The invention discloses a shearer cutting pattern recognition system with strong robustness improvement group intelligence optimization, which includes data preprocessing module, shearer cutting pattern recognition model modeling module, improved optimization module, shearer cutting pattern recognition module and online correction module. The invention realizes the recognition of shearer cutting pattern, adopts machine learning algorithm to establish shearer cutting pattern recognition model in the shearer cutting pattern recognition system with strong robustness and improved swarm intelligence optimization, and the modeling algorithm can be revised online, has strong robustness, parameters can be automatically optimized, the optimization process is not easy to fall into local optimum, and can realize mining even in complex or unfamiliar environment. High efficiency and accuracy recognition of coal cutting mode.
【技术实现步骤摘要】
强鲁棒改进群智能优化的采煤机切割模式识别系统
本专利技术涉及采煤机切割模式识别领域,尤其涉及强鲁棒改进群智能优化的采煤机切割模式识别系统。
技术介绍
现代煤炭开采逐步机械化,采煤机作为综合机械化采煤成套装备的主要组成部分,提高了生产效率,增加了煤炭产量,减少了重大恶性事故的发生,其智能化、自动化水平是实现综采工作面“无人化”或“少人化”关键因素,因此,通过采集采煤机信息对采煤机截割模式进行识别,对采煤机实现自动化、智能化具有重要意义。当前主要通过煤岩界面识别方法来识别采煤机切割模式,以解决采煤机的自动截割和自适应控制问题,但当前的采煤机切割模式识别技术准确度低,且适应性差,难以满足对采煤机切割模式识别的准确度、可靠性和适应性的要求。因此,一种鲁棒性强、准确度高、自动化水平高的切割模式识别系统具有重要的现实意义。
技术实现思路
针对采煤机工作环境差,安全问题严重,而当前采煤机智能化和自动化水平较低、适应能力差的问题,本专利技术的目的在于提供强鲁棒改进群智能优化的采煤机切割模式识别系统,采用机器学习算法建立模型,模型参数采用改进的群智能算法优化,模型可以在线修正,具有效率高、准确度高、鲁棒性强等优点。本专利技术的目的是通过以下技术方案来实现的:强鲁棒改进群智能优化的采煤机切割模式识别系统,包括数据预处理模块、采煤机切割模式识别模型建模模块、改进的寻优模块、采煤机切割模式识别模块、在线修正模块。现场数据采集传感器、数据库、强鲁棒改进群智能优化的采煤机切割模式识别系统、显示模块依次相连,所述现场数据采集传感器对采煤机电机电压、电流、转速等信息进行采集,并将采煤机信息储 ...
【技术保护点】
1.强鲁棒改进群智能优化的采煤机切割模式识别系统,其特征在于:包括数据预处理模块、采煤机切割模式识别模型建模模块、改进的寻优模块、采煤机切割模式识别模块、在线修正模块。
【技术特征摘要】
1.强鲁棒改进群智能优化的采煤机切割模式识别系统,其特征在于:包括数据预处理模块、采煤机切割模式识别模型建模模块、改进的寻优模块、采煤机切割模式识别模块、在线修正模块。2.根据权利要求1所述强鲁棒改进群智能优化的采煤机切割模式识别系统,其特征在于:数据预处理模块用以进行采煤机数据预处理,采用如下过程完成:1)从数据库中提取一个采煤机信号,其特征分别为xi,i=1,2,...d,d为特征维度。2)对该特征做如下处理得到归一化特征其中xmin为xi的最小值,xmax为xi的最大值:3.根据权利要求1所述强鲁棒改进群智能优化的采煤机切割模式识别系统,其特征在于:采煤机切割模式识别模型建模模块用以建立采煤机切割模式识别模型,采用如下过程完成:1)从数据库中提取ns个采煤机数据Xs及其所对应的切割模式标签Ys作为训练集,提取nv个采煤机数据Xv及其所对应的切割模式标签Yv作为测试集。2)初始化随机森林(RandomForest,RF)算法参数,最大随机特征个数M=d,子样本个数即子决策树个数N=100,采用上面得到的训练集进行RF模型训练,得到采煤机切割模式识别模型:Y=h(X)。(2)4.根据权利要求1所述强鲁棒改进群智能优化的采煤机切割模式识别系统,其特征在于:改进的寻优模块采用一种新型的混沌修正的粒子群算法对RF的参数M、N进行优化。采用如下过程完成:1)随机产生第1代初始粒子即初始解的速度和位置;vjk(1)=U×(vmax-vmin)+vminvmin≤v≤vmax(3)rjk(1)=U×(rmax-rmin)+rminrmin≤r≤rmax(4)其中j=1,2,...,m,m=100为群规模,k=1,2分别对应待寻优的参数M、N,vjk(1)和rjk(1)分别表示第j个粒子的第k个分量在第1代的速度和位置,U为[0,1]间均匀分布的随机数。2)计算第j个粒子的适应度fj:其中分别代表真实值、计算值即预测值。3)更新惯性权重系数μ(t):其中μmax=0.9为μ的上限值,μmin=0.2为μ的下限值,tmax=150为最大迭代次数。4)更新粒子的速度和位置,产生新的群体;其...
【专利技术属性】
技术研发人员:刘兴高,赵世强,李捍华,谢运旺,张泽银,徐志鹏,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。