基于多源数据融合的采煤机截割载荷预测方法

摘要：

为解决单一传感信息对采煤机截割载荷预测精度低的问题,提高采煤机运行安全状态的感知能力,在应用深度信念网络(DBN)的基础上,引入贝叶斯正则化(BR)方法和粒子群优化(PSO)算法,提出了一种基于多传感器的采煤机滚筒载荷辨识与预测方法.构建BR-PSO-DBN预测模型,以惰轮轴传感器、连接架销轴传感器和摇臂应变传感器监测的22组测试数据为输入样本,预测滚筒截割三向载荷与扭矩.依托截割载荷实验系统进行现场测试,并将实测结果与预测结果进行对比分析,结果表明:实测曲线与预测曲线变化规律基本相同,峰值点相对应,模型对滚筒三向截割载荷的预测精度达到83％以上,其中对滚筒扭矩预测精度达到95％,说明预测模型具有较高的预测精度,能够为现场应用指导安全生产提供参考.

关键词：采煤机、载荷预测、深度信念网络、贝叶斯正则化、改进粒子群优化

所属期刊栏目：32

分类号：TD421(矿山机械)

资助基金：国家自然科学基金51874157

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1247-1253,1259