Analysis of the mining torque signal with Continuous Wavelet Transform

• Autorzy: Jonak J. , Jedliński Ł. , Gajewski J.

Warianty tytułu

PL

Analiza sygnału momentu urabiania za pomocą ciągłej transformaty falkowej

• Języki publikacji: EN

Abstrakty

EN

This paper presents an analysis of the excavation torgue signal with the use of a Continuous Wavelet Transform. The article also presents results of preliminary research on utilising neural networks to identify excavating cutting tools type used in multi-tool excavating heads of mechanical coal miners. Selected wavelet coefficients were used as data to teach artificial neural network. The research is necessary to identify rock excavating process with a given head, and design adaptation system for control of mining process with such a head. The results of numerical analyses conducted with the use of Neural Networks are presented.

PL

Artykuł przedstawia analizę sygnału momentu urabiania z wykorzystaniem ciągłej transformaty falkowej. Praca przedstawia ponadto rezultaty wstępnych badań nad wykorzystaniem sztucznej sieci neuronowej do oceny rodzaju narzędzi urabiających głowic wielonarzędziowych kombajnu górniczego. Do nauki sieci neuronowej wykorzystano wybrane współczynniki falkowe. Badania te niezbędne są do identyfikacji procesu urabiania w celu opracowania adaptacyjnego systemu sterowania pracą głowicy kombajnu. W artykule przedstawiono wyniki analiz numerycznych, wykorzystując sztuczne sieci neuronowe.

Słowa kluczowe

EN

continuous wavelet transform (CWT); multi-tool head; artificial neural network

PL

ciągła transformata falkowa; głowica wielonożowa; sztuczna sieć neuronowa

• Wydawca: AGH University of Science and Technology Press
• Czasopismo: Mechanics and Control
• Rocznik: 2010
• Tom: Vol. 29, no. 4
• Strony: 169--173
• Opis fizyczny: Bibliogr. [11] poz., rys., wykr.

Twórcy

autor

Jonak J.

autor

Jedliński Ł.

autor

Gajewski J.

• Faculty of Mechanical Engineering, Lublin University of Technology, Lublin, Poland,

Bibliografia

• Białasiewicz J.T. 2004, Folki i aproksymacje. 2nd ed. WNT, Warszawa, ISBN 83-204-2971-4.
• Czech R, Łazarz B. 2007, Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP — koncepcja wykorzystania danych z modelu i rzeczywistej przekładni. Diagnostyka, No. 2, pp. 75-82.
• Gajewski J., Jonak J. 2006, Utilisation of neural networks to identify the status of the cutting tool point. Tunnelling and Underground Space Technology incorporating Trenchless Technology Research, vol. 21, Issue2, pp. 180-184.
• Jonak J., Gajewski J. 2008, Identification of ripping tool types with the use of characteristic statistical parameters of time graphs. Tunnelling and Underground Space Technology incorporating Trenchless Technology Research, vol. 23, Issue 1, pp. 18-24.
• Jonak J., Gajewski J. 2006, Identifying the cutting tool type used in excavations using neural networks. Tunnelling and Underground Space Technology incorporating Trenchless Technology Research, vol. 21, Issue 2, pp. 185-189.
• Litak G., Syta A., Gajewski J., Jonak J. 2010, Detecting and identifying non-stationary courses in the ripping head power consumption by recurrence plots. Meccanica, vol. 45, No. 4, DOI 10.1007/sll012-009-9265-4, pp. 603-608.
• Loutridis S.J. 2008, Gear failure prediction using multiscale local statistics. Engineering Structures, vol. 30, No. 5, pp. 1214-1223.
• Misiti M., Misiti Y., Oppenheim G., Poggi J.M. 2002, Wavelet Toolbox User's Guide. ver. 2, The MathWorks, Inc.
• StatSoft (2006), Elektroniczny Podręcznik Statystyki PL. Kraków, WEB: http ://www. statsoft.pl/textbook/stathome.html.
• Zimroz R. 2009, Zastosowanie analizy falkowej w diagnostyce uszkodzeń lokalnych układów napędowych maszyn górniczych. Diagnostyka, No. 1, pp. 113-122.
• Kwaśniewski J. 2001, Zastosowanie wybranych metod analizy sygnału niestacjonarnego w diagnozowaniu lin i rur stalowych. Studia Monografie Rozprawy, Kraków, PAN, IGSMiE, nr 86.