CN104314599A - 一种基于神经网络的综采工作面自动化放煤系统和方法 - Google Patents
一种基于神经网络的综采工作面自动化放煤系统和方法 Download PDFInfo
- Publication number
- CN104314599A CN104314599A CN201410506120.9A CN201410506120A CN104314599A CN 104314599 A CN104314599 A CN 104314599A CN 201410506120 A CN201410506120 A CN 201410506120A CN 104314599 A CN104314599 A CN 104314599A
- Authority
- CN
- China
- Prior art keywords
- coal
- hydraulic support
- neural network
- fully
- mechanized mining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003245 coal Substances 0.000 title claims abstract description 141
- 238000005065 mining Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000007935 neutral effect Effects 0.000 title claims abstract description 31
- 238000012806 monitoring device Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 37
- 238000003062 neural network model Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 20
- 238000011084 recovery Methods 0.000 claims description 19
- 238000007405 data analysis Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D23/00—Mine roof supports for step- by- step movement, e.g. in combination with provisions for shifting of conveyors, mining machines, or guides therefor
- E21D23/12—Control, e.g. using remote control
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于神经网络的综采工作面自动化放煤系统，包括系统主机(1)，电液控制系统(2)和若干个液压支架压力监测装置(3)；系统主机(1)通过人工输入或由液压支架压力监测装置(3)自动传输，获得外部信息，经过分析加工处理，并经过神经网络模型处理计算，获得指令信号，传输给电液控制系统(2)；电液控制系统(2)在接收到系统主机(1)传来或人工发出的指令信号后，控制综采工作面液压支架(4)的放煤口(44)的开启和关闭；液压支架压力监测装置(3)用于实时监测液压支架所承受顶煤的压力状态，并实时将监测数据传输给系统主机(1)。本发明能够有效解决自动化放煤对顶煤厚度变化和液压支架顶煤顶板条件差异适应差的问题。
Description
技术领域
本发明涉及一种综采工作面放煤系统和方法，尤其是一种基于神经网络的综采工作面自动化放煤系统和方法。
背景技术
放顶煤综采方法在厚及特厚煤层开采中已经得到广泛的应用，但放顶煤综采方法由于一直采用人工放煤，因此存在明显弊端：放煤时机完全由人工凭经验掌握，不仅效率低，而且顶煤往往无法充分放出，造成煤炭资源的巨大浪费；同时，还可能由于顶板冒落而造成人员伤亡，放煤过程中产生的大量粉尘、瓦斯也对工作人员的身体健康构成严重威胁。
基于上述原因，越来越多的放顶煤综采工作面安装了一种基于电液控制的自动放煤系统，取代了人工放煤，实现了放煤自动化。但经实践检验，这种自动化放煤方法也存在明显弊端：首先，对煤层厚度变化适应性较差，当煤层出现起伏或厚度发生较大变化时，容易出现丢煤或由于超放导致放出矸石的现象；其次，对于各个支架具体顶板顶煤情况把握性差，不能针对其中差异实时调整放煤时机和放煤时间等。
综上所述，目前还没有一种可以适应煤层厚度变化和不同支架顶煤顶板情况差异的自动化放煤系统和方法。
发明内容
为解决目前综采工作面自动化放顶煤方法对于煤层厚度变化和不同支架顶煤顶板条件变化适应性差的技术问题，本发明提供了一种基于神经网络的综采工作面自动化放煤系统和方法。
本发明采用的技术方案如下：
一种基于神经网络的综采工作面自动化放煤系统，包括系统主机，电液控制系统和若干个液压支架压力监测装置；所述系统主机通过人工输入或由所述液压支架压力监测装置自动传输，获得外部信息，经过分析加工处理，并经过神经网络模型处理计算，获得指令信号，传输给所述电液控制系统；所述电液控制系统在接收到所述系统主机传来或人工发出的指令信号后，控制综采工作面液压支架的放煤口的开启和关闭；所述液压支架压力监测装置安装于所述综采工作面液压支架上，用于实时监测所述液压支架所承受顶煤的压力状态，并实时将监测数据传输给所述系统主机。
在上述基于神经网络的综采工作面自动化放煤系统中，所述系统主机包括神经网络处理器模块，数据分析和加工模块，样本知识库模块，人工输入模块和放顶煤信号控制器；所述神经网络处理器模块用于将所述数据分析和加工模块处理后的数据信息或所述样本知识库模块内的样本信息，通过神经网络模型进行计算处理，获得放顶煤指令信号或获得模型训练和检验；所述数据分析和加工模块用于将所述液压支架压力监测装置传来的数据进行分析和加工，获得可供所述神经网络处理器模使用的数据信息；所述样本知识库模块用于将所述人工输入模块传来的数据信息进行存储分类，供所述神经网络处理器模块训练和检验使用；所述人工输入模块用于将人工处理的数据信息输入给所述样本知识库模块，所述数据信息包括所述液压支架所承受顶煤的压力信息和所述顶煤放出率信息；所述放顶煤信号控制器用于将经所述神经网络处理器模块获得的指令信号传输给所述电液控制系统。
在上述基于神经网络的综采工作面自动化放煤系统中，所述样本知识库模块还接收所述神经网络处理器模块通过神经网络模型进行计算处理后的数据信息，增加所述样本知识库样本数量。
在上述基于神经网络的综采工作面自动化放煤系统中，所述液压支架压力监测装置包括若干个应力传感器。
采用上述综采工作面自动化放煤系统的自动化放顶煤方法，包括如下步骤：
(a)启动所述系统主机对所述神经网络处理器模块进行初步设定，将综采工作面液压支架的前立柱、后立柱和平衡千斤顶的压力特征值设置为神经网络模型输入层的节点，形成节点数为k，综采工作面液压支架顶煤放出率指数D设置为神经网络模型输出层的唯一节点；
(b)在所述前立柱、后立柱和平衡千斤顶上安装若干个所述液压支架压力监测装置，总数不少于k个，实时监测所述前立柱、后立柱和平衡千斤顶的压力值；
(c)综采工作面开始生产后，通过人工发出对所述电液控制系统的指令来控制所述放煤口的开启和关闭，并通过人工干预，使实测的每个循环的所述液压支架顶煤放出率指标值D实大于设定指标值D设，经过N个放煤循环后，停止所述综采工作面生产；
(d)将经所述液压支架压力监测装置监测获得的N个放煤循环的所述前立柱、后立柱和平衡千斤顶的压力特征值，以及实测的所述液压支架顶煤放出率指标值D实进行人工分析计算，获得N个符合神经网络模型输入和输出要求的样本，将所述样本通过所述人工输入模块输入到所述样本数据库模块中；
(e)通过所述样本数据库模块将所获得N个样本中的m个样本作为训练样本，n个作为检验样本，其中，m+n＝N，n/N＞10％；
(f)将所述m个训练样本传输给所述神经网络处理器模块，对所述神经网络模型进行训练；
(g)训练完成后，再将所述n个检验样本传输给所述神经网络处理器模块，对神经网络模型进行检验；
(h)检验完成后，根据预设定的放煤步距设定所述电液控制系统自动放煤模式，综采工作面继续生产，开始第N+1个放煤循环；
(i)经所述液压支架压力监测装置实时测得的所述前立柱、后立柱和平衡千斤顶的压力特征值，自动传输给所述数据分析和加工模块，再传输给所述神经网络处理器模块，当输出层所获得的所述液压支架顶煤放出率指数大于设定指标D设时，所述神经网络处理器模块经所述放顶煤指令控制器向所述电液控制系统发出关闭所述放煤口信号，关闭所述放煤口，第N+1个放煤循环自动完成；
(j)第N+1个放煤循环完成后，第N+2个放煤循环自动开始，依此顺序，直至整个所述综采工作面生产完毕。
在上述基于神经网络的综采工作面自动化放煤方法中，所述综采工作面液压支架的前立柱、后立柱和平衡千斤顶的压力特征值为前柱放煤循环压力变化量P1、后立柱放煤循环压力变化量P2、平衡千斤顶上腔放煤循环压力变化量P3、平衡千斤顶下腔放煤循环压力变化量P4、支架前后立柱放煤循环结束时压力比值P5和平衡千斤顶上下腔放煤循环结束时压力比值P6。
在上述基于神经网络的综采工作面自动化放煤方法中，所采用的神经网络模型为多层前馈神经网络。
在上述基于神经网络的综采工作面自动化放煤方法中，用于训练和检验的样本数量N值为20，其中，训练样本数量m为16，检验样本数量n为4。
本发明的系统和方法与现有技术相比具有以下优点：
①本发明提供的一种基于神经网络的综采工作面自动化放煤系统和方法，由于采用神经网络方法并结合电液控制系统对综采工作面放煤进程进行控制，通过对神经网络模型进行训练和检验，可以获得较为准确的顶煤放出率预测结果，因此，本发明能够在实现放煤自动化的同时，解决了因困难地质条件、特殊煤岩特性等复杂煤层赋存条件下，顶煤放出率无法通过经典方法计算获得的技术难题。
②本发明提供的一种基于神经网络的综采工作面自动化放煤系统和方法，由于采用神经网络方法，可以针对每一个放煤循环，每一个液压支架进行差异化控制，能够较大程度的消除顶煤厚度变化影响，同时完全不需要考虑不同液压支架顶煤顶板条件差异影响，因此，本发明对综采工作面的适应性更高，应用范围更广。
③本发明提供的一种基于神经网络的综采工作面自动化放煤系统和方法，由于采用液压支架前立柱、后立柱和平衡千斤顶的压力特征值作为神经网络模型的输入层，使得神经网络模型样本训练效果更好，对顶煤放出率的预测更可靠，因此，本发明能够有效提高综采工作面顶煤放出率。
④本发明提供的一种基于神经网络的综采工作面自动化放煤系统和方法，由于采用前立柱、后立柱和平衡千斤顶的压力特征值为前柱放煤循环压力变化量P1、后立柱放煤循环压力变化量P2、平衡千斤顶上腔放煤循环压力变化量P3、平衡千斤顶下腔放煤循环压力变化量P4、支架前后立柱放煤循环结束时压力比值P5、平衡千斤顶上下腔放煤循环结束时压力比值P6，这些指标值更能真实的反映顶煤放出率，更能进一步的提高神经网络模型训练效率和效果，降低对训练样本和检验样本的数量要求，能够有效减少放煤人工操作环节，更进一步提高综采工作面生产的自动化程度，因此，本发明能够有效提供综采工作面生产效率和资源回收率。
附图说明
为了使发明的内容更容易被清楚的理解，下面结合附图和实施例对本发明进一步说明。
图1是本发明基于神经网络的综采工作面自动化放煤系统结构示意图；
图2是本发明基于神经网络的综采工作面自动化放煤系统中系统主机的结构示意图；
图3是采用本发明基于神经网络的综采工作面自动化放煤方法进行放煤的示意图。
图中标记为：1-系统主机，2-电液控制系统，3-液压支架压力监测装置，4-液压支架，5-顶煤，11-神经网络处理器模块，12-数据分析和加工模块，13-样本数据库模块，14-人工输入模块，15-放顶煤信号控制器，41-前立柱，42-后立柱，43-平衡千斤顶，44-放煤口。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
图1-3是本发明一种基于神经网络的综采工作面自动化放煤系统和方法的优选实施例。
所述基于神经网络的综采工作面自动化放煤系统，包括系统主机1，电液控制系统2和若干个液压支架压力监测装置3；所述系统主机1通过人工输入或由所述液压支架压力监测装置3自动传输，获得外部信息，经过分析加工处理，并经过神经网络模型处理计算，获得指令信号，传输给所述电液控制系统2；所述电液控制系统2在接收到所述系统主机1传来或人工发出的指令信号后，控制综采工作面液压支架4的放煤口44的开启和关闭；所述液压支架压力监测装置3安装于所述综采工作面液压支架4上，用于实时监测所述液压支架所承受顶煤5的压力状态，并实时将监测数据传输给所述系统主机1。
在本实施例中，所述系统主机1包括神经网络处理器模块11，数据分析和加工模块12，样本知识库模块13，人工输入模块14和放顶煤信号控制器15；所述神经网络处理器模块11用于将所述数据分析和加工模块12处理后的数据信息或所述样本知识库模块13内的样本信息，通过神经网络模型进行计算处理，获得放顶煤指令信号或获得模型训练和检验；所述数据分析和加工模块12用于将所述液压支架压力监测装置3传来的数据进行分析和加工，获得可供所述神经网络处理器模块11使用的数据信息；所述样本知识库模块13用于将所述人工输入模块14传来的数据信息进行存储分类，供所述神经网络处理器模块11训练和检验使用；所述人工输入模块14用于将人工处理的数据信息输入给所述样本知识库模块13，所述数据信息包括所述液压支架所承受顶煤5的压力信息和所述顶煤5放出率信息；所述放顶煤信号控制器15用于将经所述神经网络处理器模块11获得的指令信号传输给所述电液控制系统2。
在本实施例中，所述样本知识库模块13还接收所述神经网络处理器模块11通过神经网络模型进行计算处理后的数据信息，增加所述样本知识库样本数量。
在本实施例中，所述液压支架压力监测装置3包括若干个应力传感器。
所述基于神经网络的综采工作面自动化放煤方法，采用本实施例所述的综采工作面自动化放煤系统，包括如下步骤：
(a)启动所述系统主机1对所述神经网络处理器模块11进行初步设定，将综采工作面液压支架4的前立柱41、后立柱42和平衡千斤顶43的压力特征值设置为神经网络模型输入层的节点，形成节点数为k，综采工作面液压支架4顶煤放出率指数D设置为神经网络模型输出层的唯一节点；
(b)在所述前立柱41、后立柱42和平衡千斤顶43上安装若干个所述液压支架压力监测装置3，总数不少于k个，实时监测所述前立柱41、后立柱42和平衡千斤顶43的压力值；
(c)综采工作面开始生产后，通过人工发出对所述电液控制系统2的指令来控制所述放煤口44的开启和关闭，并通过人工干预，使实测的每个循环的所述液压支架顶煤放出率指标值D实大于设定指标值D设，经过N个放煤循环后，停止所述综采工作面生产；
(d)将经所述液压支架压力监测装置3监测获得的N个放煤循环的所述前立柱41、后立柱42和平衡千斤顶43的压力特征值，以及实测的所述液压支架顶煤放出率指标值D实进行人工分析计算，获得N个符合神经网络模型输入和输出要求的样本，将所述样本通过所述人工输入模块14输入到所述样本数据库模块13中；
(e)通过所述样本数据库模块13将所获得N个样本中的m个样本作为训练样本，n个作为检验样本，其中，m+n＝N，n/N＞10％；
(f)将所述m个训练样本传输给所述神经网络处理器模块11，对所述神经网络模型进行训练；
(g)训练完成后，再将所述n个检验样本传输给所述神经网络处理器模块11，对神经网络模型进行检验；
(h)检验完成后，根据预设定的放煤步距设定所述电液控制系统2自动放煤模式，综采工作面继续生产，开始第N+1个放煤循环；
(i)经所述液压支架压力监测装置3实时测得的所述前立柱41、后立柱42和平衡千斤顶43的压力特征值，自动传输给所述数据分析和加工模块12，再传输给所述神经网络处理器模块11，当输出层所获得的所述液压支架顶煤放出率指数大于设定指标D设时，所述神经网络处理器模块11经所述放顶煤指令控制器15向所述电液控制系统2发出关闭所述放煤口44信号，关闭所述放煤口44，第N+1个放煤循环自动完成；
(j)第N+1个放煤循环完成后，第N+2个放煤循环自动开始，依此顺序，直至整个所述综采工作面生产完毕。
在本实施例中，所述综采工作面液压支架4的前立柱41、后立柱42和平衡千斤顶43的压力特征值为前柱放煤循环压力变化量P1、后立柱放煤循环压力变化量P2、平衡千斤顶上腔放煤循环压力变化量P3、平衡千斤顶下腔放煤循环压力变化量P4、支架前后立柱放煤循环结束时压力比值P5、平衡千斤顶上下腔放煤循环结束时压力比值P6。
在本实施例中，所采用的神经网络模型为多层前馈神经网络。
在本实施例中，用于训练和检验的样本数量N值为20，其中，训练样本数量m为16，检验样本数量n为4。
在其他实施例中，用于训练和检验的样本数量N值为30，其中，训练样本数量m为26，检验样本数量n为4。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (8)
1.一种基于神经网络的综采工作面自动化放煤系统，其特征在于：包括系统主机(1)，电液控制系统(2)和若干个液压支架压力监测装置(3)；
所述系统主机(1)通过人工输入或由所述液压支架压力监测装置(3)自动传输，获得外部信息，经过分析加工处理，并经过神经网络模型处理计算，获得指令信号，传输给所述电液控制系统(2)；
所述电液控制系统(2)在接收到所述系统主机(1)传来或人工发出的指令信号后，控制综采工作面液压支架(4)的放煤口(44)的开启和关闭；
所述液压支架压力监测装置(3)安装于所述综采工作面液压支架(4)上，用于实时监测所述液压支架所承受顶煤(5)的压力状态，并实时将监测数据传输给所述系统主机(1)。
2.根据权利要求1所述的基于神经网络的综采工作面自动化放煤系统，其特征在于：所述系统主机(1)包括神经网络处理器模块(11)，数据分析和加工模块(12)，样本知识库模块(13)，人工输入模块(14)和放顶煤信号控制器(15)；
所述神经网络处理器模块(11)用于将所述数据分析和加工模块(12)处理后的数据信息或所述样本知识库模块(13)内的样本信息，通过神经网络模型进行计算处理，获得放顶煤指令信号或获得模型训练和检验；
所述数据分析和加工模块(12)用于将所述液压支架压力监测装置(3)传来的数据进行分析和加工，获得可供所述神经网络处理器模块(11)使用的数据信息；
所述样本知识库模块(13)用于将所述人工输入模块(14)传来的数据信息进行存储分类，供所述神经网络处理器模块(11)训练和检验使用；
所述人工输入模块(14)用于将人工处理的数据信息输入给所述样本知识库模块(13)，所述数据信息包括所述液压支架所承受顶煤(5)的压力信息和所述顶煤(5)放出率信息；
所述放顶煤信号控制器(15)用于将经所述神经网络处理器模块(11)获得的指令信号传输给所述电液控制系统(2)。
3.根据权利要求2所述的基于神经网络的综采工作面自动化放煤系统，其特征在于：所述样本知识库模块(13)还接收所述神经网络处理器模块(11)通过神经网络模型进行计算处理后的数据信息，增加所述样本知识库样本数量。
4.根据权利要求3所述的基于神经网络的综采工作面自动化放煤系统，其特征在于：所述液压支架压力监测装置(3)包括若干个应力传感器。
5.一种基于神经网络的综采工作面自动化放煤方法，采用权利要求1-4任一所述的综采工作面自动化放煤系统，包括如下步骤：
(a)启动所述系统主机(1)对所述神经网络处理器模块(11)进行初步设定，将综采工作面液压支架(4)的前立柱(41)、后立柱(42)和平衡千斤顶(43)的压力特征值设置为神经网络模型输入层的节点，形成节点数为k，综采工作面液压支架(4)顶煤放出率指数D设置为神经网络模型输出层的唯一节点；
(b)在所述前立柱(41)、后立柱(42)和平衡千斤顶(43)上安装若干个所述液压支架压力监测装置(3)，总数不少于k个，实时监测所述前立柱(41)、后立柱(42)和平衡千斤顶(43)的压力值；
(c)综采工作面开始生产后，通过人工发出对所述电液控制系统(2)的指令来控制所述放煤口(44)的开启和关闭，并通过人工干预，使实测的每个循环的所述液压支架顶煤放出率指标值D实大于设定指标值D设，经过N个放煤循环后，停止所述综采工作面生产；
(d)将经所述液压支架压力监测装置(3)监测获得的N个放煤循环的所述前立柱(41)、后立柱(42)和平衡千斤顶(43)的压力特征值，以及实测的所述液压支架顶煤放出率指标值D实进行人工分析计算，获得N个符合神经网络模型输入和输出要求的样本，将所述样本通过所述人工输入模块(14)输入到所述样本数据库模块(13)中；
(e)通过所述样本数据库模块(13)将所获得N个样本中的m个样本作为训练样本，n个作为检验样本，其中，m+n＝N，n/N＞10％；
(f)将所述m个训练样本传输给所述神经网络处理器模块(11)，对所述神经网络模型进行训练；
(g)训练完成后，再将所述n个检验样本传输给所述神经网络处理器模块(11)，对神经网络模型进行检验；
(h)检验完成后，根据预设定的放煤步距设定所述电液控制系统(2)自动放煤模式，综采工作面继续生产，开始第N+1个放煤循环；
(i)经所述液压支架压力监测装置(3)实时测得的所述前立柱(41)、后立柱(42)和平衡千斤顶(43)的压力特征值，自动传输给所述数据分析和加工模块(12)，再传输给所述神经网络处理器模块(11)，当输出层所获得的所述液压支架顶煤放出率指数大于设定指标D设时，所述神经网络处理器模块(11)经所述放顶煤指令控制器(15)向所述电液控制系统(2)发出关闭所述放煤口(44)信号，关闭所述放煤口(44)，第N+1个放煤循环自动完成；
(j)第N+1个放煤循环完成后，第N+2个放煤循环自动开始，依此顺序，直至整个所述综采工作面生产完毕。
6.根据权利要求5所述的基于神经网络的综采工作面自动化放煤方法，其特征在于：所述综采工作面液压支架(4)的前立柱(41)、后立柱(42)和平衡千斤顶(43)的压力特征值为前柱放煤循环压力变化量P1、后立柱放煤循环压力变化量P2、平衡千斤顶上腔放煤循环压力变化量P3、平衡千斤顶下腔放煤循环压力变化量P4、支架前后立柱放煤循环结束时压力比值P5、平衡千斤顶上下腔放煤循环结束时压力比值P6。
7.根据权利要求5或6所述的基于神经网络的综采工作面自动化放煤方法，其特征在于：所采用的神经网络模型为多层前馈神经网络。
8.根据权利要求5-7任一所述的基于神经网络的综采工作面自动化放煤方法，其特征在于：用于训练和检验的样本数量N值为20，其中，训练样本数量m为16，检验样本数量n为4。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410506120.9A CN104314599B (zh) | 2014-09-29 | 2014-09-29 | 一种基于神经网络的综采工作面自动化放煤系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410506120.9A CN104314599B (zh) | 2014-09-29 | 2014-09-29 | 一种基于神经网络的综采工作面自动化放煤系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104314599A true CN104314599A (zh) | 2015-01-28 |
| CN104314599B CN104314599B (zh) | 2016-08-24 |
Family
ID=52369894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410506120.9A Active CN104314599B (zh) | 2014-09-29 | 2014-09-29 | 一种基于神经网络的综采工作面自动化放煤系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104314599B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108005701A (zh) * | 2017-11-28 | 2018-05-08 | 中煤能源研究院有限责任公司 | 一种放煤时间自适应修正的放顶煤自动控制系统 |
| CN109063269A (zh) * | 2018-07-07 | 2018-12-21 | 河南理工大学 | 基于图模型的液压支架群顶板支撑控制方法、存储介质 |
| CN109113771A (zh) * | 2018-07-17 | 2019-01-01 | 北京天地玛珂电液控制系统有限公司 | 基于bp神经网络模型的液压支架电液自适应控制系统 |
| CN109856631A (zh) * | 2019-02-27 | 2019-06-07 | 中国矿业大学 | 一种基于顶煤厚度变化量实时监测的智能化放煤方法 |
| CN110821493A (zh) * | 2018-08-07 | 2020-02-21 | 中国矿业大学(北京) | 一种减少综放工作面端头顶煤损失的放煤系统和方法 |
| CN111255497A (zh) * | 2020-02-20 | 2020-06-09 | 郑州普泽能源科技有限公司 | 一种综采工作面智能岩层控制方法 |
| CN111749723A (zh) * | 2020-07-01 | 2020-10-09 | 北京天地玛珂电液控制系统有限公司 | 放顶煤控制方法及系统 |
| CN111764902A (zh) * | 2020-08-05 | 2020-10-13 | 天地科技股份有限公司 | 一种综采放顶煤工作面智能化放煤控制方法 |
| CN111779524A (zh) * | 2020-06-30 | 2020-10-16 | 中国矿业大学 | 一种综放工作面液压支架智能放煤方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10018597A1 (de) * | 1999-04-16 | 2000-10-19 | Tiefenbach Bergbautechnik Gmbh | Steuerung für den Strebausbau |
| CN101303567A (zh) * | 2008-06-25 | 2008-11-12 | 中北大学 | 自适应模糊面开关阀控液压自动调平方法 |
-
2014
- 2014-09-29 CN CN201410506120.9A patent/CN104314599B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10018597A1 (de) * | 1999-04-16 | 2000-10-19 | Tiefenbach Bergbautechnik Gmbh | Steuerung für den Strebausbau |
| CN101303567A (zh) * | 2008-06-25 | 2008-11-12 | 中北大学 | 自适应模糊面开关阀控液压自动调平方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张守祥等: "综采工作面生产自动控制的探讨", 《煤矿机电》, no. 3, 30 June 2005 (2005-06-30) * |
| 朱川曲等: "神经网络方法在综放工作面的应用", 《煤炭学报》, vol. 26, no. 3, 30 June 2001 (2001-06-30) * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108005701A (zh) * | 2017-11-28 | 2018-05-08 | 中煤能源研究院有限责任公司 | 一种放煤时间自适应修正的放顶煤自动控制系统 |
| CN109063269B (zh) * | 2018-07-07 | 2021-09-07 | 河南理工大学 | 基于图模型的液压支架群顶板支撑控制方法、存储介质 |
| CN109063269A (zh) * | 2018-07-07 | 2018-12-21 | 河南理工大学 | 基于图模型的液压支架群顶板支撑控制方法、存储介质 |
| CN109113771A (zh) * | 2018-07-17 | 2019-01-01 | 北京天地玛珂电液控制系统有限公司 | 基于bp神经网络模型的液压支架电液自适应控制系统 |
| CN109113771B (zh) * | 2018-07-17 | 2020-06-16 | 北京天地玛珂电液控制系统有限公司 | 基于bp神经网络模型的液压支架电液自适应控制系统 |
| CN110821493A (zh) * | 2018-08-07 | 2020-02-21 | 中国矿业大学(北京) | 一种减少综放工作面端头顶煤损失的放煤系统和方法 |
| CN110821493B (zh) * | 2018-08-07 | 2022-02-22 | 中国矿业大学(北京) | 一种减少综放工作面端头顶煤损失的放煤系统和方法 |
| CN109856631A (zh) * | 2019-02-27 | 2019-06-07 | 中国矿业大学 | 一种基于顶煤厚度变化量实时监测的智能化放煤方法 |
| WO2020173030A1 (zh) * | 2019-02-27 | 2020-09-03 | 中国矿业大学 | 一种基于顶煤厚度变化量实时监测的智能化放煤方法 |
| CN111255497B (zh) * | 2020-02-20 | 2021-08-31 | 郑州普泽能源科技有限公司 | 一种综采工作面智能岩层控制方法 |
| CN111255497A (zh) * | 2020-02-20 | 2020-06-09 | 郑州普泽能源科技有限公司 | 一种综采工作面智能岩层控制方法 |
| CN111779524A (zh) * | 2020-06-30 | 2020-10-16 | 中国矿业大学 | 一种综放工作面液压支架智能放煤方法 |
| CN111779524B (zh) * | 2020-06-30 | 2021-05-28 | 中国矿业大学 | 一种综放工作面液压支架智能放煤方法 |
| CN111749723A (zh) * | 2020-07-01 | 2020-10-09 | 北京天地玛珂电液控制系统有限公司 | 放顶煤控制方法及系统 |
| CN111764902A (zh) * | 2020-08-05 | 2020-10-13 | 天地科技股份有限公司 | 一种综采放顶煤工作面智能化放煤控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104314599B (zh) | 2016-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104314599A (zh) | 一种基于神经网络的综采工作面自动化放煤系统和方法 | |
| Berner et al. | Strengthening quantitative risk assessments by systematic treatment of uncertain assumptions | |
| CN103455682B (zh) | 一种预测高温高压井腐蚀套管剩余寿命的方法 | |
| WO2021128959A1 (zh) | 一种输电断面热稳定功率极限区间识别方法及系统 | |
| CN110109359A (zh) | 一种海洋石油井控装备的安全完整性水平评估方法 | |
| CN103761420B (zh) | 一种火电设备性能逐步回归评测方法 | |
| CN104200292A (zh) | 一种导水裂隙带高度预测方法 | |
| MX2014007972A (es) | Determinacion de parametros optimos para una operacion de fondo de pozo. | |
| CN103496625B (zh) | 基于振动分析的多绳摩擦提升机载荷识别方法 | |
| US20170306726A1 (en) | Stuck pipe prediction | |
| CN204113324U (zh) | 一种基于神经网络的综采工作面自动化放煤系统 | |
| CN107222169B (zh) | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 | |
| CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
| CN102253663B (zh) | 一种网络化三容水箱系统的泄漏故障诊断方法及系统 | |
| CN112668749A (zh) | 一种基于类标加权极限学习机的煤矿瓦斯预警方法 | |
| CN104680315B (zh) | 基于约束理论的港口装卸设备智能预防性维护系统及方法 | |
| CN103136446A (zh) | 基于优化输入层的bp神经网络预报滑坡的方法 | |
| CN103337000B (zh) | 一种油气集输系统安全监测预警方法 | |
| CN114165430B (zh) | 基于边缘计算的机泵健康监测方法、系统、设备及介质 | |
| CN111598366A (zh) | 一种实时钻井辅助决策方法及系统 | |
| CN102773263B (zh) | 连轧无缝钢管生产线中冷床下料设备的三段级联模糊控制方法 | |
| CN106773719A (zh) | 一种基于bp神经网络的工业控制系统漏洞自动挖掘方法 | |
| CN113009073A (zh) | 一种隧道空气质量远程实时在线监测方法 | |
| CN103310073A (zh) | 一种考虑软件测试与运行环境差别的软件成本模型建模方法 | |
| CN107483289A (zh) | 一种基于关联分析的网络时延预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |