基于多种学习算法与液压支架尾梁振动信号的煤矸多分类识别研究

来源：振动与冲击杂志2026年第4期北京时间：

作者：杨扬yang.yang@sdust，王玉昆，曾庆良

单位：山东科技大学机械电子工程学院，山东青岛266590

摘要：煤与矸石的精准识别分类是实现煤矿综放智能化开采的关键技术，对提高煤炭开采效率与品质有着至关重要的作用。针对当前煤矸二分类识别技术仅能将目标样本简单划分为可放类与关停类，无法实时监测煤矸流动混合比例等问题，本文进行煤矸多分类识别任务研究。首先，搭建煤矸冲击滑移试验台，进行不同煤矸混合比的样本调配用于煤矸冲击滑移试验，通过DHDAS动态信号分析系统采集可用于识别训练的样本数据。其次，将采集到的样本数据按其含矸率划分为四种类别，并对其进行信号预处理与特征提取，分别构建有效原始信号矩阵数据集和特征矩阵信号数据集。然后，将不同的数据集分别与多种识别算法结合，构建多个煤矸识别训练模型，开展煤矸多分类识别训练。最后，基于多个训练模型的识别结果进行分析，以其识别准确率为评判标准，寻找出最优数据集与分类算法的组合模型。结果表明，识别效果最好的组合为Resnet与有效原始信号矩阵数据集，单次识别准确率最高为97.3%，平均准确率为91.92%，证实了煤矸多分类识别研究的可行性，为实现煤矿综放智能化开采的实时监测提供了技术支撑与理论依据。<br>

关键词：振动信号；特征矩阵；深度学习；煤矸多分类识别