基于LSTM神经网络机车调度剩余时间预测

矿山机车调度的数字孪生系统构建是智慧矿山建设的一项重要研究内容,为实现矿山机车调度数字孪生系统的实时预测分析,将预测型监控管理的剩余时间预测作为研究目标。从井下机车调度系统的数字孪生系统的背景出发,以矿山机车的智能传感技术实时采集的机车运行过程数据为基础,通过对事件日志中不同类型的机车轨迹进行划分,构建剩余时间向量,并使用对时序数据有较高准确性的LSTM神经网络进行预测,实现机车调度剩余时间的精准预测。同时,根据划分的机车轨迹创建滑动窗口矩阵,在机车运行过程中不断迭代更新,使用已训练的LSTM神经网络模型对滑动窗口矩阵的剩余时间向量进行预测,实现不同类型机车调度剩余时间预测的实时更新。通过实验证明了方法的有效性。提出的方法可以有效地解决不同机车类型在不同活动下的机车调度剩余时间实时预测问题,为矿山数字孪生下的机车大数据分析与决策提供数据支持。