龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国矿业大学
摘要：一种基于CNN‑LSTM神经网络的采运装备速度协同控制方法，将采煤机、刮板机原始数据划分为训练集、验证集和测试集；将训练集输入CNN‑LSTM神经网络模型中，当未达到最大训练轮数时，建立同时刻状态下采煤机、刮板机的预测模型的总损失函数以及其之间协同关系的总损失函数，并进行参数更新，重新输入LSTM层再次进行训练，输出预测模型结果，使其直到达到最大训练轮数；测试集输入训练好的预测模型中，输出采煤机速度预测、刮板机预测速度，计算CNN‑LSTM预测模型的评价指标。本发明实现对采煤机、刮板机速度的协同控制，提高其之间的协同工作效率、以及控制精度，更好地适应综采工作面的环境和设备变化。
主权项：1.一种基于CNN-LSTM神经网络的采运装备速度协同控制方法，其特征在于，具体包括以下步骤：步骤一，采集井下采煤机、刮板机运行原始数据；步骤二，将步骤一中的采煤机、刮板机原始数据归一化后分别划分为训练集、验证集和测试集；步骤三，将相应划分的训练集输入CNN-LSTM神经网络模型中，输入数据先由上层CNN神经网络进行特征提取、再传递到下层LSTM神经网络中进行训练，后经全连接层、输出层后输出采煤机预测模型、刮板机预测模型的结果；步骤四，当未达到最大训练轮数时，建立同时刻状态下采煤机预测模型的总损失函数loss1、刮板机预测模型总损失函数loss2、以及采煤机预测速度与刮板机预测速度之间协同关系的总损失函数Loss；计算相应的采煤机、刮板机的损失值并进行参数更新，并通过优化算法对更新的参数进行优化使其快速收敛；然后将收敛后的参数重新输入至步骤三中的LSTM层再次进行训练，重新输出采煤机预测模型、刮板机预测模型的结果；并循环使其直到达到最大训练轮数；步骤五，当达到最大训练轮数时，停止训练，并输出在验证集上总损失值Loss最小值情况下、相应的采煤机预测模型与刮板机预测模型；步骤六，将步骤二中测试集输入步骤五中训练好的预测模型中，输出采煤机速度预测、刮板机预测速度，计算CNN-LSTM预测模型的评价指标。
全文数据：
权利要求：
百度查询： 中国矿业大学 一种基于CNN-LSTM神经网络的采运装备速度协同控制方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号