 3.08;随着新技术的引进和安全操作规范的形成，年煤矿死亡人数和百万吨死亡率总体是下降趋势。 2009年，全国煤矿死亡 2630人，百万吨死亡率为 0.892; 2019年，全国煤矿死亡 316人，百万吨死亡率为 0.0830 2020年，全国煤矿死亡 225人，百万吨死亡率为 0.0580 2021年，全国煤矿死亡 503人，百万吨死亡率为 0.0440虽然年煤矿死亡人数和百万吨死亡率呈逐年递减趋势，但与发达国家相比，在年煤矿死亡人数和百万吨死亡率控制上仍存在相当大的差距，煤炭开来行业在中国仍然属于高危行业。
　　图1. 2 2004~2020年全国煤矿死亡人数及百万吨死亡率
　　综采工作面作为煤炭开来的主要区域，其空间狭窄、重型机械装备多、噪声大、粉尘浓度较高，是煤矿事故的高发地带，容易发生粉尘爆炸、局部冒顶、大面积切顶、垮面等事故[3-5]，造成严重的人员伤亡和财产损失。因此，提高综采工作面机械设备的自动化、智能化水平，*大限度地降低工作面开采作业的人数，是煤矿开采亟须解决的问题。
　　1.1 煤岩识别研究现状
　　煤岩界面快速、准确识别是实现采煤机智能调高控制、综采工作面自动化、智能化的主要阻碍之一。在现有的采煤机滚筒调高控制方法中，记忆存储截割技术是目前少数国家采用的调高控制技术，其主流仍是采用于动操作，即依靠现场采煤机操作人员的视觉观察和截割噪声来判断当前采煤机滚筒的截割介质情况。然而在实际截割过程中，工作面中会产生大量粉尘，如图1.3所示，粉尘显著地降低能见度，且采煤机械自身产生很大的噪声，现场工作人员很难及时、准确地判断出滚筒当前的截割状态 [6]。尤其是在薄煤层工作面上，现场操作人员行走不便，很难及时地对滚筒的截割高度进行调节，此时一旦遇到岩层，滚筒常常会截割进入岩石，造成截齿的严重磨损[78]，如图1.4所示。截割岩石产生的粉尘既影响现场操作人员的身体健康，又遮挡工作视线:如果矿井中瓦斯浓度较高，岩石截割过程中产生的火花易引发爆炸等恶性事故[10-14];如果振动非常剧烈，则会引起大面积的顶岩崩塌，顶岩的大量崩落会使岩石混入原煤中，造成原煤质量下降:如果滚筒调高控制不当会造成留煤过厚，降低回采率[15-17]。
　　图1.3采煤机截割工况及综采面粉尘特征
　　(a)正常磨损 (b)齿体早期磨损(c)合金头单面磨损 (d)完全磨损图1.4不同磨损程度截齿
　　图1. 5记忆截割方法
　　陈延康等[22]根据采煤机截割过程中截割力的响应变化，对煤岩的分界进行区分和辨识，同时设计开发记忆截割程序对识别到的煤岩分界面进行有效跟踪，通过对当前煤岩截割工况的截割力进行逐点对比，采用 MFIC软件分析滚筒当前的垂直位置以便进行后续的记忆截割控制。该成果为我国实现煤矿自动化开采提供了重要的技术支撑。
　　为了实现井下机器人式自动化、无人化和智能化开采，提高采煤机的开采效率，近年来，随着科学技术水平不断提高，国内外专家学者针对煤岩界面识别方法进行了大量深入的研究，其研究的切入点主要包括以下四方面内容:一是煤岩截割特性的识别理论研究:二是煤岩物理特征的识别理论研究:三是煤岩识别实验及信号提取方法研究:四是多信息融合的智能辨识理论研究。
　　1.煤岩截割特性的识别理论研究
　　煤岩截割特性是实现煤岩识别的重要方法。在煤岩截割过程中，煤岩反作用于采煤机，采煤机的电流、功率、转矩、扭矩、振动等参数也发生变化，这些参数可直接反映出当前采煤机的截割介质。
　　Muro等 [23， 24]通过实验分析，确定截割速度与比能耗之间具有双曲线关系: T让yaki和 Cagatay[25]对煤岩性能和比能耗之间的关系进行深入研究，发现煤岩的截割比能耗与抗压强度呈线性变化关系。
　　刘芮霞等[26]根据刨煤机刨刀截割煤岩阻力谱及截割机理，辨识出刨头破碎煤

目录
前言
第1 章绪论-
1.1 煤岩识别研究现状 2
1.2 采煤机调高控制研究进展 14
1.3 特征信号提取与识别理论 18
1.3.1 信号时域分析 18
1. 3.2 信号的频域分析 19
1.3.3 信号小波包分析 20
1.4 多信息融合识别理论 22
1.5 主动红外感知理论 26
参考文献 28
第2 章采煤机媒岩截割特征信号分析 34
2.1 采煤机截割三向振动信号 34
2.1.1 振动信号基础
2. 1.2 采煤机滚筒振动 36
2.2 采煤机滚筒截割负载扭矩信号 37
2.3 煤岩破碎声发射特征信号 41
2.4煤岩截割红外图像与闪温特征 44
2.5 采煤机截割电流信号 45
参考文献 47
第3 章煤岩截割特征信号提取与识别 49
3.1 多截割特征信号的测试与提取方法 49
3.1.1 采煤机机械结构分析与实验台构建 49
3. 1.2 实验台控制系统 51
3.1.3 数据测试、采集与分析系统 52
3. 1.4 煤岩试件制各及性质测定 58
3.2 煤岩截割电信号时域分析 61
3.3 煤岩截割红外特征与闪温分析 69
3 .4煤岩截割声发射信号特征提取 78
3.5 煤岩截割振动信号分析与特征提取 87
3.6 多截割信号特征数据库构建 95
参考文献 102
第4 章基于D-S 证据理论的煤岩界面动态识别 104
4.1 多截割特征信号隶属度函数优化模型 105
4.1.1 基于*小模糊婉的隶属度函数 105
4. 1.2 因0-*小模糊煽多传感特征隶属度函数优化求解 108
4.2 模糊D-S 证据理论信息融合决策模型 112
4.2.1 基本概率分配函数 112
4.2.2 D-S 证据理论信息融合规则 113
4.2.3 D-S 证据理论融合决策准则 115
4.3 模糊D-S 证据理论信息融合决策模型校验 116
4.4 识别特征信号权值优化及修正 117
4.4.1 基于模糊隶属度的权值优化 117
4.4.2 局部证据体商神突权值修正 119
4.5 随机煤岩界面截割特征提取与融合识别 128
4.5.1 随机煤岩界面截割特征信号提取 128
4.5.2 单一特征信号与多信息融合识别结果对比分析 130
4.6 基于识别目标信度值优化的煤岩界面识别 134
4.7 现场工业性实验验证 137
4.7.1 含岩模拟煤壁挠筑 137
4.7.2 整机实验系统及实验测试 138
4.7.3 融合识别结果分析 140
4.8 截齿损耗对煤岩界面识别精度影响分析 142
4.8.1 截齿损耗对截割特征信号影响分析 142
4.8.2 不同磨损程度截齿截割特征信号分析 144
4.8.3 基于*小模糊婉的隶属度函数优化 146
4.8.4 实验测试与分析 146
参考文献 150
第5 章非接触式主动热激励媒岩虹外感知 152
5.1 无损检测技术 152
5.1.1 无损检测技术概论 152
5.1.2 主动热激励红外检测技术 154
5.2 主动热激励煤岩红外热成像提取 155
5.2.1 主动热激励煤岩红外热成像装置 155
5.2.2 主动热激励红外热成像提取 156
5.3 不同时空特性煤岩热激励温升表征 157
5.3.1 时间效应分析 158
5.3.2 空间效应分析 160
5.4 煤岩表面红外温度衰减规律分析 162
5.4.1 煤岩红外温降的红外图像 162
5.4.2 煤岩红外温度衰减规律分析 164
5.5 煤岩红外图像分割及去噪处理 166
5.5.1 图像分割算法分类 166
5.5.2 煤岩红外图像分割 168
参考文献 171
第6 章基于主动激励红外圈像的煤岩界面识到技术 172
6.1 主动激励红外煤岩识别实验系统 173
6.1.1 煤岩识别影响因素及边界条件分析 173
6.1.2 实验台设计与构建 173
6.1.3 煤岩试件挠筑 174
6.2 多影响因素参数藕合优化分析 175
6.2.1 主动激励红外图像采集正交实验设计 176
6.2.2 红外图像测试正交实验 183
6.2.3 煤岩红外图像界面提取 185
6.2.4 正交实验识别精度结果分析 188
6.2.5 基于*优组合的参数优化 196
6.3 基于主动激励红外图像的煤岩界面识别与精度分析 210
6.3.1 实验测试与图像分割 210
6.3.2 精度分析 212
6.4 局部*优参数影响分析及解决方案 213
6.4.1 煤岩界面识别精度影响因素及边界条件 213
6.4.2 多参数稿合优化模型 214
6.4.3 基于多影响因素*优组舍的参数优化 218
6.4.4 实验对比分析 221
参考文献 222
第7 章结论与技术创新 224
7.1 结论 224
7.2 技术创新 226