[发明专利]一种基于神经网络的采煤机稳态样本分析方法及装置

说明书

本发明公开了一种基于神经网络的采煤机稳态样本分析方法，涉及神经网络的学习技术领域，包括以下步骤：通过对采煤机负样本数量进行判定，以实施不同的学习过程，通过模拟人脑中神经元的连接方式而来，它通过设置各种激活函数以及调整神经元之间的连接权值来进行学习修改，可用于求解各种分类以及优化问题，本发明提供的采煤机稳态样本分析方法按照采集到的数据类型，分别使用相对应的神经网络算法进行采煤机稳态样本分析；定义了三种故障数据情况下数据类型，并设计了相应的神经网络算法以及具体的操作过程。

技术领域

本发明涉及神经网络的学习技术领域，更具体地说，它涉及一种基于神经网络的采煤机稳态样本分析方法及装置。

背景技术

在追求煤矿机械智能化发展的今天，对采煤机稳态的自动识别、故障判定有着重大的意义。采煤机的稳态也就是采煤机的工况，显示了采煤机的工作状态，而采煤机的工况也跟采煤机的参数息息相关，通过神经网络对采煤机参数的学习，可以在知晓采煤机参数的情况下自动识别采煤机稳态信息。但是这些方法也有一些技术问题有待解决，如采煤机系统缺少对应的稳态分析方法；在负样本过少的条件下，采煤机工作稳态特征难以学习；采煤机稳态样本下神经网络的参数难以选取调整等。

发明内容

为解决上述技术问题，本发明提供一种基于神经网络的采煤机稳态样本分析方法及装置，通过模拟人脑中神经元的连接方式而来，它通过设置各种激活函数以及调整神经元之间的连接权值来进行学习修改，可用于求解各种分类以及优化问题。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于神经网络的采煤机稳态样本分析方法，包括以下步骤：

S1：判定采煤机负样本数量，设置阈值a，当负样本数量a，定义为少量负样本，当负样本数量≥a，定义为足够负样本；

S2、在足够负样本条件下，将采煤机稳态依照测定模块设定对应位数的二进制数，每位数中的0和1分别表示模块状态，所有位数的二进制数表示当前条件下的采煤机稳态情况，得到稳态结果，并根据该稳态结果进行学习，学习包括以下步骤：

a1、数据处理：将原始数据归一化，按照稳态结果对应各种参数的形式进行存储；

a2、神经网络搭建：根据输入参数，设定神经网络参数输入节点数，根据输出二进制位数设定神经网络输出节点数；

a3、神经网络训练：将原始数据按照1:2～1:3分为测试数据和训练数据，将训练数据输入到神经网络中用以训练，根据反相传播算法调整内部参数，并得到预测精度；

a4、神经网络调整：调整隐含层层数和隐含层节点数，重复a3步骤，记录不同节点下的回归精度；

a5、结果选取：选取回归精度最高的神经网络参数作为最终结果，进行采煤机稳态样本智能化识别；

S3、在少量负样本条件下，将采煤机稳态依照测定模块设定对应位数的二进制数，每位数中的0和1分别表示模块状态，所有位数的二进制数表示当前条件下的采煤机稳态情况，得到稳态结果，使用三重训练算法进行学习，学习包括以下步骤：

b1、数据处理：将原始数据归一化，将有负样本的数据按照稳态结果对应各种参数的形式进行存储，并设定为L；将无负样本的数据按照同一时间的特征进行存储，并设定为U；

b2、神经网络搭建：搭建3个不同的神经网络H1、H2和H3，根据输入参数，设定神经网络参数输入节点个数，根据输出二进制位数设定神经网络输出节点数；