共查询到10条相似文献,搜索用时 15 毫秒
1.
将采煤机滚筒截割振动特性作为煤岩识别的标识之一,利用自适应模糊神经网络推理系统(ANFIS)将采煤机的工作状态信息进行融合,建立了多信息融合的煤岩识别模型,并利用模拟实验中采集的数据完成煤岩分界识别的实验研究,结果表明利用该方法实现采煤机的煤岩识别是可行的,并为实现采煤机姿态的自动控制提供依据。 相似文献
2.
为了能够提高连续采煤机故障诊断的效率和精度,深入地研究了基于改进遗传算法的RBF神经网络在其中的应用。分析了连续采煤机的主要故障类型;分别研究了RBF神经网络的基本原理和改进遗传算法的基本原理;进行了连续采煤机故障诊断的实例分析,仿真结果验证了该故障诊断技术的有效性。 相似文献
3.
提高采煤自动化、无人化程度的关键在于提高采煤机对煤炭和岩石的识别能力,在记忆截割的基础上,采用灰色预测理论,提出了1种基于滚筒采煤机摇臂惰轮轴受力分析的综合煤岩识别方法,通过实时检测采煤机在截割不同介质时的惰轮轴受力,并根据惰轮轴受力建立采煤机截割路线智能预测系统,实时修正截割路线,提高了采煤机的追踪适应能力。该方法在中煤张家口煤机厂实验平台上进行截割实验验证,结果表明:采煤机割岩时受力比割煤时平均受力大19.45%,能够很好的对煤岩界面进行识别。 相似文献
4.
基于RBF神经网络的瓦斯涌出量预测 总被引:1,自引:0,他引:1
传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对预测精度的影响,并与同结构的BP神经网络预测结果进行了对比。研究结果证明了RBF神经网络在瓦斯涌出量预测中的有效性。 相似文献
5.
6.
7.
基于神经网络和Dempster-Shafter信息融合的煤岩界面预测 总被引:2,自引:0,他引:2
针对煤岩界面识别精度无法满足采煤机自动调度的情况,提出采用神经网络融合工作面的三边信息,使用D-S证据理论再将此信息和不断获得的煤岩界面识别信息进行二次融合,从而实现在线融合和在线预测,不断提高预测精度,仿真结果显示:该方法不仅对地质条件好的工作面有效,而且对断层也有一定的适应性;同时,具有优良的容错性。 相似文献
8.
9.
10.
由于采煤机记忆截割技术应用在复杂煤层中具有局限性,提出一种基于BP神经网络的PID控制器,对采煤机的液压自动调高系统进行优化。通过BP神经网络的预测控制原理,改进PID控制器参数。搭建了采煤机滚筒调高PID控制实验系统,并进行了阶跃响应实验和跟踪性能实验。结果表明,相比于传统PID控制器,改进的PID控制器响应更为平稳、跟踪性能更加优越,能更好地满足采煤机在复杂工况下的自动调高要求。 相似文献