申请/专利权人：鄂尔多斯应用技术学院

申请日：2020-10-12

公开（公告）日：2024-03-15

公开（公告）号：CN112329817B

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06N3/04;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2021.02.26#实质审查的生效;2021.02.05#公开

摘要：本发明公开了一种基于神经网络的采煤机稳态样本分析方法，涉及神经网络的学习技术领域，包括以下步骤：通过对采煤机负样本数量进行判定，以实施不同的学习过程，通过模拟人脑中神经元的连接方式而来，它通过设置各种激活函数以及调整神经元之间的连接权值来进行学习修改，可用于求解各种分类以及优化问题，本发明提供的采煤机稳态样本分析方法按照采集到的数据类型，分别使用相对应的神经网络算法进行采煤机稳态样本分析；定义了三种故障数据情况下数据类型，并设计了相应的神经网络算法以及具体的操作过程。

主权项：1.一种基于神经网络的采煤机稳态样本分析方法，其特征在于，包括以下步骤：S1：判定采煤机负样本数量，设置阈值a，当负样本数量a，定义为少量负样本，当负样本数量≥a，定义为足够负样本；S2、在足够负样本条件下，将采煤机稳态依照测定模块设定对应位数的二进制数，每位数中的0和1分别表示模块状态，所有位数的二进制数表示当前条件下的采煤机稳态情况，得到稳态结果，并根据该稳态结果进行学习，学习包括以下步骤：a1、数据处理：将原始数据归一化，按照稳态结果对应各种参数的形式进行存储；a2、神经网络搭建：根据输入参数，设定神经网络参数输入节点数，根据输出二进制位数设定神经网络输出节点数；a3、神经网络训练：将原始数据按照1:2～1:3分为测试数据和训练数据，将训练数据输入到神经网络中用以训练，根据反相传播算法调整内部参数，并得到预测精度；a4、神经网络调整：调整隐含层层数和隐含层节点数，重复a3步骤，记录不同节点下的回归精度；a5、结果选取：选取回归精度最高的神经网络参数作为最终结果，进行采煤机稳态样本智能化识别；S3、在少量负样本条件下，将采煤机稳态依照测定模块设定对应位数的二进制数，每位数中的0和1分别表示模块状态，所有位数的二进制数表示当前条件下的采煤机稳态情况，得到稳态结果，使用三重训练算法进行学习，学习包括以下步骤：b1、数据处理：将原始数据归一化，将有负样本的数据按照稳态结果对应各种参数的形式进行存储，并设定为L；将无负样本的数据按照同一时间的特征进行存储，并设定为U；b2、神经网络搭建：搭建3个不同的神经网络H1、H2和H3，根据输入参数，设定神经网络参数输入节点个数，根据输出二进制位数设定神经网络输出节点数；b3、负样本扩大：将已标记样本Lxi,yi构造为具有差异性训练集的L1、L2和L3，同样的方法将未标记样本Uxj构造得到训练集U1、U2和U3，根据训练集L1、L2和L3分别训练三个神经网络，训练完成后将U1输入到H2和H3中进行判别，若输出结果一致，则将输出结果作为稳态结果标记添加到L4中，同样，将U2输入到H1和H3中，若输出结果一致，则将输出结果作为稳态结果标记添加到L4，对U3同样处理，将U3输入到H1和H2中，若输出结果一致，则将输出结果作为稳态结果标记添加到L4中；使得L4中获得足量的负样本；b4、神经网络训练将L1、L2、L3和L4中的负样本输入到神经网络中训练，得到最终的神经网络；S4、在无负样本条件下，采集健康状态下采煤机的健康参数数据，将采煤机稳态情况分为正常和可能故障状态，设定健康状态下稳态结果并进行学习，学习包括以下步骤：c1、数据处理：将原始数据归一化，将同一时间的健康参数添加稳态参数p,得到稳态参数对应的健康参数；c2、神经网络搭建：根据输入参数，设定神经网络参数输入节点个数，根据输出为1个设定神经网络输出节点，设定隐含层为2层，隐含节点设定为其中m＝39为输入节点数，n＝1为输出节点数，a取值1到10之间；c3：神经网络训练：将原始数据按照1:7～1:10分为测试数据和训练数据，将训练数据输入到神经网络中用以训练，根据反向传播算法调整内部参数，并且得到预测精度，将测试样本中人工加入参数偏差极大的样本作为负样本用以测试，设定神经网络测试样本的输出值为a,定义k＝|a-0.9|为偏离参数，定义e为偏离常数，若k大于等于e,则认为测试样本为可能故障状态，若k小于e，则认为测试数据为健康状态；c4、参数调整：分别在6-10区间内调整参数h，0.3-0.5区间内调整e，得出在无负样本条件下神经网络最优学习参数。

全文数据：

权利要求：

百度查询： 鄂尔多斯应用技术学院 一种基于神经网络的采煤机稳态样本分析方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD