一种确定薄煤层滚筒采煤机综采工艺模式的方法与流程

本发明涉及一种确定综采工艺模式的方法，具体是一种确定薄煤层滚筒采煤机综采工艺模式的方法。

背景技术：

伴随薄煤层滚筒采煤机等综采设备的发展，配套的综采工艺模式也取得了及时跟进，为降低工人劳动强度、提高安全程度等提供了技术借鉴。淄博、兖州、淮南、淮北、邯郸、朔州、韩城、神木、府谷、达州等薄煤层矿区基本涵盖了我国的薄煤层综采工艺模式。根据滚筒采煤机控制方式可将薄煤层滚筒采煤机综采工艺模式分为：跟机控制综采工艺、分段控制综采工艺、自动化综采工艺、智能化综采工艺。

多样化的薄煤层综采工艺模式为薄煤层工作面工艺设计提供了多种思路，但薄煤层综采工艺系统复杂多变，无法准确预知或确定系统内相关因素间及因素与结果间的相关关系，综采工艺模式的评价属于典型的非线性规划问题，评价指标及目标间的相关关系缺乏精确的数学表达。利用人工神经网络构建薄煤层综采工艺模式评价的非线性模型，能够把复杂的工艺模式评价系统看作是黑箱，将样本数据植入神经网络，因素间的相关关系被隐含在网络结构的隐含层中，利用误差反馈机制对网络权值进行调整，经过多重训练，寻求网络的权值向量，能够降低人为因素对于建模的影响，提高评价结果计算的客观程度。

技术实现要素：

本发明要解决的技术问题是提供一种确定薄煤层滚筒采煤机综采工艺模式的方法，利用一种确定薄煤层滚筒采煤机综采工艺模式的方法解决传统的多样化薄煤层综采工艺模式为薄煤层工作面工艺设计提供了多种思路，但薄煤层综采工艺系统复杂多变，无法准确预知或确定系统内相关因素间及因素与结果间的相关关系，综采工艺模式的评价属于典型的非线性规划问题，评价指标及目标间的相关关系缺乏精确的数学表达的问题。

本发明采取的技术方案为：一种确定薄煤层滚筒采煤机综采工艺模式的方法，包括以下步骤：

第一步、先确定薄煤层滚筒采煤机综采工艺模式的9个影响因素，包括采高、工作面长度、地质因素、煤层倾角、煤厚变异系数、断层、瓦斯、水文、勘探精度以及自动化装备水平；

第二步、收集薄煤层开采的典型工程案例，作为薄煤层滚筒采煤机综采工艺模式评价的检验样本；

第三步、预测精度为100％的神经网络被确定为工艺模式评价的最优神经网络；

第四步、给定条件下的薄煤层滚筒采煤机综采工艺模式选择；

第五步、以工艺模式输出值分布的概率最大为原则选择对应的滚筒采煤机工艺模式。

采用本发明的技术方案，先确定薄煤层滚筒采煤机综采工艺模式的9个影响因素，包括采高、工作面长度、地质因素、煤层倾角、煤厚变异系数、断层、瓦斯、水文、勘探精度以及自动化装备水平；再收集薄煤层开采的典型工程案例，作为薄煤层滚筒采煤机综采工艺模式评价的检验样本；然后预测精度为100％的神经网络被确定为工艺模式评价的最优神经网络；再在给定条件下的薄煤层滚筒采煤机综采工艺模式选择；最后以工艺模式输出值分布的概率最大为原则选择对应的滚筒采煤机工艺模式。

有益效果，由于采用了上述方案，采用神经网络的预测功能完成薄煤层综采工艺模式的选择，以工艺模式输出值域分布的概率最大为原则，使得选择的工艺模式更加具有可信度。薄煤层滚筒采煤机综采工作面按照此工艺模式进行开采，降低了工人劳动强度，优化了劳动组织；实现了给定薄煤层工作面条件下滚筒采煤机综采工艺模式的优选决策。

综上所述，利用一种确定薄煤层滚筒采煤机综采工艺模式的方法可以解决传统的多样化薄煤层综采工艺模式为薄煤层工作面工艺设计提供了多种思路，但薄煤层综采工艺系统复杂多变，无法准确预知或确定系统内相关因素间及因素与结果间的相关关系，综采工艺模式的评价属于典型的非线性规划问题，评价指标及目标间的相关关系缺乏精确的数学表达的问题。

附图说明

图1为工艺模式评价的“9-9-9-1”神经网络结构图

图中：x0为采高；x1为工作面长度；x2为煤层倾角；x3为煤厚变异系数；x4为断层；x5为瓦斯；x6为水文；x7为勘探精度；x8为自动化装备水平；x′_i为第一隐含层的神经元，共9个；x_i″为第二隐含层的神经元，共9个；y0为工艺模式。

具体实施方式

下面结合附图对本发明的实施作进一步的描述：

实施例1：具体步骤如下：

a、确定薄煤层滚筒采煤机综采工艺模式的9个影响因素，包括采高、工作面长度、地质因素、煤层倾角、煤厚变异系数、断层、瓦斯、水文、勘探精度以及自动化装备水平；

b、定量指标的处理，利用定量指标的多元隶属函数来确定，包括采高、工作面长度、煤层倾角、煤层厚度变异系数、断层、瓦斯和水文；

c、定性指标的处理，利用模糊数学与Yager指数进行表达，即Yager指数：勘探精度、自动化装备水平等定性指标采用模糊数学的原理进行量化，并采用Yager指数对模糊数进行去模糊化：

f(x)＝F(m,a,b)＝(3m-a+b)/3

其中，f(x)为关于模糊数x的隶属函数，其中x为三角形模糊数x＝(m,a,b)_LR，即m-a＜x＜m+b，且f(x)∈[0,1]，且在(m-a,m)、(m,m+b)范围内分别为线性单调递增与线性单调递减函数，包括勘探精度及自动化装备水平；

d、收集薄煤层开采的典型工程案例，作为薄煤层滚筒采煤机综采工艺模式评价的训练样本；

e、利用MATLAB提供的[X,ps]＝mapminmax(x,0,1)函数对指标进行归一化处理；

f、对网络输出数据利用反归一化处理从而得到神经网络的预测值；

g、检验精度为100％的神经网络被确定为工艺模式评价的最优神经网络；

h、给定条件下的薄煤层滚筒采煤机综采工艺模式选择；

i、以网络工艺模式输出值概率最大为原则选择对应的滚筒采煤机工艺模式。