基于深度信念网络的滚筒采煤机截割载荷预测
毛君1
郭浩1
陈洪月2
1.辽宁工程技术大学机械工程学院,阜新1230002.辽宁工程技术大学机械工程学院,阜新123000;煤炭工业协会高端综采成套装备动力学测试与大数据分析中心,阜新123000;矿山液压技术与装备国家工程研究中心,阜新123000
摘要：为了准确预测采煤机螺旋滚筒截割载荷,提出了一种基于深度信念网络(Deep Belief Network,DBN)的预测模型.DBN模型以2个导向滑靴受力、2个平滑靴受力、摇臂振动、惰轮轴受力、截割电机电流7个特征参数作为可视输入,通过非监督逐层贪婪学习得到更好的高层特征表示,增强识别过程的智能性,避免人工特征提取的繁琐与不精确,最后预测出前滚筒的三向载荷和负载扭矩.对所提出的方法进行了测试,测试结果表明该方法适用于采煤机螺旋滚筒载荷预测,具有强大的特征提取能力且性能优于BP神经网络,可以为滚筒及采煤机的设计、研究、评价提供理论参考.
关键词：采煤机螺旋滚筒截割载荷深度信念网络
分类号：TD421.6(矿山机械)
资助基金：国家自然科学基金(51874157)辽宁省自然科学基金(20170540415)
论文发表日期：2020-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 270-275 )
英文信息