發(fā)布時(shí)間：2020-05-16 22:42

【摘要】：煤炭是我國(guó)重要的資源,其儲(chǔ)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(kāi)采時(shí)的伴生物。為提高煤的品質(zhì),在選煤過(guò)程中需要剔除原煤中的矸石。隨著煤礦的不斷開(kāi)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(shí)對(duì)周邊環(huán)境造成污染,成為亟待解決的問(wèn)題。在煤炭的生產(chǎn)中,直接開(kāi)采出來(lái)未經(jīng)過(guò)任何加工的煤炭稱為原煤。將原煤在井上或井下進(jìn)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(yùn)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(duì)矸石進(jìn)行二次利用,需要以最小的成本將煤和矸石分選出來(lái)。煤矸自動(dòng)分選方法分為濕法選矸和干法選矸。濕法選矸是我國(guó)煤矸分選的主要方式,如動(dòng)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(yùn)輸至液體介質(zhì)中,會(huì)消耗大量水資源,對(duì)我國(guó)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(shí)別法選矸等。但射線法選矸通常需要高壓電源,且對(duì)防輻射裝置和放射源的管理有嚴(yán)格要求,井下應(yīng)用比較困難。目前,我國(guó)許多煤礦仍采用人工選矸的方法對(duì)原煤進(jìn)行煤矸分選,由選矸工人站在帶式輸送機(jī)兩側(cè),將煤或者矸石揀出。人工選矸的工藝原始,勞動(dòng)強(qiáng)度高,工作效率低,且噪音和浮塵對(duì)工人危害大。因此,使用自動(dòng)化選矸技術(shù)取代人工選矸的需求十分迫切。圖像識(shí)別法著眼于識(shí)別煤和矸石的表面和外形等特征,使用計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù),快速判斷目標(biāo)是煤還是矸石;同時(shí),圖像識(shí)別的方法不用水,體積小,成本低,無(wú)輻射且結(jié)構(gòu)簡(jiǎn)單,可移植性強(qiáng)。因此,使用圖像識(shí)別法來(lái)取代人工選矸,實(shí)現(xiàn)自動(dòng)化選矸,具有廣闊的應(yīng)用前景。基于圖像識(shí)別的煤矸分選的重點(diǎn)在于煤和矸石特征的提取。國(guó)內(nèi)外相關(guān)文獻(xiàn)中,其主要是針對(duì)煤矸圖像的均值和方差等統(tǒng)計(jì)特征進(jìn)行識(shí)別和研究的,通過(guò)計(jì)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(shí)別樣本,這樣造成信息的缺失,影響識(shí)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(shí)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(guò)多次轉(zhuǎn)運(yùn)碰撞后形成的邊緣輪廓存在差異,對(duì)煤和矸石輪廓的研究是本文的重點(diǎn)。分?jǐn)?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?jǐn)?shù)階微積分的煤矸圖像邊界標(biāo)記識(shí)別研究,首先使用邊界標(biāo)記的方法對(duì)煤和矸石的輪廓進(jìn)行形狀描述,得到質(zhì)心到邊界距離的一維函數(shù)表達(dá)式,進(jìn)而提取煤矸輪廓曲線的幾何特征;通過(guò)對(duì)煤和矸石邊界標(biāo)記序列的分?jǐn)?shù)階隨機(jī)過(guò)程進(jìn)行建模和分析,指出煤矸邊界標(biāo)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(shì)波動(dòng)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(jìn)的MFDFA算法,得到煤矸邊界標(biāo)記的多重分形譜;最后通過(guò)不同模式識(shí)別方法的識(shí)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(shí)別率。針對(duì)以上問(wèn)題,本文運(yùn)用選礦學(xué)、光學(xué)、高等數(shù)學(xué)、統(tǒng)計(jì)學(xué)、圖像處理、信號(hào)處理、分形和多重分形、時(shí)間序列分析、計(jì)算機(jī)科學(xué)等理論知識(shí),結(jié)合煤矸識(shí)別的工作環(huán)境特點(diǎn),聚焦煤矸圖像的特征提取問(wèn)題,提出使用分?jǐn)?shù)階微積分的方法,研究煤和矸石的邊界標(biāo)記,通過(guò)建立分?jǐn)?shù)階隨機(jī)模型,結(jié)合多重分形分析方法,改進(jìn)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(guò)數(shù)據(jù)的分析、計(jì)算和實(shí)驗(yàn)驗(yàn)證,完成了煤矸圖像的識(shí)別。本文主要完成了以下幾個(gè)方面的工作:(1)提出邊界標(biāo)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(guò)圖像裁剪、去噪、復(fù)原和增強(qiáng)、形態(tài)學(xué)處理等操作,論述了邊界標(biāo)記法提取圖像輪廓曲線的原理和方法。將識(shí)別出煤和矸石的輪廓邊緣沿著質(zhì)心以極坐標(biāo)展開(kāi),得到質(zhì)心到邊界距離的一維表達(dá)式,同時(shí)指出煤矸輪廓的邊界標(biāo)記序列具有非平穩(wěn)、非高斯、自相似等特點(diǎn)。(2)邊界標(biāo)記序列的分?jǐn)?shù)階建模和煤矸輪廓分析。根據(jù)常數(shù)階次分?jǐn)?shù)階布朗運(yùn)動(dòng),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(lái)刻畫(huà)復(fù)雜過(guò)程的分布情況。圍繞煤矸邊界標(biāo)記序列,提出了一種帶有長(zhǎng)記憶特點(diǎn)的分?jǐn)?shù)階差分自回歸移動(dòng)平均(Auto-Regressive Fractionally Integrated Moving Average,ARFIMA)模型,推導(dǎo)了Hurst參數(shù)、分?jǐn)?shù)階差分因子和穩(wěn)定分布的特征因子的關(guān)系。通過(guò)數(shù)據(jù)仿真和實(shí)測(cè)數(shù)據(jù),對(duì)現(xiàn)有的Hurst參數(shù)的估計(jì)方法和各個(gè)估計(jì)器的魯棒性進(jìn)行了綜合評(píng)估和改進(jìn),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(guò)對(duì)煤矸邊界標(biāo)記的建模分析,得出分?jǐn)?shù)階ARFIMA模型的擬合效果優(yōu)于ARIMA模型,同時(shí)針對(duì)矸石邊界標(biāo)記的擬合失效,指出矸石的輪廓序列具有多重分形特征,進(jìn)而引出了變階次分?jǐn)?shù)階過(guò)程和多重分形分析方法。(3)改進(jìn)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(hào),給出了帶有局部H?lder變量的變階次分?jǐn)?shù)階隨機(jī)過(guò)程的仿真實(shí)例和參數(shù)估計(jì),通過(guò)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(shì)項(xiàng),測(cè)量非線性時(shí)間序列的波動(dòng)尺度,而且能準(zhǔn)確估計(jì)多重分形譜。針對(duì)序列中的相關(guān)多重分形和分布多重分形,通過(guò)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(lái)的影響,并修正了多重分形譜寬?的值,得到改進(jìn)算法后的煤矸邊界標(biāo)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(shí)別方法的識(shí)別率。將所提出的分?jǐn)?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(biāo)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(shí)別方法,對(duì)選煤車間現(xiàn)場(chǎng)采集的500個(gè)煤矸圖像樣本進(jìn)行訓(xùn)練和檢測(cè)。實(shí)驗(yàn)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(jìn)行融合后,在6)NN識(shí)別算法下的煤和矸石的識(shí)別率可達(dá)97.5%,表明引入分?jǐn)?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(shí)別率。
【圖文】：

中國(guó)礦業(yè)大學(xué)（北京）博士學(xué)位論文地殼的運(yùn)動(dòng)情況十分復(fù)雜，因此，各個(gè)礦區(qū)的煤和矸石的比例不盡相同。由于運(yùn)動(dòng)情況不同，，以及隨煤層所在的不同地層，煤矸石中也會(huì)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(dòng)較大。一般來(lái)說(shuō)，在采煤掘進(jìn)巷道中選出的煤矸石大多數(shù)是頁(yè)巖、砂巖和石等，分別如圖 1.1 所示：

中國(guó)礦業(yè)大學(xué)（北京）博士學(xué)位論文工選矸開(kāi)采出來(lái)的原煤被運(yùn)出井口后，首先經(jīng)帶式運(yùn)輸機(jī)運(yùn)送至篩分系統(tǒng)，大于 100mm 的煤塊和矸石篩選出來(lái)，接著由分布在帶式輸送機(jī)兩側(cè)矸石挑選出來(lái)，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(yùn)至井下回填或
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)(北京)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TD849.5;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

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

3 張慧琛;;分?jǐn)?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(bào);2010年02期

4 王占龍;;分?jǐn)?shù)階微積分對(duì)頻域除噪技術(shù)的改進(jìn)[J];現(xiàn)代雷達(dá);2018年01期

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

6 孫會(huì)來(lái);金純;張文明;李昊;田海勇;;基于分?jǐn)?shù)階微積分的油氣懸架建模與試驗(yàn)分析[J];振動(dòng)與沖擊;2014年17期

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

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

9 張菊梅;;Haar小波求解線性分?jǐn)?shù)階微積分方程[J];計(jì)算機(jī)與數(shù)字工程;2013年07期

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

相關(guān)會(huì)議論文 前7條

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

2 王在華;;分?jǐn)?shù)階系統(tǒng)的實(shí)驗(yàn)建模、穩(wěn)定性分析與數(shù)值求解[A];第六屆全國(guó)動(dòng)力學(xué)與控制青年學(xué)者學(xué)術(shù)研討會(huì)論文摘要集[C];2012年

3 李常品;;分?jǐn)?shù)階動(dòng)力學(xué)簡(jiǎn)介[A];第三屆海峽兩岸動(dòng)力學(xué)、振動(dòng)與控制學(xué)術(shù)會(huì)議論文摘要集[C];2013年

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

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

6 殷德順;陳文;;基于分?jǐn)?shù)階微積分的常規(guī)三軸實(shí)驗(yàn)中土體體積應(yīng)變研究[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年

7 黃耀英;鄭宏;;分?jǐn)?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(guó)計(jì)算力學(xué)大會(huì)'2010（CCCM2010）暨第八屆南方計(jì)算力學(xué)學(xué)術(shù)會(huì)議（SCCM8）論文集[C];2010年

相關(guān)重要報(bào)紙文章 前2條

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

2 萬(wàn)瑤　段玉清 劉云云 劉川 劉佳;建設(shè)西部創(chuàng)新驅(qū)動(dòng)高地 聚焦四川科技“一號(hào)工程”[N];四川日?qǐng)?bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 劉凱;基于分?jǐn)?shù)階微積分的煤矸圖像邊界標(biāo)記識(shí)別研究[D];中國(guó)礦業(yè)大學(xué)(北京);2018年

2 劉甲國(guó);分?jǐn)?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?jǐn)?shù)階微積分運(yùn)算數(shù)字濾波器設(shè)計(jì)與電路實(shí)現(xiàn)及其應(yīng)用[D];四川大學(xué);2006年

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

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

6 姚奎;分形函數(shù)與分?jǐn)?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?jǐn)?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(guó)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(guó)防科學(xué)技術(shù)大學(xué);2009年

9 童評(píng);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?jǐn)?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?jǐn)?shù)階微積分在若干反常傳質(zhì)傳熱問(wèn)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(shù)氮素水平無(wú)損診斷策略研究[D];海南大學(xué);2018年

3 于浩;三類變分?jǐn)?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?jǐn)?shù)階微積分問(wèn)題研究[D];燕山大學(xué);2015年

5 李明芳;分?jǐn)?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?jǐn)?shù)階微積分在圖像處理中的算法研究與改進(jìn)[D];貴州大學(xué);2017年

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

8 王小東;Riemann-Liouville分?jǐn)?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?jǐn)?shù)階微積分方程[D];燕山大學(xué);2013年

10 白云龍;基于分?jǐn)?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(hào)：2667458