一種確定薄煤層滾筒采煤機綜采工藝模式的方法技術

本發明專利技術公開了一種確定薄煤層滾筒采煤機綜采工藝模式的方法，屬于確定滾筒采煤機綜采工藝模式的方法，薄煤層滾筒采煤機綜采工藝模式評價神經網絡模型設計，以典型的薄煤層滾筒采煤機開采工程案例為基礎，確立薄煤層滾筒采煤機工藝模式的9個影響因素，分別為：采高、工作面長度、煤層傾角、煤厚變異系數、斷層、瓦斯、水文、勘探精度及自動化裝備水平；通過樣本檢驗，選擇預測精度為100％的神經網絡被確立為工藝模式評價的最優神經網絡；給定條件下的薄煤層滾筒采煤機綜采工藝模式選擇，薄煤層滾筒采煤機綜采工作面按照此工藝模式，能夠實現該薄煤層開采條件下的工作面勞動組織優化，降低工人勞動強度。

【技術實現步驟摘要】
一種確定薄煤層滾筒采煤機綜采工藝模式的方法
本專利技術涉及一種確定綜采工藝模式的方法，具體是一種確定薄煤層滾筒采煤機綜采工藝模式的方法。
技術介紹
伴隨薄煤層滾筒采煤機等綜采設備的發展，配套的綜采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鑒。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采工藝模式。根據滾筒采煤機控制方式可將薄煤層滾筒采煤機綜采工藝模式分為：跟機控制綜采工藝、分段控制綜采工藝、自動化綜采工藝、智能化綜采工藝。多樣化的薄煤層綜采工藝模式為薄煤層工作面工藝設計提供了多種思路，但薄煤層綜采工藝系統復雜多變，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系，綜采工藝模式的評價屬于典型的非線性規劃問題，評價指標及目標間的相關關系缺乏精確的數學表達。利用人工神經網絡構建薄煤層綜采工藝模式評價的非線性模型，能夠把復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，因素間的相關關系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于建模的影響，提高評價結果計算的客觀程度。
技術實現思路
本專利技術要解決的技術問題是提供一種確定薄煤層滾筒采煤機綜采工藝模式的方法，利用一種確定薄煤層滾筒采煤機綜采工藝模式的方法解決傳統的多樣化薄煤層綜采工藝模式為薄煤層工作面工藝設計提供了多種思路，但薄煤層綜采工藝系統復雜多變，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系，綜采工藝模式的評價屬于典型的非線性規劃問題，評價指標及目標間的相關關系缺乏精確的數學表達的問題。本專利技術采取的技術方案為：一種確定薄煤層滾筒采煤機綜采工藝模式的方法，包括以下步驟：第一步、先確定薄煤層滾筒采煤機綜采工藝模式的9個影響因素，包括采高、工作面長度、地質因素、煤層傾角、煤厚變異系數、斷層、瓦斯、水文、勘探精度以及自動化裝備水平；第二步、收集薄煤層開采的典型工程案例，作為薄煤層滾筒采煤機綜采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采煤機綜采工藝模式選擇；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采煤機工藝模式。采用本專利技術的技術方案，先確定薄煤層滾筒采煤機綜采工藝模式的9個影響因素，包括采高、工作面長度、地質因素、煤層傾角、煤厚變異系數、斷層、瓦斯、水文、勘探精度以及自動化裝備水平；再收集薄煤層開采的典型工程案例，作為薄煤層滾筒采煤機綜采工藝模式評價的檢驗樣本；然后預測精度為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采煤機綜采工藝模式選擇；最后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采煤機工藝模式。有益效果，由于采用了上述方案，采用神經網絡的預測功能完成薄煤層綜采工藝模式的選擇，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。薄煤層滾筒采煤機綜采工作面按照此工藝模式進行開采，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面條件下滾筒采煤機綜采工藝模式的優選決策。綜上所述，利用一種確定薄煤層滾筒采煤機綜采工藝模式的方法可以解決傳統的多樣化薄煤層綜采工藝模式為薄煤層工作面工藝設計提供了多種思路，但薄煤層綜采工藝系統復雜多變，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系，綜采工藝模式的評價屬于典型的非線性規劃問題，評價指標及目標間的相關關系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為采高；x1為工作面長度；x2為煤層傾角；x3為煤厚變異系數；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專利技術的實施作進一步的描述：實施例1：具體步驟如下：a、確定薄煤層滾筒采煤機綜采工藝模式的9個影響因素，包括采高、工作面長度、地質因素、煤層傾角、煤厚變異系數、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，包括采高、工作面長度、煤層傾角、煤層厚度變異系數、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采用模糊數學的原理進行量化，并采用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)為關于模糊數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)范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、收集薄煤層開采的典型工程案例，作為薄煤層滾筒采煤機綜采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采煤機綜采工藝模式選擇；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采煤機工藝模式。本文檔來自技高網...

【技術保護點】
一種確定薄煤層滾筒采煤機綜采工藝模式的方法，其特征是：包括以下步驟：第一步、先確定薄煤層滾筒采煤機綜采工藝模式的9個影響因素，包括采高、工作面長度、地質因素、煤層傾角、煤厚變異系數、斷層、瓦斯、水文、勘探精度以及自動化裝備水平；第二步、收集薄煤層開采的典型工程案例，作為薄煤層滾筒采煤機綜采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采煤機綜采工藝模式選擇；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采煤機工藝模式。

【技術特征摘要】
1.一種確定薄煤層滾筒采煤機綜采工藝模式的方法，其特征是：包括以下步驟：第一步、先確定薄煤層滾筒采煤機綜采工藝模式的9個影響因素，包括采高、工作面長度、地質因素、煤層傾角、煤厚變異系數、斷層、瓦斯、水文、勘探精度以及自動化裝備水平；第二步、收集薄煤層開采的典...

【專利技術屬性】
技術研發人員：王沉，屠世浩，劉瓊，袁永，屠洪盛，田世祥，
申請(專利權)人：貴州大學，
類型：發明
國別省市：貴州,52