基于声发射信号的煤岩界面识别研究

第３ｌ卷・第２期　电子测量与仪器学报　ｊｏＵＲＮＡＬ　ＯＦ　ＥＬＥＣＴＲ０ＮＩＣ　ＭＥＡｓＵＲＥＭＥＮＴ　ＡＮＤ　ＩＮｓＴＲＵＭＥＮＴＡＴＩｏＮ　％ｆ．３１　Ｎｏ．２　２３０・　２０１７年２月　ＤＯＩ：１０．１３３８２／ｊ．ｊｅｍｉ．２０１７．０２．０１０　基于声发射信号的煤岩界面识别研究　张（１．辽宁工程技术大学机械工程学院强　。　张石磊　王海舰　赵阜新轲　宋振铎　大连　１　１６０２３；　１２３０００；２．大连理工大学工业装备结构分析国家重点实验室３．重庆大学机械传动国家重点实验室摘重庆４０００４４；４．中国煤矿机械装备有限责任公司北京１０００１　１）　要：为实现采煤机煤岩截割过程中滚筒高度的自动调节控制，提出一种基于声发射信号的煤岩界面动态识别方法，测试和　提取不同煤岩截割比例条件下的声发射特征信号。采用时域分析方法得到不同工况下的时域指标，采用小波分析方法提取煤　岩截割的声发射信号特征值，建立不同煤岩截割比例条件下声发射信号的最小隶属度函数，实现煤岩截割比例的实时在线监　测。实验室截割实验测试结果表明，滚筒实际煤岩轨迹与截割煤岩轨迹之间差值的平均值、方差、标准差很小。实验结果验证　了该识别系统的精确性与可靠性。　关键词：采煤机；煤岩识别；声发射信号；时域分析；小波分析；隶属度函数　中图分类号：ＴＤ６７；ＴＮ９１１．７３　文献标识码：Ａ　国家标准学科分类代码：４６０．４０２０　Ｓｔｕｄｙ　ｏｎ　ｉｄｅｎｔｉｉｃａｔｉｏｎ　ｏｆ　ｃｏａｌ・ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ　ｂａｓｅｄ　ｏｎ　ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｓｉｇｎａｌ　ｆＺｈａｎｇ　Ｑｉａｎｇ　＇　＿。Ｚｈａｎｇ　Ｓｈｉｌｅｉ　Ｗａｎｇ　Ｈａｉｊｉａｎ　Ｚｈａｏ　Ｋｅ　Ｓｏｎｇ　Ｚｈｅｎｄｕｏ　（１．　Ｃｏｌｌｅｇｅ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｌｉａｏｎｉｎｇ　Ｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｘｉｎ　１２３０００，Ｃｈｉｎａ；　２．Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｓｔｒｕｃｔｕｒａｌ　Ａｎａｌｙｓｉｓ　ｆｏｒ　Ｉｎｄｕｓｔｒｉａｌ　Ｅｑｕｉｐｍｅｎｔ，Ｄａｌｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ　ｌ　１６０２３，Ｃｈｉｎａ；　３．Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｔｒａｎｓｍｉｓｓｉｏｎ，Ｃｈｏｎｇｑｉｎｇ　４０００４０，Ｃｈｉｎａ；　４．Ｃｈｉｎａ　Ｎａｔｉｏｎａｌ　Ｃｏａｌ　Ｍｉｎｉｎｇ　Ｅｑｕｉｐｍｅｎｔ　Ｃｏ．Ｌｔｄ．，Ｂｅｉｊｉｎｇ　１０００１　１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｏ　ｒｅａｌｉｚｅ　ｔｈｅ　ａｕｔｏｍａｔｉｃ　ａｄｊｕｓｔｍｅｎｔ　ｃｏｎｔｒｏｌｌｉｎｇ　ｔｈｅ　ｈｅｉｇｈｔ　ｏｆ　ｔｈｅ　ｒｏｌｌｅｒ　ｉｎ　ｔｈｅ　ｃｕｔｔｉｎｇ　ｐｒｏｃｅｓｓ　ｏｆ　ｔｈｅ　ｓｈｅａｒｅｒ，ａ　ｄｙｎａｍｉｃ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ｍｅｔｈｏｄ　ｏｆ　ｃｏａｌ—ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ　ｂａｓｅｄ　ｏｎ　ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｓｉｇｎａｌ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｔｅｓｔ　ａｎｄ　ｅｘｔｒａｃｔ　ｔｈｅ　ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｓｉｇｎａｌｓ．Ｕｓｉｎｇ　ｔｉｍｅ－ｄｏｍａｉｎ　ａｎａｌｙｓｉｓ　ｍｅｔｈｏｄ　ｇｅｔｓ　ｔｈｅ　ｔｉｍｅ　ｄｏｍａｉｎ　ｉｎｄｅｘｅｓ　ｕｎｄｅｒ　ｔｈｅ　ｄｉｆｆｅｒｅｎｔ　ｃｏｎｄｉｔｉｏｎｓ，ｕｓｉｎｇ　ｗａｖｅｌｅｔ　ａｎａｌｙｓｉｓ　ｍｅｔｈｏｄ　ｅｘｔｒａｃｔｓ　ｔｈｅ　ｃｏａｌ—ｒｏｃｋ　ｃｕｔｔｉｎｇ　ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｓｉｇｎａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｖａｌｕｅ．Ｔｈｅ　ｄｉｆｆｅｒｅｎｔ　ｃｏａｌ—ｒｏｃｋ　ｃｕｔ　ｒａｔｉｏ　ｕｎｄｅｒ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｏｆ　ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｓｉｇｎａｌ　ｏｐｔｉｍａｌ　ｍｅｍｂｅｒｓｈｉｐ　ｆｕｎｃｔｉｏｎ　ｉｓ　ｅｓｔａｂｌｉｓｈｅｄ　ｔｏ　ｄｙｎａｍｉｃ　ｍｏｎｉｔｏｒｉｎｇ　ｃｏａｌ　ａｎｄ　ｒｏｃｋ　ｒａｔｉｏ，ｔｈｅｎ　ｔｈｅ　ｐｕｒｐｏｓｅ　ｏｆ　ｃｏａｌ—ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ｉｓ　ａｃｈｉｅｖｅｄ．Ｔｈｅ　ｒｅｓｕｈｓ　ｏｆ　ｌａｂｏｒａｔｏｒｙ　ｔｅｓｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅｒｅ　ｉｓ　ｌｉｔｔｌｅ　ｄｉｆｆｅｒｅｎｃｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｔｒａｊｅｃｔｏｙ　ｒｏｆ　ｔｈｅ　ｒｏｌｌｅｒ　ａｎｄ　ｔｈｅ　ｃｏａｌ—ｒｏｃｋ，ａｎｄ　ｔｈｅ　ｅｘｐｅｉｒｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｖｅｒｉｆｙ　ｔｈｅ　ａｃｃｕｒａｃｙ　ａｎｄ　ｒｅｌｉａｂｉｌｉｔｙ　ｏｆ　ｔｈｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ．　Ｋｅｙｗｏｒｄｓ：ｓｈｅａｒｅｒ；ｃｏａｌ—ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ；ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｓｉｇｎａｌ；ｔｉｍｅ—ｄｏｍａｉｎ　ａｎａｌｙｓｉｓ；ｗａｖｅｌｅｔ　ａｎａｌｙｓｉｓ；ｍｅｍｂｅｒｓｈｉｐ　ｆｕｎｃｔｉｏｎ　岩的混合开采，影响煤炭的纯度，且夹矸和岩石的结构材　１　引　言　质较硬，对采煤机的截齿造成严重磨损甚至失效，增加采　煤成本，降低采煤机截割效率，不利于煤炭行业的长期发　采煤机是综采工作面的主要开采设备，采煤机的工　作效率是决定整个煤矿产量与收益的关键…。然而综采　面的煤层走向复杂，在采煤机开采过程中势必会造成煤　收稿日期：２０１　６－０９　Ｒｅｃｅｉｖｅｄ　Ｄａｔｅ：２０１６－０９　展　。由于井下煤层走向复杂，其中的夹矸与岩石的分　布具有随机性，没有具体的规律可循，因此如何快速有效　地动态识别煤岩分界面，实现采煤机滚筒的自动调高控　基金项目：国家自然科学基金（５１５０４１２１）、辽宁省自然基金（２０１６０ｌ３２４）、机械传动国家重点实验室开放基金（ＳＫＬＭＴ　ＫＦＫＴ－２０１５１５）资助项目　第２期　丛＿Ｆ声发射信号的煤岩界　ｉ４，ｔＹＪＩＪ研究　・２３ｌ－　制，成为当今煤炭行业亟待解决的＾一Ｊ题　。、　．　探、海底探测等领域应川广泛　。。，本义提　了一种基丁　煤柑　而的动态识圳是实现采煤机滚简自动训高和　Ｊ＊发射信　・的煤岩界面动态识圳方法．．通过实验室模拟　综采自动化的重要手段，更是保障有效避开截割过程　”　实验，采』｝Ｊ时域分析、频域分析的方法分析采煤机不同煤　夹矸与岩　断层的关键技术　对此，旧『人Ｊ外的号家学者　岩比例条件下截割的声发射信号，得到相应工况下的特　仃】分别尝试＿ｒ射线探测法、雷达探洲法、粉尘检测识别　值样本，接着将这　样本作为采样参数建立隶属度函　法、振动测试法和光纤探测法等方法“。１　增才等人　数，通过　数反推出不同信号Ｆ的煤抖比，从而确定煤岩　利川的射线探测法包括＾ｙ背散射法与天然　射线法，为　面分　，勾煤岩识别研究提供丁新的依据方法　煤岩界面的识别提供了理论基础。　听等人　运用雷达　探测法，结合　Ｈ达方程分析ｒ占达波　建●　模型中的散　２实验台构建　射规律，提ｆＩＩ　Ｊ　煤岩界面雷达　波强度的　一算方法并以　此为依据进行煤岩的识别　激光粉尘探洲法是通过粉尘　为　脱煤岩界面动态识圳过　『ｆ１的声发射信号采集　ｒｆＩ煤与岩７Ｔ成份含量之比来推断滚筒足　切入顶岩　陔　ｒ　作，搭建如图１所示的煤岩截割实验台，实验台所Ｈｊ的　法小能推断顶煤厚度，仪能识圳俄ｆ灯是否切入顶　截割电机‘　蜗轮蜗杆减速器之问的传送方式采用传送带　岩　刘俊利等人　提ｍ一种，ｌｆＪ』｛ｊ采　机滚筒截割振　的连接力‘Ｊ｜＝，这是为了有效防止…ｊ：械荆阻力过大导致　动信号束进行煤岩界面辅助识）ｊｌＪ的方法，通过检测采煤　械割Ｉ乜机堵转造成过载烧毁的现象；带仃截齿的滚筒截　机截街，摇臂，凋高油缸压力，转轴及机身的振动信号，经　割速度址通过变频器来渊节截割电机的转速来实现；　２０分忻处朋！来判断采煤机是台切割剑　；－４＂ｉ，从而识刖ｍ　文验所Ｊ｝Ｊ的蜗轮蜗杆减速器装备的减速比为３８：ｌ，ｎｆ　煤　面　Ｉ：分析可得，非接触式探洲足解决煤岩识　以达剑降低采煤机滚筒的转速，增大滚筒的负载转矩　别问题的彳丁效手段。鉴于声波探测住　ＩＪ；＝、医学、地震勘　的功能　冈１　煤　俄剂　验　Ｆｉｇ．１　Ｅｘｐｅｒｉｍｅｎｔａｌ　ｐｌａｔｆｏｔ’ｌ『１　ｆ　ｌｒ（‘（Ｉａｌ—ｒｔ）（‘ｋ　ｃｕｔｔｉｎｇ　煤　截割实验台由煤岩试件、截街蜗轮蜗杆减速　器、传送带、驱动电机、截剂电机、行走滑块、滑轨等组　３数据测试与分析　成。根据实验材料相似原则，笔者采Ｈｊ沙子、水泥、煤　块浇筑５块　寸为６００　ＩｌｌＩｌｌ　Ｘ　２００　ＩＩ１１１１　Ｘ　５００　ＩＩＩＨＩ的不同　３．１　声功率谱信号测试　煤岩比例试件，将浇筑的材料均匀搅拌后放入准备好　煤柑敲割过程【ｆ，，提取…可靠准确的声功率谱信　的不同比例模具中进行塑性以及十燥处卵。实验截割　号足决定实验可信与否的关键，在实验过程巾，滚筒在截　滚筒直径为ｌ　８０　ＩＩＩＨＩ，驱动电机额定功率为１００　Ｗ，额定　割煤和截割岩石时，『＿ｆ１于煤　的结构组织不同，采煤机的　电流为Ｏ．４　Ａ，额定转速为３０　ｒ／ｒａｉｎ．输出转矩为　切割状态必然不同，随之接收到的声信号也会有较大差　３００　ｋｇ・ｔｉｌｌ　声发射信号采用ＳＡＥＵ２Ｓ　发射系统进行　别　、ｌ本文分别对煤岩比ｌ：０、２：１、ｌ：ｌ、１：２、０：ｌ五种实　采集．　．验条件下的声发射信号进行采集与分析，由于实验数据众　多．各选取每种Ｔ况下一组声波信号，如『皋１　２所示。　・２３２・　电子测量与仪器学报　第３１卷　ｆ　＞　０．３　０．６　Ｏ　４　０　２　＞０　Ｉ　昌　耋。　－耋　。　粤一０　ｌ　名０．２　０　｜１．．Ｉ　ｉ　ｌ　１１Ｉ　Ｉ　『　采样时ｆｕＪ／ｍｓ　（ｅ）煤岩比０　Ｉ　坚一０．２　一０　Ｉ｝　ｆ｝ｊ＝１＿孵　Ｏ　２　Ｏ　４　０　６　一Ｏ　３　６Ｏ　８Ｏ　ｌＯＯ　ｌ２Ｏ　采样时Ｍ／ｍｓ　（ｂ）煤　ｌＬ２：１　ｂ）Ｃｏａｌ—ｒｏｃｋ　ｒａｔｉｏ２　采样ＩＩ、Ｊｎｑ／ｍｓ　（ｃ）煤　比Ｉ：１　（ｃ）Ｃｏａｌ－ｒｏｃｋ　ｒａｔｉｏ１：　采样时ＯＯ／ｍｓ　《ｄ）．１＝！ｌ５　比Ｉ　２　（ｄ）Ｃｏａｌ－ｒｏｃｋ　ｒａｔｉｏｌ：２　（ｅ）Ｃｏａｌ—ｒｏｃｋ　ｒａｔｉｏＯ　图２　５种Ｔ况下的声波信号　Ｆｉｇ．２　Ａｃｏｕｓｔｉｃ　ｗａｖｅ　ｓｉｇｎａｌｓ　ｕｎｄｅｒ　ｆｉｖｅ　ｃｏｎｄｉｔｉｏｎｓ　３．２数据分析与处理　为实现声波信号南时域到频域的转换，将上述５组　声发射信号进行快速傅里叶变换，图３所示为５组不同　煤岩比例工况下经过傅里叶变换后的频谱图。　０　００　频率／ｋＨｚ　｛ｅ）煤　Ｅ　Ｏ：１　＞　ｅ１　Ｃｏａ１．ｒｏｃｋ　ｒａｌｉｏ　０　善　Ａ，　孽　＞ｕｌ，　挛　０　罔３声发射信号频谱图　Ｆｉｇ．３　Ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏ￣ｌ　ｓｉｇｎａｌ　ｓｐｅｃｔｒｕｍ　２５　５（）　７５　ｌＯ０　ｌ２５　ｌ　５０　ｌ　７５　２００　２２５　蝴率／ｋＨｚ　（ａ）煤　比ｌ：Ｏ　（ａｌ　Ｃｏａｌ—ｒｏｃｋ　ｒａｔｉｏ　Ｉ：Ｏ　０　Ｏ０　由图３可知５组声发射信号主要分布在１００～　２００　ｋＨｚ，并在１２５　ｋＨｚ左右达到峰值，且随着煤岩比的　降低，其幅值近似成线性变化，如图４所示。　＞　｝　０　００４　孽　（）　２５　５Ｏ　７５　ｌ００　ｌ２５】５０　１　７５　２００　２２５　ｉ　１。。　０　００３　＞　频率／ｋＨｚ　（ｂ）煤　比２：１　ｉ　ｂ１　Ｃｏａｌ—ｒｏｃｋ　ｒａｔｉｏ　２　ｌ　０　００２　耍０　００２　Ｏ　Ｏ０　＞　０　（）　２　ｌ　１　ｌ　ｌ　２　０　煤　比　一　．．图４频谱幅值变化曲线　Ｆｉｇ．４　Ｓｐｅｃｔｒａｌ　ａｍｐｌｉｔｕｄｅ　ｖａｒｉａｔｉｏｎ　ＣＨＩＶｅ　０　２５　５０　７５　１００　ｌ２５　ｌ５Ｏ　ｌ　７５　２００　２２５　顿率／ｋＨｚ　（ｃ１煤　ＨＥ１　１　（ｃ）Ｃｏａｌ－ｒｏｃｋ　ｒａｔｉｏ　１：１　０　００３　在实验测试中，声发射信号源错综复杂，需要对信　号进行进一步去燥处理，因此，采用小波分析方法对煤　岩截割特征信号进行特征提取。小波分析包含多分辨　率分析和小波包分析两方面，多分辨率分析在处理信　ＩＩｉＬ　Ｏ　号的时候常对信号的低频部分进行分解，高频部分保　持不变，因此，对在一些特定的时间或是特定的频率信　号进行分析时，需要尽可能地提高频域分辨率。这时　采用小波包分析可以有效克服多分辨率分析的局限　２５　５Ｏ　７５　ｌ０Ｏ　１２５　１　５０　ｌ７５　２００　２２５　频率／ｋＨｚ　（ｄ）煤　比１：２　ｆｄ１　Ｃｏａｌ・ｒｏｃｋ　ｒａｔｉｏ　Ｉ　２　第２期　基于声发射信号的煤岩界面识别研究　・２３３・　性，可以对信号更加精准的分析，无论是高频还是低频　都可以进行多层面划分处理　。将其表示为分解树的　形式如图５所示。分解关系表示为Ｓ＝ｄｌ＋　＋ｄ３＋　Ⅱ３。　对于一个确定的系统，当系统工作时，其对应的相　频特性、幅频特性以及传递函数都是确定的，而本实验　主要针对的是声信号的幅频特性，其主要表现为对各　种频段的输人信号具有不同的增强和抑制作用，当输　入信号的强度发生变化时，因为系统对一定频率部分　有显著的增强作用，对另一部分有抑制作用，所以当输　入信号发生变化，在频带相同的情况下其信号具有较　大差别能量，转化为实际情况就是那些频带的信号强　度变化敏感。　由于采用离散小波变量、并考虑到其噪声干扰较大、　防止小波分解及重构时发生失真的现象，因此本次实验　采用Ｄａｕｂｅｃｈｉｅｓ小波函数，经过多次的相关实验确定，对　实验所得声发射信号进行３层分解　。因口３、ｄ３波形　图幅值很小都在０．１　ｍＶ以下不适从中提取特征值信号，　图５小波包分解树　Ｆｉｇ．５　Ｗａｖｅｌｅｔ　ｐａｃｋｅｔ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ　ｔｒｅｅ　故只列出分解后的原始声发射信号以及ｄ１、　波形图如　图６所示。　Ｏ　０　一Ｏ　０　时间／ｍｓ　时间／ｍｓ　ｆａ１煤岩比１：０　ｒａ１　ｃｏａｌ－ｒｏｃｋ　ｒａｔｉｏ　１：Ｏ　０　２　０　１　０　一０　２　０　１　０　一０　２　０　１　０　一Ｏ　ｌ　０　２　Ｏ　１　０　２　Ｏ　１　—一—０　２　０　２０　４０　０　２０　４０　０　２Ｏ　４０　时间／ｍｓ　时间／ｍｓ　时间／ｍｓ　（ｂ）煤岩比２：１　（ｂ）ｃｏａｌ－ｒｏｃｋ　ｒａｔｉｏ　２：１　０　３　０　２　０　０　０　１　０　～～０　０　—０　０　—～Ｏ　１　０　２　０　３　—－０　０　０　—０　０　—０　时间／ｍｓ　（ｃ　煤岩比１：１　（ｃ）ｃｏａｌ－ｒｏｃｋ　ｒａｔｉｏ　１：１　。　－０ｔ－一　—　—舳　０　２．　一—０　４　Ｆ－　　。　ｆ　ｌｊ’１　ｖ　—————　————————Ｌ——　—————　Ｌ——————　时间／ｍｓ　时间／ｍｓ　（ｄ）煤岩比１：２　（ｄ１　ｃｏａｌ－ｒｏｃｋ　ｒａｔｉｏ　１：２　・２３４・　电子测量与仪器学报　第３１卷　０　６　０　４　０　２　０　０　６　－－０　２　０　４　０　６　—－一０　４　０　２　０　０　２　０　４　Ｏ　６　Ｏ　６　０　４　Ｏ　２　０　４　０　６　２　时问／ｍｓ　－时间／ｍｓ　时Ｉ＇ｎ］／ｍｓ　ｆｅ）煤岩比０：１　ｒｅ）ｃｏａｌ　ｒｏｃｋ　ｒａｔｉｏ　Ｏ：１　图６声信号小波分解后各尺度重构波形　Ｆｉｇ．６　Ｒｅｃｏｎｓｔｒｕｃｔｅｄ　ｗａｖｅｆｏｒｍ　ｏｆ　ｅａｃｈ　ｓｃａｌｅ　ａｆｔｅｒ　ｗａｖｅｌｅｔ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ　ｏｆ　ａｃｏｕｓｔｉｃ　ｓｉｇｎａｌ　由图６分析可得，ｄｌ、　波形图幅值较大，其所占能　量相对较高，所以对其进行特征值的提取是十分可靠的。　根据图６提取特征值建立其数据信号的特征值样本如表　１所示，再根据这些特征样本值建立起声发射信号在不　同煤岩比条件下的模糊隶属度函数模型。　表１声发射信号特征值样本值　Ｔａｂｌｅ　１　Ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｖａｌｕｅ　ｏｆ　ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｓｉｇｎａｌ　（ｍＶ）　３．３隶属度函数模型构建　模糊熵是随机变量不确定性程度的一种度量，在模　糊理论当中它用来表示模糊集或模糊系统信息的模糊程　度。模糊熵值越大则表示模糊集的模糊度越大，熵值越　小则表示模糊度越小。加　。设模糊集Ｔ：ｔ　ｔ　，ｔ　，ｔ　一，　ｔ　｝的隶属度函数为　（　），ｔ取值为０或１时，模糊集并　无模糊性为分明集其模糊熵值为０，因此当ｔ　ｃ（０，１）时　其模糊熵的函数表达式为：　Ｆ（　）　［Ｕ（ｔｔ（ｔ　））十Ｖ（Ｉｘ（ｔ　））］　（１）　式中：ｕ（ｔ）＝ｔｉｎｔ，　（　）＝（１一ｔ）ｌｎ（１一￡）。　本文将煤岩截割比状态下的模糊集设为｛１：０，２：１，　１：１，１：２，０：１｝，将其用一个集合Ｑ＝｛Ｑ　，Ｑ　，Ｑ，，Ｑ　，　Ｑ　｝表示。对应的各模糊子集的隶属函数为　，、　其隶属函数图如图７所示。　图７煤岩截割比例隶属度函数　Ｆｉｇ．７　Ｍｅｍｂｅｒｓｈｉｐ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｃｏａｌ—ｒｏｃｋ　ｃｕｔｔｉｎｇ　ｒａｔｉｏ　依据最小模糊度原则，在熵表达式（１）的基础上建　立隶属度参数优化模型：　ａｒｉｎ　Ｆ（Ｑｌ，Ｑ２，Ｑ３，Ｑ４，Ｑ５）＝　面１　（　））＋　（　（ｆｆ））］＋　［　一　（ｔ　）］　（２）　式中：Ｎ表示模糊系统所有的样本特征值数目，　表示　域中　里的样本数目；ｔ　表示模糊系统中第ｉ个样本值；　ｔ　表示域中Ｑ　里的第ｉ个样本值。　，１，　≤后ｌ　｛【　，０　ｔ　，　其他　ｆ　ｔ　－ｋ１，　一＜　≤　ｚ　１【０毫，　，　。　其他　『差　＜　第２　基于声　发射信号的煤岩【捍　ｉｊｌｊｊ１研究　２３５　＜，≤　』　４（，）＝　“＜ｚ≤　５　　一一　，　．　其他　一　，　＜ｔ　／ｘ　（ｒ）＝　＜，≤　其他　与　（１）相比，式（２）前、仁部分对应整个系统的模糊　熵，这个部分＿１『以在优化过程Ｉ｛Ｉ使系统的模糊熵达到最　小，从　减小系统的模糊度　后　部分在其模糊熵基础　上增加Ｊ　卡Ｉ】心的约束相，Ｉ大Ｊ为隶属度为１时，址最理想的　状态，而约束项１一／ｘ，（ｔ．　）　Ｕ　以往降低系统模糊度的同时　使各个　独的隶属度函数　各自论域中也达到最理想状　态。　此建　、　优化模型后降低ｒ系统整体模糊度，使每　个样本ｆＩｌｉ更加接近于它的　际域，更加精准的表述其隶　属度函数　。　通过式（２）的隶属度函数优化模型，依据衷一特　样本值对隶属度函数　进行ｋ值计算，得到　力牢谱特　征参数的模糊隶属度丽数如　８所示。　Ｊ｜Ｊ发Ｉ¨＿　Ｉ＿Ｊ　ＩｆＩ￣［ｈｌｌＶ　８卢功葺《谱隶属度雨数　Ｆｉｇ．８　Ｍｅｍｔ）ｅｒｓｈｉｐ　ｆｕｎｃｔｉｏｎ　ｏｆ　ａ（！Ｏｌ￣ｓｔｉｃ　ｐｏｗｅｌ’ｓｐｅ￣。ｔｌ￣ｎ］　通过对声功率谱隶属度函数的分析，在煤岩截割过　程巾，本文控制声发射信号的幅值在０．３４４～０．３８９　ｍＶ，　此时所截割的轨迹基本属于煤岩分割轨迹。　４　实验验证　为验证慕于声发射信号煤岩动态识别系统的准确　性，进行实验室的随机煤　界面动念识别实验。根据相　似性原理，选朋煤壁６００　ｌｌｌｎｌ×４００　１３１Ｉｌｌ　Ｘ　１Ｏ０　ｌｌｌｌｌｌ内部随　机浇筑岩行断层，通过实验室戡割实验得到其煤岩轨迹　与实际煤岩轨迹如图９所永。　选取轨迹中２０个测试点，求两轨迹之间差值的绝对　值如表２所示。　～　０　０　５　０　＿¨入～＜　一　一　９煤柑哉割轨迹对比　Ｆｉｇ．９　Ｃｏｍｐａｔ’ｉｓｏｎ‘）ｆ＿（　Ｉｌｄｌ一１　ｔ）ｃ！ｋ　ｃｕｔｔｉｎｇ　ｔｒａｊｅｔ‘ｔｏｒｙ　表２广　一八　测试点数据　Ｔａｂｌｅ　２　Ｔｅｓｔ　ｐｏｉｎｔｓ　ｄａｔａ　　经计算其平均值为４．７５　Ｉｌｌ１］ｌ、方差为１．８８　ｎｌｎｌ、标准　偏差为１．３７　１３１１１１。ｌ｝１力‘燕以及标准偏差Ｉ』ｆ以看　，实验　数据与平均值差异较小，说【１月截割煤岩的动态轨迹与实　际轨迹基本一致　、证叫Ｊ　基于声发射煤　识圳的动态识　别系统的精确性与＿ｕ『靠性　１０俄割实验　Ｆｉｇ．１０　Ｃｕｔｔｉｎｇ　ｅｘｐｅｒｉｍｅｎｔ　ｄｉａｇｒａｍ　・２３６・　电子测量与仪器学报　第３ｌ卷　５　结论　通过实验采集不同煤岩比例情况下的声发射信号，　对信号进行时域分析，对声发射信号采用小波分析的方　法提取特征值样本。依据最小模糊度原则建立不同煤岩　比的隶属度函数模型，对其进行优化处理，提出一种基于　声发射信号的煤岩界面动态识别系统。　通过实验室随机浇筑煤岩式样的截割实验，证明截　割煤岩的实验轨迹与实际轨迹基本一致，验证基于声发　射信号的煤岩界面动态识别系统的可行性与准确性。为　煤岩界面识别的研究提供了新的理论方法。　参考文献　［１］方新秋，何杰．煤矿无人工作面开采技术研究［Ｊ］．科　技导报，２００８，２６（９）：５７－６１．　ＦＡＮＧ　Ｘ　Ｑ，ＨＥ　Ｊ．Ｓｔｕｄｙ　ｏｎ　ｕｎｍａｎｎｅｄ　ｗｏｒｋｆａｃｅ　ｍｉｎｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｖｉｅｗ，２００８，　２６（９）：５７－６１．　［２］郭荣斌，赵秀才．自动测试系统的发展趋势［Ｊ］．国外　电子测量技术，２０１４，３３（６）：１－４　ＧＵＯ　Ｒ　Ｂ，ＺＨＡＯ　Ｘ　Ｃ．Ｄｅｖｅｌｏｐｍｅｎｔ　ｔｒｅｎｄ　ｏｆ　ａｕｔｏｍａｔｉｃ　ｔｅｓｔ　ｓｙｓｔｅｍ［Ｊ］．　Ｆｏｒｅｉｇｎ　Ｅｌｅｃｔｒｏｎｉｃ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｔｅｃｈｎｏｌｏｇｙ，２０１４，３３（６）：１－４．　［３］　郝清玉，朱元忠，陈健．基于图像多小波变换的煤岩界　面识别［Ｊ］．工矿自动化，２０１５，４１（２）：５０—５３．　ＨＡＯ　Ｑ　Ｙ，ＺＨＵ　Ｙ　ＺＨ，ＣＨＥＮ　Ｊ．Ｃｏａｌ－ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｉｍａｇｅ　ｍｕｌｔｉ—ｗａｖｅｌｅｔ　ｔｒａｎｓｏｆｒｍａｔｉｏｎ『Ｊ］．Ｉｎｄｕｓｔ￣ａｎｄ　Ｍｉｎｃ　Ａｕｔｏｍａｔｉｏｎ，２０１５，　４１（２）：５０—５３．　［４］　张新，王正祥，武晨光，等．煤岩界面识别技术研　究［Ｊ］．煤矿机械，２０１５，３６（２）：３－５．　ＺＨＡＮＧ　Ｘ，ＷＡＮＧ　ＺＨ　Ｘ，ＷＵ　ＣＨ　Ｇ，ｅｔ　ａ１．Ｒｅｓｅａｒｃｈ　ｏｎ　ｃｏａｌ—ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｃｏａｌ　Ｍｉｎｅ　Ｍａｃｈｉｎｅｒｙ，２０１５，３６（２）：３・５．　［５］杨文萃，邱锦波，张阳，等．煤岩界面识别的声学建　模［Ｊ］．煤炭科学技术，２０１５，４３（３）：１００－１０３．　ＹＡＮＧ　Ｗ　Ｃ，ＱＩＵ　Ｊ　Ｂ，ＺＨＡＮＧ　Ｙ，ｅｔ　ａ１．Ａｃｏｕｓｔｉｃ　ｍｏｄｅｌｉｎｇ　ｏｆ　ｃｏａ１．ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ［Ｊ］．Ｃｏａｌ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，２０１５，４３（３）：１００－１０３．　［６］　王冷．基于模糊神经网络信息融合的采煤机煤岩识别　系统［Ｊ］．现代电子技术，２０１５，３８（２３）：１０６—１０９．　ＷＡＮＧ　Ｌ．Ｃｏａｌ　ｐｅｔｒｏｇｒａｐｈｙ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ｓｙｓｔｅｍ　ｆｏｒ　ｃｏａｌ　ｍｉｎｉｎｇ　ｍａｃｈｉｎｅ　ｂａｓｅｄ　ｏｎ　ＡＮＦＩＳ　ａｎｄ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｓｉｏｎ『Ｊ］．　Ｍｏｄｅｍ　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｔｅｃｈｎｉｑｕｅ，２０１５，　３８（２３）：１０６—１０９．　［７］王增才，富强．自然＾ｙ射线穿透煤层及支架顶梁衰减　规律［Ｊ］．辽宁工程技术大学学报，２００６，２５（６）：　８０４—８０７．　ＷＡＮＧ　Ｚ　Ｃ，ＦＵ　Ｑ．Ａｔｔｅｎｕａｔｉｏｎ　ｏｆ　ｎａｔｕｒａｌ＂，／ｒａｙ　ｐａｓｓｉｎｇ　ｔｈｒｏｕｇｈｃｏａｌ　ｓｅａｍ　ａｎｄ　ｈｙｄｒａｕｌｉｃ　ｓｕｐｐｏ￣［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｌｉａｏｎｉｎｇ　Ｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ，２００６，２５（６）：８０４．８０７．　［８］　王昕，丁恩杰，胡克想，等．煤岩散射特性对探地雷达　探测煤岩界面的影响［Ｊ］．中国矿业大学学报，２０１６，　４５（１）：３４－４１．　ＷＡＮＧ　Ｘ，ＤＩＮＧ　ＥＮ　Ｊ，ＨＵ　Ｋ　Ｘ，ｅｔ　ａ１．Ｅｆｆｅｃｔｓ　ｏｆ　ｃｏａｌ—　ｒｏｃｋ　ｓｃａｔｔｅｒｉｎｇ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｎ　ｔｈｅ　ＧＰＲ　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｃｏａｌ—ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ『Ｊ　１．Ｊｏｕｍａｌ　ｏｆ　Ｃｈｉｎａ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｍｉｎｉｍｇ－Ｔｅｃｈｎｏｌｏｇｙ，２０１６，４５（１）：３４＿４１．　［９］　ＹＡＮＧ　Ｗ　Ｃ，ＷＡＮＧ　ＳＨ　Ｂ．Ｃｏａｌ—ｒｏｃｋ　ｉｎｔｅｆｒａｃｅ　ｓｅｎｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ａｐｐｌｉｅｄ　ｆｏｒ　ｈｏｒｉｚｏｎ　ｃｏｎｔｒｏｌ　ｏｆ　ｍｉｎｉｎｇ　ｓｈｅａｒｅｒｓ［Ｃ］．２０１０　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｅｌｅｃｔｉｒｃａｌ　ａｎｄ　Ｃｏｎｔｒｏｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１０：５８７－５９０．　［１０］　李晋惠，于亚琳，田军委．多光路光散射扬尘检测方法　研究［Ｊ］．电子测量技术，２０１５，３８（１０）：１０１．１０５．　ＬＩ　Ｊ　Ｈ．ＹＵ　Ｙ　Ｌ。ＴＩＡＮ　Ｊ　Ｗ．Ｒｅｓｅａｒｃｈ　ｏｎ　ｍｕｌｔｒｌａｓｅｒ　ｓｃａｔｔｅｒｉｎｇ　ｄｕｓｔ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ［Ｊ］．　Ｅｌｅｃｔｒｏｎｉｃ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｔｅｃｈｎｏｌｏｇｙ，２０１５，３８（１０）：１０１・１０５．　［１１］　孙彬，李兵．一种量化的激光位移传感器倾角误差补　偿模型［Ｊ］．仪器仪表学报，２０１５，３６（５）：９９６—１００４．　ＳＵＮ　Ｂ，ＬＩ　Ｂ．Ａ　ｑｕａｎｔｉｔａｔｉｖｅ　ｅｒｒｏｒ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｍｏｄｅｌ　ａｎｇｌｅ　ｏｆ　ｔｈｅ　ｌａｓｅｒ　ｄｉｓｐｌａｃｅｍｅｎｔ　ｏｆ　ｔｈｅ　ｉｎｃｌｉｎａｔｉｏｎ　ｓｅｎｓｏｒ『Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｍａｌ　ｏｆ　Ｓｃｉｅｎｔｉｉｆｃ　Ｉｎｓｔｕｒｍｅｎｔ，　２０１５，３６（０５）：９９６—１００４．　［１２］　高昊．基于光散射原理的矿用激光粉尘浓度传感　器［Ｊ］．煤矿安全，２０１６，４７（３）：９８—１００．　ＧＡ０　Ｈ．Ｍｉｎｅ—ｕｓｅｄ　ｌａｓｅｒ　ｄｕｓｔ　ｃｏｎｃｅｎｔｒａｔｉｏｎ　ｓｅｎｓｏｒ　ｂａｓｅｄ　ｏｎ　ｌｉｇｈｔ　ｓｃａｔｔｅｒｉｎｇ［Ｊ］．Ｓａｆｅｔｙ　ｉｎ　Ｃｏａｌ　Ｍｉｎｅｓ，２０１６，　４７（３）：９８—１００．　［１３］刘俊利，赵豪杰，李长有．基于采煤机滚筒截割振动特　性的煤岩识别方法［Ｊ］．煤炭科学技术，２０１３，４１（１０）：　９３Ｉ９５．　ＬＩＵ　Ｊ　Ｌ，ＺＨＡ０　Ｈ　Ｊ，ＬＩ　ＣＨ　Ｙ．Ｃｏａｌ—ｒｏｃｋ　ｒｅｃｏｇｎｉｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｃｕｔｔｉｎｇ　ｖｉｂｒａｔｉｏｎ　ｆｅａｔｕｒｅｓ　ｏｆ　ｃｏａｌ　ｓｈｅａｒｅｒ　ｄｒａｍｓ［Ｊ］．Ｃｏａｌ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，２０１３，４１（１０）：　９３＿９５．　［１４］　郭世旭，刘胜，陈秀丽，等．管道微小泄漏内检测近场　声信号特性研究［Ｊ］．电子测量与仪器学报，２０１６，　３０（６）：８３４—８４４．　ＧＵＯ　ＳＨ　Ｘ，ＬＩＵ　ＳＨ，ＣＨＥＮ　Ｘ　Ｌ，ｅｔ　ａ１．Ｒｅｓｅａｒｃｈ　ｏｎ　ａｃｏｕｓｔｉｃ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｏｆ　ｔｈｅ　ｎｅａｒ　ｆｉｅｌｄ　ｉｎｓｉｄｅ　ｔｈｅ　ｐｉｐｅ　ｆｏｒ　ｓｍａｌｌ　ｌｅａｋａｇｅ　ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｍｅａｓｕｒｅｍｅｎｔ　ａｎｄ　Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ，２０１６，３０（６）：　８３４．８４４．　［１５］　王慧晶，林哲，赵德有．声发射技术在工程结构疲劳损　伤监测中的应用和展望［Ｊ］．振动与冲击，２００７，　第２期　基于声发射信号的煤岩界面识别研究　・２３７・　２６（６）：１５７—１６１．　ＷＡＮＧ　Ｈ　Ｊ，ＬＩＮ　ＺＨ。ＺＨＡＯ　Ｄ　Ｙ．Ａｐｐｌｉｃａｔｉｏｎ　ａｎｄ　ｐｒｏｓｐｅｃｔ　ｏｆ　ａｃｏｕｓｔｉｃ　ｅｍｉｓｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｅｎｇｉｎｅｅｒｉｎｇ　ｓｔｒｕｃｒａｌ　ｄａｍｇｅ　ｍｏｎｉｔｏｒｉｎｇ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｖｉｂｒａｔｉｏｎ　ａｎｄ　Ｓｈｏｃｋ，２００７，２６（６）：１５７—１６１．　［１６］　邹兵，贾招弟，李伟．基于声发射技术的气体阀门内漏　诊断［Ｊ］．无损检测，２０１６，３８（３）：５６－５９，７０．　ＺＯＵ　Ｂ．ＪＩＡ　ＺＨ　Ｄ．ＬＩ　Ｗ．Ｉｎｔｅｒｎａｌ　ｌｅａｋａｇｅ　ｄｉａｇｎｏｓｉｓ　ｆｏｒ　ｇａｓ　ｖａｌｖｅ　ｂａｓｅｄ　ＯＮ　ＡＥ　ｔｅｃｈｎｉｑｕｅ［Ｊ］．Ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ　Ｔｅｓｔｉｎｇ，２０１６，３８（３）：５６—５９，７０．　［１７］　于凤英．基于遗传神经网络的煤岩界面识别方法的研　究［Ｄ］．太原：太原理工大学，２００７．　ＹＵ　Ｆ　Ｙ．Ｒｅｓｅａｒｃｈ　ｏｎ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｃｏａｌ　ｒｏｃｋ　ｉｎｔｅｒｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｇｅｎｅｔｉｃ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ［Ｄ］．　Ｔａｉｙｕａｎ：Ｔａｉｙｕａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，２００７．　［１８］　赵丽娟，刘旭南，马联伟．基于经济截割的采煤机运动　学参数优化研究［Ｊ］．煤炭学报，２０１３，３８（８）：　１４９０—１４９５．　ＺＨＡＯ　Ｌ　Ｊ，ＬＩＵ　Ｘ　Ｎ，ＭＡ　Ｌ　Ｗ．Ｏｐｔｉｍｉｚａｔｉｏｎ　ｒｅｓｅａｒｃｈ　ｏｎ　ｓｈｅａｒｅｒ’Ｓ　ｋｉｎｅｍａｔｉｃ　ｐａｒａｍｅｔｅｒｓ　ｂａｓｅｄ　ｏｎ　ｅｃｏｎｏｍｉｃａｋｕｔｔｉｎｇ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎａ　Ｃｏａｌ　Ｓｏｃｉｅｔｙ，　２０１３，３８（８）：１４９０－１４９５．　［１９］　张强，王海舰，井旺，等．基于模糊神经网络信息融合　的采煤机煤岩识别系统［Ｊ］．中国机械工程，２０１６，　２７（２）：２０１　２０８．　１　＿　ＺＨＡＮＧ　Ｑ，ＷＡＮＧ　Ｈ　Ｊ，ＪＩＮＧ　Ｗ，ｅｔ　ａ１．Ｓｈｅａｒｅｒ’Ｓ　ｃｏａｌ－　ｒｏｃｋ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ｆｕｚｚｙ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｓｉｏｎ［Ｊ］．Ｃｈｉｎａ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，　２０１６，２７（２）：２０１－２０８．　［２０］　张鑫，牟龙华．基于信息融合的矿山电网复合保　护［Ｊ］．煤炭学报，２０１２，３７（１１）：１９４７—１９５２．　ＺＨＡＮＧ　Ｘ，ＭＵ　Ｌ　Ｈ．Ｒｅｓｅａｒｃｈ　ｏｎ　ｃｏｍｐｏｕｎｄ　ｐｒｏｔｅｃｔｉｏｎ　ｆｏｒ　ｍｉｎｅ　ｐｏｗｅｒ　ｎｅｔｗｏｒｋ　ｂａｓｅｄ　ｏｎ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｕｓｉｏｎ［Ｊ］．　Ｊｏｕｒｎａｌ　ｆｏ　Ｃｈｉｎａ　Ｃｏａｌ　Ｓｏｃｉｅｔｙ，２０１２，３７（１　１）：１９４７—１９５２．　［２１］　张强，毛君，田大丰．基于遗传算法掘进机截割头多目　标模糊可靠性优化［Ｊ］．煤炭学报，２００８，１２：　１４３５．１４３７　ＺＨＡＮＧ　Ｑ，ＭＡＯ　Ｊ，ＴＩＡＮ　Ｄ　Ｆ．　Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｆｕｚｚｙ　ｒｅｌｉａｂｉｌｉｔｙ　ｄｅｓｉｇｎ　ｆｏｒ　ｃｕｔｔｉｎｇ　ｈｅａｄ　ｏｆ　ｒｏａｄｈｅａｄｅｒ　ｂａｓｅｄ　ｏｎ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎａ　Ｃｏａｌ　Ｓｏｃｉｅｔｙ，２００８，３７（１１）：１９４７－１９５２．　作者简介　Ｕｎｉｖｅｒｓｉｔｙ．Ｔｈｅ　ｍａｉｎ　ｒｅｓｅａｒｃｈ　ｄｉｒｅｃｔｉｏｎ　ｉｓ　ｍｉｎｉｎｇ　ｍａｃｈｉｎｅｒｙ　ｄｅｔｅｃｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ．