一种基于神经网络的综采工作面自动化放煤系统和方法
【专利摘要】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。
【专利说明】—种基于神经网络的综采工作面自动化放煤系统和方法
【技术领域】
[0001]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】
[0002]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。
[0003]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。
[0004]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】
[0005]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。
[0006]本发明采用的技术方案如下:
[0007]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。
[0008]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。
[0009]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。
[0010]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。
[0011]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:
[0012](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；
[0013](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；
[0014](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 $大于设定指标值D s，经过N个放煤循环后，停止所述综采工作面生产；
[0015](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；
[0016](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，η个作为检验样本，其中，m+n = N, n/N > 10% ；
[0017](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；
[0018](g)训练完成后，再将所述η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；
[0019](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；
[0020](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Ds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；
[0021 ] (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。
[0022]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。
[0023]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。
[0024]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η为4。
[0025]本发明的系统和方法与现有技术相比具有以下优点:
[0026]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。
[0027]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。
[0028]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。
[0029]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Ρ1、后立柱放煤循环压力变化量Ρ2、平衡千斤顶上腔放煤循环压力变化量Ρ3、平衡千斤顶下腔放煤循环压力变化量Ρ4、支架前后立柱放煤循环结束时压力比值Ρ5、平衡千斤顶上下腔放煤循环结束时压力比值Ρ6，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。
【专利附图】
【附图说明】
[0030]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。
[0031]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；
[0032]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；
[0033]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。
[0034]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】
[0035]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。
[0036]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。
[0037]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I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I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I。
[0038]在本实施例中，所述系统主机I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。
[0039]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。
[0040]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。
[0041]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:
[0042](a)启动所述系统主机I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；
[0043](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；
[0044](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 $大于设定指标值D s,经过N个放煤循环后，停止所述综采工作面生产；
[0045](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D3;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；
[0046](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，η个作为检验样本,其中，m+n = N, n/N > 10% ；
[0047](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；
[0048](g)训练完成后，再将所述η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；
[0049](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；
[0050](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U，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Ds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；
[0051 ] (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。
[0052]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。
[0053]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。
[0054]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η为4。
[0055]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η为4。
[0056]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。
【权利要求】
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(I)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(I)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(I)。
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(I)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(I)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 $大于设定指标值D s,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 $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，η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η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Ds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PU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η为4。
【文档编号】E21D23/12GK104314599SQ201410506120
【公开日】2015年1月28日 申请日期:2014年9月29日 优先权日:2014年9月29日
【发明者】范志忠, 毛德兵, 宋永斌, 徐刚 申请人:天地科技股份有限公司