【摘要】：煤炭是我國重要的資源,其儲量十分豐富。煤矸石或矸石是一種灰黑色巖石,其熱值較低,是煤礦開采時的伴生物。為提高煤的品質(zhì),在選煤過程中需要剔除原煤中的矸石。隨著煤礦的不斷開采,產(chǎn)生的煤矸石也不斷增加,堆積形成的矸石山占用大量土地資源,同時對周邊環(huán)境造成污染,成為亟待解決的問題。在煤炭的生產(chǎn)中,直接開采出來未經(jīng)過任何加工的煤炭稱為原煤。將原煤在井上或井下進行分選,然后將矸石回填至工作面或者制磚鋪路等綜合利用,可以減少環(huán)境污染,降低運輸成本,提高煤炭生產(chǎn)效率,是處理煤矸石較理想的方法。為了更好地對矸石進行二次利用,需要以最小的成本將煤和矸石分選出來。煤矸自動分選方法分為濕法選矸和干法選矸。濕法選矸是我國煤矸分選的主要方式,如動篩跳汰法、重介法選矸等。濕法選矸方法投資巨大,需要將煤和矸石運輸至液體介質(zhì)中,會消耗大量水資源,對我國西部高寒缺水地區(qū)不適用;干法選矸不用水,投資較小,如雙能伽馬射線法、X射線選矸法、圖像識別法選矸等。但射線法選矸通常需要高壓電源,且對防輻射裝置和放射源的管理有嚴格要求,井下應(yīng)用比較困難。目前,我國許多煤礦仍采用人工選矸的方法對原煤進行煤矸分選,由選矸工人站在帶式輸送機兩側(cè),將煤或者矸石揀出。人工選矸的工藝原始,勞動強度高,工作效率低,且噪音和浮塵對工人危害大。因此,使用自動化選矸技術(shù)取代人工選矸的需求十分迫切。圖像識別法著眼于識別煤和矸石的表面和外形等特征,使用計算機視覺和模式識別技術(shù),快速判斷目標是煤還是矸石;同時,圖像識別的方法不用水,體積小,成本低,無輻射且結(jié)構(gòu)簡單,可移植性強。因此,使用圖像識別法來取代人工選矸,實現(xiàn)自動化選矸,具有廣闊的應(yīng)用前景�；趫D像識別的煤矸分選的重點在于煤和矸石特征的提取。國內(nèi)外相關(guān)文獻中,其主要是針對煤矸圖像的均值和方差等統(tǒng)計特征進行識別和研究的,通過計算圖像直方圖的均值和方差等信息作為特性向量。但由于煤和矸石粒度大小不同,灰度和紋理特征的選取通常需要在煤矸圖像中截取局部圖像作為識別樣本,這樣造成信息的缺失,影響識別結(jié)果。另外,矸石附著煤粉后,其灰度和紋理特征與煤非常接近,導(dǎo)致識別率不理想。煤和矸石的輪廓特征屬于物理特性,不易受到干擾。由于煤和矸石兩者密度和硬度等特性不同,經(jīng)過多次轉(zhuǎn)運碰撞后形成的邊緣輪廓存在差異,對煤和矸石輪廓的研究是本文的重點。分數(shù)階微積分是傳統(tǒng)整數(shù)階微積分的推廣,提供了新的思維和視角。本文基于分數(shù)階微積分的煤矸圖像邊界標記識別研究,首先使用邊界標記的方法對煤和矸石的輪廓進行形狀描述,得到質(zhì)心到邊界距離的一維函數(shù)表達式,進而提取煤矸輪廓曲線的幾何特征;通過對煤和矸石邊界標記序列的分數(shù)階隨機過程進行建模和分析,指出煤矸邊界標記序列具有非平穩(wěn)、非高斯、自相似等多重分形特性;論述了多重分形去趨勢波動分析(Multifractal detrended fluctuation analysis,MFDFA)方法,選取多重分形譜寬Δ?作為煤矸輪廓的幾何特征;然后提出了一種改進的MFDFA算法,得到煤矸邊界標記的多重分形譜;最后通過不同模式識別方法的識別率比較,表明引入煤矸的幾何特征有助于提高煤矸圖像的識別率。針對以上問題,本文運用選礦學(xué)、光學(xué)、高等數(shù)學(xué)、統(tǒng)計學(xué)、圖像處理、信號處理、分形和多重分形、時間序列分析、計算機科學(xué)等理論知識,結(jié)合煤矸識別的工作環(huán)境特點,聚焦煤矸圖像的特征提取問題,提出使用分數(shù)階微積分的方法,研究煤和矸石的邊界標記,通過建立分數(shù)階隨機模型,結(jié)合多重分形分析方法,改進并提取了煤矸輪廓的幾何特征,并在已有的研究成果基礎(chǔ)上,融合圖像的灰度和紋理特征,經(jīng)過數(shù)據(jù)的分析、計算和實驗驗證,完成了煤矸圖像的識別。本文主要完成了以下幾個方面的工作:(1)提出邊界標記法,表示煤和矸石的輪廓曲線。利用數(shù)字圖像處理技術(shù),經(jīng)過圖像裁剪、去噪、復(fù)原和增強、形態(tài)學(xué)處理等操作,論述了邊界標記法提取圖像輪廓曲線的原理和方法。將識別出煤和矸石的輪廓邊緣沿著質(zhì)心以極坐標展開,得到質(zhì)心到邊界距離的一維表達式,同時指出煤矸輪廓的邊界標記序列具有非平穩(wěn)、非高斯、自相似等特點。(2)邊界標記序列的分數(shù)階建模和煤矸輪廓分析。根據(jù)常數(shù)階次分數(shù)階布朗運動,將傳統(tǒng)高斯分布模型推廣至非高斯的穩(wěn)定分布模型,用來刻畫復(fù)雜過程的分布情況。圍繞煤矸邊界標記序列,提出了一種帶有長記憶特點的分數(shù)階差分自回歸移動平均(Auto-Regressive Fractionally Integrated Moving Average,ARFIMA)模型,推導(dǎo)了Hurst參數(shù)、分數(shù)階差分因子和穩(wěn)定分布的特征因子的關(guān)系。通過數(shù)據(jù)仿真和實測數(shù)據(jù),對現(xiàn)有的Hurst參數(shù)的估計方法和各個估計器的魯棒性進行了綜合評估和改進,為煤矸輪廓幾何特征分析提供了理論依據(jù)和分析工具。通過對煤矸邊界標記的建模分析,得出分數(shù)階ARFIMA模型的擬合效果優(yōu)于ARIMA模型,同時針對矸石邊界標記的擬合失效,指出矸石的輪廓序列具有多重分形特征,進而引出了變階次分數(shù)階過程和多重分形分析方法。(3)改進多重分形分析方法,確定煤和矸石輪廓的幾何特征。為了分析帶有局部自相似特性和局部記憶的復(fù)雜信號,給出了帶有局部H?lder變量的變階次分數(shù)階隨機過程的仿真實例和參數(shù)估計,通過MFDFA方法,深入比較了白色噪聲序列、單重分形序列和多重分形仿真序列在不同尺度和階數(shù)下的差異,該方法不僅能有效消除干擾趨勢項,測量非線性時間序列的波動尺度,而且能準確估計多重分形譜。針對序列中的相關(guān)多重分形和分布多重分形,通過數(shù)據(jù)的重排和數(shù)據(jù)替換,分別消除了相關(guān)性和概率密度分布帶來的影響,并修正了多重分形譜寬?的值,得到改進算法后的煤矸邊界標記的多重分形譜寬的分離閾值。(4)結(jié)合煤矸圖像的幾何特征與灰度、紋理特征,比較了不同模式識別方法的識別率。將所提出的分數(shù)階模型和多重分形分析方法應(yīng)用于煤矸圖像的邊界標記序列,抽取出煤矸輪廓的幾何特征,采用均值、一致性、多重分形譜寬Δ?分別作為煤矸圖像的灰度特征、紋理特征和幾何特征,選取不同特征向量和模式識別方法,對選煤車間現(xiàn)場采集的500個煤矸圖像樣本進行訓(xùn)練和檢測。實驗結(jié)果表明,將煤矸輪廓的幾何特征與灰度特征和紋理特征進行融合后,在6)NN識別算法下的煤和矸石的識別率可達97.5%,表明引入分數(shù)階微積分方法提取煤矸圖像邊界的幾何特征有助于提高煤矸圖像的識別率。
【圖文】：

中國礦業(yè)大學(xué)（北京）博士學(xué)位論文地殼的運動情況十分復(fù)雜，因此，各個礦區(qū)的煤和矸石的比例不盡相同。由于運動情況不同，，以及隨煤層所在的不同地層，煤矸石中也會含有各種不同類型石。各地區(qū)煤層的生成年代和生成條件不同，其含碳量、化學(xué)成分、礦物組成動較大。一般來說，在采煤掘進巷道中選出的煤矸石大多數(shù)是頁巖、砂巖和石等，分別如圖 1.1 所示：

中國礦業(yè)大學(xué)（北京）博士學(xué)位論文工選矸開采出來的原煤被運出井口后，首先經(jīng)帶式運輸機運送至篩分系統(tǒng)，大于 100mm 的煤塊和矸石篩選出來，接著由分布在帶式輸送機兩側(cè)矸石挑選出來，這就是人工選矸工藝的流程，如圖 1.2 所示。圖中兩人正在將傳送帶上的煤塊選出，而剩余的矸石將被運至井下回填或
【學(xué)位授予單位】：中國礦業(yè)大學(xué)(北京)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TD849.5;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 張旭秀;邱天爽;盛虎;;分數(shù)階微積分的一種物理解釋和定域長分數(shù)階微積分[J];電子學(xué)報;2013年03期

2 秦君琴;;分數(shù)階微積分的性質(zhì)[J];江蘇師范大學(xué)學(xué)報(自然科學(xué)版);2012年02期

3 張慧琛;;分數(shù)階微積分的一些性質(zhì)及證明[J];忻州師范學(xué)院學(xué)報;2010年02期

4 王占龍;;分數(shù)階微積分對頻域除噪技術(shù)的改進[J];現(xiàn)代雷達;2018年01期

5 蒲亦非,袁曉,廖科,陳忠林,周激流;現(xiàn)代信號分析與處理中分數(shù)階微積分的五種數(shù)值實現(xiàn)算法[J];四川大學(xué)學(xué)報(工程科學(xué)版);2005年05期

6 孫會來;金純;張文明;李昊;田海勇;;基于分數(shù)階微積分的油氣懸架建模與試驗分析[J];振動與沖擊;2014年17期

7 李文;趙慧敏;;一種分數(shù)階微積分算子的有理函數(shù)逼近方法[J];自動化學(xué)報;2011年08期

8 關(guān)學(xué)忠;白云龍;孫立剛;佟宇;;基于分數(shù)階微積分的自抗擾控制[J];電子設(shè)計工程;2016年06期

9 張菊梅;;Haar小波求解線性分數(shù)階微積分方程[J];計算機與數(shù)字工程;2013年07期

10 潘學(xué)哉;;一類分形集的分數(shù)階微積分[J];科學(xué)技術(shù)與工程;2010年14期

相關(guān)會議論文 前7條

1 傅景禮;;分數(shù)階因子和分數(shù)階微積分及其應(yīng)用[A];第十二屆全國分析力學(xué)學(xué)術(shù)會議摘要集[C];2016年

2 王在華;;分數(shù)階系統(tǒng)的實驗建模、穩(wěn)定性分析與數(shù)值求解[A];第六屆全國動力學(xué)與控制青年學(xué)者學(xué)術(shù)研討會論文摘要集[C];2012年

3 李常品;;分數(shù)階動力學(xué)簡介[A];第三屆海峽兩岸動力學(xué)、振動與控制學(xué)術(shù)會議論文摘要集[C];2013年

4 孟瑞繁;殷德順;;高聚物分數(shù)階本構(gòu)模型的參數(shù)物理意義[A];第十二屆全國流變學(xué)學(xué)術(shù)會議論文集[C];2014年

5 劉曉君;洪靈;江俊;;分數(shù)階非線性系統(tǒng)的激變現(xiàn)象[A];第十屆動力學(xué)與控制學(xué)術(shù)會議摘要集[C];2016年

6 殷德順;陳文;;基于分數(shù)階微積分的常規(guī)三軸實驗中土體體積應(yīng)變研究[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2009論文摘要集[C];2009年

7 黃耀英;鄭宏;;分數(shù)階微積分流變模型在結(jié)構(gòu)加速流變破壞分析中的應(yīng)用研究[A];中國計算力學(xué)大會'2010（CCCM2010）暨第八屆南方計算力學(xué)學(xué)術(shù)會議（SCCM8）論文集[C];2010年

相關(guān)重要報紙文章 前2條

1 山西省晉城市犁川教學(xué)區(qū) 牛麗平;分數(shù)階微積分的發(fā)展歷史[N];發(fā)展導(dǎo)報;2018年

2 萬瑤　段玉清 劉云云 劉川 劉佳;建設(shè)西部創(chuàng)新驅(qū)動高地 聚焦四川科技“一號工程”[N];四川日報;2012年

相關(guān)博士學(xué)位論文 前10條

1 劉凱;基于分數(shù)階微積分的煤矸圖像邊界標記識別研究[D];中國礦業(yè)大學(xué)(北京);2018年

2 劉甲國;分數(shù)階微積分在粘彈性材料本構(gòu)方程中的某些應(yīng)用[D];山東大學(xué);2006年

3 廖科;分數(shù)階微積分運算數(shù)字濾波器設(shè)計與電路實現(xiàn)及其應(yīng)用[D];四川大學(xué);2006年

4 蒲亦非;分數(shù)階微積分在現(xiàn)代信號分析與處理中應(yīng)用的研究[D];四川大學(xué);2006年

5 李遠祿;分數(shù)階微積分濾波原理、應(yīng)用及分數(shù)階系統(tǒng)辨識[D];南京航空航天大學(xué);2007年

6 姚奎;分形函數(shù)與分數(shù)階微積分：構(gòu)造性方法的應(yīng)用[D];浙江大學(xué);2003年

7 譚程;基于分數(shù)階微積分理論的二次型及偽連續(xù)型Boost變換器建模與控制研究[D];中國石油大學(xué)(北京);2016年

8 宋金澤;自主泊車系統(tǒng)關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2009年

9 童評;幾類復(fù)雜網(wǎng)絡(luò)的同步及一致性研究[D];武漢大學(xué);2017年

10 黎明;分數(shù)階微積分及其在黏彈性材料與核磁共振中的某些應(yīng)用[D];山東大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王曉平;分數(shù)階微積分在若干反常傳質(zhì)傳熱問題中的應(yīng)用研究[D];山東大學(xué);2018年

2 陳凱;基于光譜技術(shù)的橡膠樹氮素水平無損診斷策略研究[D];海南大學(xué);2018年

3 于浩;三類變分數(shù)階微積分方程的數(shù)值解法[D];燕山大學(xué);2016年

4 衛(wèi)燕僑;小波方法求解三類變分數(shù)階微積分問題研究[D];燕山大學(xué);2015年

5 李明芳;分數(shù)階微積分方程的一種數(shù)值解法[D];太原理工大學(xué);2013年

6 楊卓東;分數(shù)階微積分在圖像處理中的算法研究與改進[D];貴州大學(xué);2017年

7 吳萌;分數(shù)階微積分算子的逼近方法及其應(yīng)用[D];長春理工大學(xué);2016年

8 王小東;Riemann-Liouville分數(shù)階微積分及其性質(zhì)證明[D];太原理工大學(xué);2008年

9 孫璐;廣義微分變換及小波法求解三類非線性分數(shù)階微積分方程[D];燕山大學(xué);2013年

10 白云龍;基于分數(shù)階微積分的自抗擾控制[D];東北石油大學(xué);2015年

本文編號：2667458