System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于数字孪生的煤矿智能综采工作面仿真系统技术方案_技高网

一种基于数字孪生的煤矿智能综采工作面仿真系统技术方案

技术编号:41113755 阅读:2 留言:0更新日期:2024-04-25 14:05
本发明专利技术公开了一种基于数字孪生的煤矿智能综采工作面仿真系统,所属技术领域为数字孪生领域,包括:数据收集子系统,用于采集煤矿工作面的数据和设备数据;数据处理子系统,用于进行数据处理,获得待计算数据集;模型构建子系统,用于构建多层感知器,生成关联度计算模型;相关度生成子系统,用于生成煤矿工作面环境及设备的关联度;孪生模型构建子系统,用于基于拓扑结构构建煤矿工作面的数字孪生仿真模型。本发明专利技术通过多层感知器计算煤矿工作面的相关度后生成拓扑结构,基于拓扑结构构建数字孪生模型,使得数据处理和模型构建分开,提升数字孪生模型的计算性能,同时减少虚拟模型失真、控制信号延迟、系统卡顿等问题。

【技术实现步骤摘要】

本专利技术属于数字孪生领域,特别是涉及一种基于数字孪生的煤矿智能综采工作面仿真系统


技术介绍

1、综采工作面是煤矿生产的第一现场,但开采环境恶劣,经常突发危险情况。智能化煤矿建设过程中可采用虚拟现实、数字孪生等新一代技术与传统采矿工业相结合,基于物理综采面构建虚拟综采面,通过实时数据分析、仿真物理综采面运行工况,并将分析预测结果反馈给物理综采面,为自适应采煤提供虚拟仿真实时交互环境,提升煤矿自动化生产水平,达到安全高效开采的目的。

2、数字孪生模型的准确性受到模型的建立和参数选择的限制。如果模型未能准确捕捉到所有工作面的复杂动态变化,系统的预测和决策可能不够准确。长时海量数据存储和处理会严重影响虚拟模型的计算性能,造成虚拟模型失真、控制信号延迟、系统卡顿等问题。


技术实现思路

1、本专利技术的目的是提供一种基于数字孪生的煤矿智能综采工作面仿真系统,以解决上述现有技术存在的问题。

2、为实现上述目的,本专利技术提供了一种基于数字孪生的煤矿智能综采工作面仿真系统,包括:

3、数据收集子系统,用于基于传感器采集煤矿工作面的数据和设备数据;

4、数据处理子系统,与所述数据收集子系统连接,用于对所述煤矿工作面的数据和设备数据进行数据处理,获得待计算数据集;

5、模型构建子系统,与所述数据处理子系统连接,用于构建多层感知器,将所述多层感知器的隐藏层进行改进,生成改进的多层感知器,将所述改进型的多层感知器进行相关度训练,生成煤矿工作面关联度计算模型;

6、相关度生成子系统,与所述模型构建子系统连接,用于将所述待计算数据集输入至所述煤矿工作面关联度计算模型中进行计算,生成煤矿工作面环境及设备的关联度;

7、孪生模型构建子系统,与所述相关度生成子系统连接,用于基于所述煤矿工作面环境及设备的关联度将所述煤矿工作面的数据和设备数据转化为拓扑结构,基于所述拓扑结构构建煤矿工作面的数字孪生仿真模型。

8、优选的,所述数据收集子系统包括:

9、设备数据收集模块,用于基于设备的型号和制造商信息获取煤矿工作面的设备数据;

10、传感器信息收集模块,用于基于传感器获取煤矿工作面环境信息;

11、运行信息收集模块,基于运行状态和历史维护记录获取煤矿工作面采集信息。

12、优选的,所述数据处理子系统包括:

13、数据清洗模块,用于将所述煤矿工作面的数据和设备数据进行数据检查,将异常数据进行去除,并通过回归分析方法对缺失数据进行补充,获得清洗数据集;

14、归一化模块,用于将所述清洗数据集进行标准归一化处理,获得所述待计算数据集。

15、优选的,所述模型构建子系统包括:

16、改进模块,用于构建多层感知器,将所述多层感知器的隐藏层进行改进,生成改进的多层感知器;

17、训练模块,用于使用训练集对所述改进的多层感知器进行训练,同时选择交叉熵损失函数,并通过随机梯度下降算法最小化所述交叉熵损失函数,生成所述煤矿工作面关联度计算模型。

18、优选的,所述改进模块包括:

19、网络构建子模块,用于构建深度残差网络,并构建初始的多层感知器;

20、残差子模块,用于将所述深度残差网络中的主路径和捷径的输出相加,形成残差连接,并通过恒等映射对所述残差连接的维度进行匹配,生成残差块;

21、连接子模块,用于将所述残差块添加至所述初始的多层感知器的每个隐藏层之间,生成所述改进的多层感知器。

22、优选的,所述训练模块包括:

23、交叉训练子模块,用于使用训练集对所述改进的多层感知器进行训练,同时选择交叉熵损失函数,并通过随机梯度下降算法最小化所述交叉熵损失函数,获得训练感知器;

24、验证子模块,用于使用验证集对所述训练感知器的性能进行验证,获得验证结果;

25、验证优化子模块,用于基于所述验证结果对所述训练感知器的学习率和隐藏层的层数进行优化,获得所述煤矿工作面关联度计算模型。

26、优选的,所述相关度生成子系统包括:

27、计算模块,用于将所述待计算数据集输入至所述煤矿工作面关联度计算模型中进行计算,生成计算结果;

28、解释模块,用于基于局部可解释模型对所述计算结果进行解释,生成所述煤矿工作面环境及设备的关联度。

29、优选的,所述孪生模型构建子系统包括:

30、拓扑结构构建模块,用于基于所述煤矿工作面环境及设备的关联度构建煤矿工作面的网络拓扑结构;

31、框架构建模块,用于基于所述网络拓扑结构构建数字孪生模型的框架结构;

32、导入模块,用于将所述煤矿工作面的数据和设备数据进行三维处理后导入至所述框架结构中,生成煤矿工作面的数字孪生仿真模型。

33、本专利技术的技术效果为:

34、本专利技术通过多层感知器计算煤矿工作面的相关度后生成拓扑结构,基于拓扑结构构建数字孪生模型,使得数据处理和模型构建分开,提升数字孪生模型的计算性能,同时减少虚拟模型失真、控制信号延迟、系统卡顿等问题,并且多层感知器能够对工作面的复杂动态变化进行感知,使得模型构建过程中能够适应复杂的工作。

本文档来自技高网...

【技术保护点】

1.一种基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于:

2.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述数据收集子系统包括:

3.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述数据处理子系统包括:

4.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述模型构建子系统包括:

5.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述改进模块包括:

6.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述训练模块包括:

7.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述相关度生成子系统包括:

8.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述孪生模型构建子系统包括:

【技术特征摘要】

1.一种基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于:

2.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述数据收集子系统包括:

3.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述数据处理子系统包括:

4.根据权利要求1所述的基于数字孪生的煤矿智能综采工作面仿真系统,其特征在于,所述模型构建子系统包括:

5.根据权...

【专利技术属性】
技术研发人员:曲越李绍良王朋飞
申请(专利权)人:内蒙古峥创科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1