[發明專利]一種基于神經網絡的采煤機穩態樣本分析方法及裝置

在審

• 申請號: 202011082621.0
• 申請日: 2020-10-12
• 公開（公告）號: CN112329817A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 李曉雪;曹宇;陸鵬;張鵬;惠恩明;張振良
• 申請（專利權）人: 鄂爾多斯應用技術學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶市信立達專利代理事務所(普通合伙) 50230
• 代理人: 陳炳萍

本發明公開了一種基于神經網絡的采煤機穩態樣本分析方法，涉及神經網絡的學習技術領域，包括以下步驟：通過對采煤機負樣本數量進行判定，以實施不同的學習過程，通過模擬人腦中神經元的連接方式而來，它通過設置各種激活函數以及調整神經元之間的連接權值來進行學習修改，可用于求解各種分類以及優化問題，本發明提供的采煤機穩態樣本分析方法按照采集到的數據類型，分別使用相對應的神經網絡算法進行采煤機穩態樣本分析；定義了三種故障數據情況下數據類型，并設計了相應的神經網絡算法以及具體的操作過程。

技術領域

本發明涉及神經網絡的學習技術領域，更具體地說，它涉及一種基于神經網絡的采煤機穩態樣本分析方法及裝置。

背景技術

在追求煤礦機械智能化發展的今天，對采煤機穩態的自動識別、故障判定有著重大的意義。采煤機的穩態也就是采煤機的工況，顯示了采煤機的工作狀態，而采煤機的工況也跟采煤機的參數息息相關，通過神經網絡對采煤機參數的學習，可以在知曉采煤機參數的情況下自動識別采煤機穩態信息。但是這些方法也有一些技術問題有待解決，如采煤機系統缺少對應的穩態分析方法；在負樣本過少的條件下，采煤機工作穩態特征難以學習；采煤機穩態樣本下神經網絡的參數難以選取調整等。

發明內容

為解決上述技術問題，本發明提供一種基于神經網絡的采煤機穩態樣本分析方法及裝置，通過模擬人腦中神經元的連接方式而來，它通過設置各種激活函數以及調整神經元之間的連接權值來進行學習修改，可用于求解各種分類以及優化問題。

本發明的上述技術目的是通過以下技術方案得以實現的：

一種基于神經網絡的采煤機穩態樣本分析方法，包括以下步驟：

S1：判定采煤機負樣本數量，設置閾值a，當負樣本數量a，定義為少量負樣本，當負樣本數量≥a，定義為足夠負樣本；

S2、在足夠負樣本條件下，將采煤機穩態依照測定模塊設定對應位數的二進制數，每位數中的0和1分別表示模塊狀態，所有位數的二進制數表示當前條件下的采煤機穩態情況，得到穩態結果，并根據該穩態結果進行學習，學習包括以下步驟：

a1、數據處理：將原始數據歸一化，按照穩態結果對應各種參數的形式進行存儲；

a2、神經網絡搭建：根據輸入參數，設定神經網絡參數輸入節點數，根據輸出二進制位數設定神經網絡輸出節點數；

a3、神經網絡訓練：將原始數據按照1:2～1:3分為測試數據和訓練數據，將訓練數據輸入到神經網絡中用以訓練，根據反相傳播算法調整內部參數，并得到預測精度；

a4、神經網絡調整：調整隱含層層數和隱含層節點數，重復a3步驟，記錄不同節點下的回歸精度；

a5、結果選?。哼x取回歸精度最高的神經網絡參數作為最終結果，進行采煤機穩態樣本智能化識別；

S3、在少量負樣本條件下，將采煤機穩態依照測定模塊設定對應位數的二進制數，每位數中的0和1分別表示模塊狀態，所有位數的二進制數表示當前條件下的采煤機穩態情況，得到穩態結果，使用三重訓練算法進行學習，學習包括以下步驟：

b1、數據處理：將原始數據歸一化，將有負樣本的數據按照穩態結果對應各種參數的形式進行存儲，并設定為L；將無負樣本的數據按照同一時間的特征進行存儲，并設定為U；

b2、神經網絡搭建：搭建3個不同的神經網絡H1、H2和H3，根據輸入參數，設定神經網絡參數輸入節點個數，根據輸出二進制位數設定神經網絡輸出節點數；