基于熵权的正则化神经网络煤岩截割载荷谱预测模型

截齿截割煤岩载荷是研制高性能采掘机械和智能化开采的重要基础,通过探究截齿截割煤岩载荷谱的变化规律和特征,为研究高效、高可靠破岩方法提供理论支撑,针对截齿破碎煤岩过程存在随机性,传统的理论推演载荷模型具有单值特性,难以准确描述任意截割条件下煤岩破碎的载荷历程,提出理论推演的截齿载荷幅值模型和有限实验载荷谱相结合方式,采用信息熵理论对理论与实验截割载荷谱进行综合,应用正则化神经网络对载荷谱综合进行模型化重构,根据最小二乘法提出基于有限载荷曲线族预测不同楔入角载荷谱的模型。结合30°~50°楔入角实验不同参数下载荷谱,以不同楔入角截齿的载荷谱和理论推演模型为例,对比分析不同楔入角下载荷谱的综合与正则化神经网络对其模型化重构,以及对不同楔入角的载荷预测。研究表明:构建了过程响应的截割阻力理论推演模型,在此基础上获得了30°~50°楔入角下理论与实验相结合的综合载荷谱,实现了载荷谱幅值与变化规律的表征,给出了载荷谱正则化神经网络模型化重构的方法;根据所建立的不同楔入角的载荷预测模型对30°,33°,50°和55°载荷谱进行预测,其中楔入角为30°和50°的预测载荷谱与正则化神经网络模型化重构载荷谱的互相关系数分别为0.9717和0.9839,呈高度相关,其幅值相对误差分别为4.04%和5.21%,表明该模型可以表征载荷幅值与截割煤岩载荷历程,模型具有一定优越性,为研究截齿的破碎机制提供了参考。