基于Bert-base模型深度学习的液压支架动作分类研究

液压支架的动作划分是工作面设备动作智能控制的关键基础信息。以液压支架压力数据为基础,采用时间序列分类的方法将支架动作划分为9类动作:升柱过程、初撑力跳变过程、增阻过程、极速增阻跳变过程、极速增阻过程、降柱跳变过程、降柱过程、移架过程、升柱跳变过程。利用Bert预训练模型进行构建全连接分类层,并利用液压支架压力数据进行模型分类训练。试验结果表明,在Bert-base预训练模型中,9类动作均取得了较好的分类效果,其中升柱过程的识别精度达到了96%,其余平稳动作过程的分类精度均超过了92%,验证了Bert模型在液压支架具有较强的泛化能力。

煤矿液压牵引采煤机截割路径多目标规划方法及其工程应用

针对现有液压牵引采煤机截割路径规划不合理,导致作业成本增加、生产效率降低的问题,提出煤矿液压牵引采煤机截割路径多目标规划方法研究。先采用LS-SVM模型、滚动预测算法搭建一种多输入、单输出的煤层地貌数据时间序列模型;然后基于运动学原理分析液压牵引采煤机截割运动机理,以能耗最小、作业成本最小及生产效率最大为目标函数;最后根据启发式搜索找出液压牵引采煤机各运动状态符合目标函数的最佳作业子路径集合,确定全局最佳截割路径。测试结果表明,液压牵引采煤机截割路径规划与理想截割路径基本一致,且路径规划时间最短,有效延长了液压牵引采煤机内部零件的使用寿命,大大提升了煤矿采煤生产效率。