一種確定薄煤層滾筒採煤機綜採工藝模式的方法與流程
2023-09-12 04:35:35
本發明涉及一種確定綜採工藝模式的方法，具體是一種確定薄煤層滾筒採煤機綜採工藝模式的方法。
背景技術：
伴隨薄煤層滾筒採煤機等綜採設備的發展，配套的綜採工藝模式也取得了及時跟進，為降低工人勞動強度、提高安全程度等提供了技術借鑑。淄博、兗州、淮南、淮北、邯鄲、朔州、韓城、神木、府谷、達州等薄煤層礦區基本涵蓋了我國的薄煤層綜採工藝模式。根據滾筒採煤機控制方式可將薄煤層滾筒採煤機綜採工藝模式分為：跟機控制綜採工藝、分段控制綜採工藝、自動化綜採工藝、智能化綜採工藝。
多樣化的薄煤層綜採工藝模式為薄煤層工作面工藝設計提供了多種思路，但薄煤層綜採工藝系統複雜多變，無法準確預知或確定系統內相關因素間及因素與結果間的相關關係，綜採工藝模式的評價屬於典型的非線性規劃問題，評價指標及目標間的相關關係缺乏精確的數學表達。利用人工神經網絡構建薄煤層綜採工藝模式評價的非線性模型，能夠把複雜的工藝模式評價系統看作是黑箱，將樣本數據植入神經網絡，因素間的相關關係被隱含在網絡結構的隱含層中，利用誤差反饋機制對網絡權值進行調整，經過多重訓練，尋求網絡的權值向量，能夠降低人為因素對於建模的影響，提高評價結果計算的客觀程度。
技術實現要素：
本發明要解決的技術問題是提供一種確定薄煤層滾筒採煤機綜採工藝模式的方法，利用一種確定薄煤層滾筒採煤機綜採工藝模式的方法解決傳統的多樣化薄煤層綜採工藝模式為薄煤層工作面工藝設計提供了多種思路，但薄煤層綜採工藝系統複雜多變，無法準確預知或確定系統內相關因素間及因素與結果間的相關關係，綜採工藝模式的評價屬於典型的非線性規劃問題，評價指標及目標間的相關關係缺乏精確的數學表達的問題。
本發明採取的技術方案為：一種確定薄煤層滾筒採煤機綜採工藝模式的方法，包括以下步驟：
第一步、先確定薄煤層滾筒採煤機綜採工藝模式的9個影響因素，包括採高、工作面長度、地質因素、煤層傾角、煤厚變異係數、斷層、瓦斯、水文、勘探精度以及自動化裝備水平；
第二步、收集薄煤層開採的典型工程案例，作為薄煤層滾筒採煤機綜採工藝模式評價的檢驗樣本；
第三步、預測精度為100％的神經網絡被確定為工藝模式評價的最優神經網絡；
第四步、給定條件下的薄煤層滾筒採煤機綜採工藝模式選擇；
第五步、以工藝模式輸出值分布的概率最大為原則選擇對應的滾筒採煤機工藝模式。
採用本發明的技術方案，先確定薄煤層滾筒採煤機綜採工藝模式的9個影響因素，包括採高、工作面長度、地質因素、煤層傾角、煤厚變異係數、斷層、瓦斯、水文、勘探精度以及自動化裝備水平；再收集薄煤層開採的典型工程案例，作為薄煤層滾筒採煤機綜採工藝模式評價的檢驗樣本；然後預測精度為100％的神經網絡被確定為工藝模式評價的最優神經網絡；再在給定條件下的薄煤層滾筒採煤機綜採工藝模式選擇；最後以工藝模式輸出值分布的概率最大為原則選擇對應的滾筒採煤機工藝模式。
有益效果，由於採用了上述方案，採用神經網絡的預測功能完成薄煤層綜採工藝模式的選擇，以工藝模式輸出值域分布的概率最大為原則，使得選擇的工藝模式更加具有可信度。薄煤層滾筒採煤機綜採工作面按照此工藝模式進行開採，降低了工人勞動強度，優化了勞動組織；實現了給定薄煤層工作麵條件下滾筒採煤機綜採工藝模式的優選決策。
綜上所述，利用一種確定薄煤層滾筒採煤機綜採工藝模式的方法可以解決傳統的多樣化薄煤層綜採工藝模式為薄煤層工作面工藝設計提供了多種思路，但薄煤層綜採工藝系統複雜多變，無法準確預知或確定系統內相關因素間及因素與結果間的相關關係，綜採工藝模式的評價屬於典型的非線性規劃問題，評價指標及目標間的相關關係缺乏精確的數學表達的問題。
附圖說明
圖1為工藝模式評價的「9-9-9-1」神經網絡結構圖
圖中：x0為採高；x1為工作面長度；x2為煤層傾角；x3為煤厚變異係數；x4為斷層；x5為瓦斯；x6為水文；x7為勘探精度；x8為自動化裝備水平；x′i為第一隱含層的神經元，共9個；xi″為第二隱含層的神經元，共9個；y0為工藝模式。
具體實施方式
下面結合附圖對本發明的實施作進一步的描述：
實施例1：具體步驟如下：
a、確定薄煤層滾筒採煤機綜採工藝模式的9個影響因素，包括採高、工作面長度、地質因素、煤層傾角、煤厚變異係數、斷層、瓦斯、水文、勘探精度以及自動化裝備水平；
b、定量指標的處理，利用定量指標的多元隸屬函數來確定，包括採高、工作面長度、煤層傾角、煤層厚度變異係數、斷層、瓦斯和水文；
c、定性指標的處理，利用模糊數學與Yager指數進行表達，即Yager指數：勘探精度、自動化裝備水平等定性指標採用模糊數學的原理進行量化，並採用Yager指數對模糊數進行去模糊化：
f(x)＝F(m,a,b)＝(3m-a+b)/3
其中，f(x)為關於模糊數x的隸屬函數，其中x為三角形模糊數x＝(m,a,b)LR，即m-a＜x＜m+b，且f(x)∈[0,1]，且在(m-a,m)、(m,m+b)範圍內分別為線性單調遞增與線性單調遞減函數，包括勘探精度及自動化裝備水平；
d、收集薄煤層開採的典型工程案例，作為薄煤層滾筒採煤機綜採工藝模式評價的訓練樣本；
e、利用MATLAB提供的[X,ps]＝mapminmax(x,0,1)函數對指標進行歸一化處理；
f、對網絡輸出數據利用反歸一化處理從而得到神經網絡的預測值；
g、檢驗精度為100％的神經網絡被確定為工藝模式評價的最優神經網絡；
h、給定條件下的薄煤層滾筒採煤機綜採工藝模式選擇；
i、以網絡工藝模式輸出值概率最大為原則選擇對應的滾筒採煤機工藝模式。