期刊订阅
广告服务
  • 中文
    EN
  • ISSN:0253-9993
  • CN: 11-2190/TD

《煤炭学报》

当前位置:首页 > 论文管理 > 基于小波包熵和流形学习的垮落煤岩识别

基于小波包熵和流形学习的垮落煤岩识别

作者(Author):

  • 李一鸣
  • 符世琛
  • 周俊莹
  • 宗凯
  • 李瑞
  • 吴淼

作者单位:

  • 中国矿业大学(北京)机电与信息工程学院

关键词:

  • 垮落煤岩识别
  • 小波包能量熵
  • 样本熵
  • 流形学习
  • BP神经网络
  • 摘要
  • 论文图表
  • 相关文章
  • 引用格式
针对垮落煤岩识别的技术问题,基于垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于小波包熵和流形学习的特征提取方法。该方法首先对振动信号进行小波包分解并单支重构,计算该信号的小波包能量熵,从而确定信号能量分布的复杂度,计算各频带的样本熵,从而确定各频带小波包系数的复杂度。以小波包能量熵和频带样本熵构造特征向量,输入BP神经网络识别垮落煤岩。然后利用局部线性嵌入(LLE)挖掘特征向量的低维流形结构,并输入神经网络对比其识别效果。并提出了未知样本低维估计方法以得到其低维嵌入。结果表明:基于小波包熵和LLE提取的特征向量准确又简单,输入神经网络识别率达到92.5%;基于低维估计方法得到的未知样本低维嵌入也较准确。
暂无内容
  • 地址:北京市朝阳区和平街13区煤炭大厦

  • 邮编:100013

  • 编辑部电话:(010)87986411

  • 传真:(010)84262114