本课题研究内容来源于国家自然科学基金“基于多参量的超重型岩巷掘进机截割动载荷智能识别方法的研究”(项目编号:U1510112),主要是针对井下环境恶劣,操作工人人身安全存在极大隐患、动载荷无法准确识别等问题提出来的。实际工作中,操作工人由于无法准确判断掘进机截割头所接触岩壁状况,及时调整掘进机各项参数,可能会导致掘进机零件损坏、使用寿命变短。因此,本文提出了一种适用于井下岩壁开采的超重型岩巷掘进机截割头动载荷识别方法,为掘进机智能化发展奠定了基础,具有极其重要的意义。本文通过查阅大量国内外文献,在深入了解掘进机及动载荷识别方法研究现状的基础上发现:现有的掘进机智能化水平较低,动载荷识别技术在掘进机煤岩切割领域方面应用较少。因此,本文以超重型岩巷掘进机为研究对象,提出了一种基于多参数的掘进机截割头动载荷识别方法,分析掘进机截割头振动信号与岩石硬度之间的映射关系,具体研究内容如下:深入了解掘进机结构组成及其工作原理,对不同参数下的掘进机截割机构进行动力学分析。根据掘进机截割头载荷计算公式,分析、确定影响截割头振动信号变化的各个参数,包括岩壁硬度、截深、摆速、转速等。确定掘进机各项参数值,在MATLAB软件中编写了截割头载荷模拟程序,得到了不同参数变量下掘进机截割头受力曲线,并深入分析了各参数对载荷的影响,为掘进机动载荷识别参考依据。以某型号的超重型岩巷掘进机为例搭建了虚拟样机三维模型。在Pro/E软件中搭建掘进机截割部、本体部、行走部等部件的三维模型并进行组装,建立掘进机三维模型。将模型导入ADAMS软件中进行柔性化处理并添加各类约束以及驱动条件构成掘进机虚拟样机模型。将不同参数下的掘进机截割头受力曲线导入ADAMS软件内并施加于截割头质心处,启动程序在ADAMS内进行掘进机切割煤岩仿真模拟得到不同参数下的截割头振动信号,为截割头载荷特征量提取提供依据。根据掘进机动载荷识别要求,提出了一种基于多源数据融合的掘进机动载荷识别方法。首先,提出了一种将相关性阈值去噪法和经验小波变换相结合的特征量提取方法。利用掘进机信号时频图的极大值点构建自适应滤波器组,选择经验小波变换对信号进行分解,利用相关性阈值去噪法对各信号分量进行去噪处理并计算去噪后各分量与初始信号之间的相关系数,选择其标准偏差作为阈值,对信号进行删选构成特征量。最后,将特征量作为卷积神经网络的输入信号对掘进机截割头信号进行模式识别。设计了掘进机截割头动载荷识别方案流程。利用经验小波变换与相关性阈值去噪方法相结合对不同参数下的掘进机截割头信号进行特征量提取,此后设置合适的神经网络参数构建神经网络模型,利用一维卷积神经网络对输入信号进行模式识别,实验证明,该方案具有较高的识别准确率。