基于听觉特征融合的煤矸识别方法研究

来源：振动与冲击杂志2024年第8期北京时间：

作者：杨政，王世博,，饶柱石，杨善国,，杨建华,，刘送永,，刘后广,

单位：1.中国矿业大学机电工程学院，江苏徐州221116；2.中国矿业大学江苏省矿山智能采掘装备协同创新中心，江苏徐州221116；3.上海交通大学机械系统与振动国家重点实验室，上海200240

摘要：针对强噪声背景下综放开采过程中垮落煤矸难以识别问题，提出了一种融合低级听觉特征Mel频谱和高级听觉特征听觉神经递质发放率的煤矸识别方法。首先，根据煤矸垮落冲击液压支架尾梁声音信号频谱特点，基于听觉神经滤波器组模型构建了适用于煤矸识别任务的听觉模型；然后，利用听觉模型对煤矸垮落声音信号进行分析，获得听觉神经递质发放率；再次，将听觉神经递质发放率与通过Mel频谱提取的峰值特征进行融合，得到煤矸声音听觉感知图；最后，基于所构建的听觉感知图，利用ConvNeXt模型进行煤矸识别。实验结果表明，采用融合听觉特征的煤矸识别方法在不同信噪比下均具有较高的识别准确率；其优越性在背景噪声较大的工况下（信噪比为-5dB）尤为明显，准确率仍能达到91.52%，显著优于以低级听觉特征和频谱图作为识别特征和利用时频域特征结合机器学习的煤矸识别方法，验证了融合听觉特征的煤矸识别方法对噪声具有优越的鲁棒性。

关键词：放顶煤；煤矸识别；听觉模型；听觉神经递质；特征融合；卷积神经网络