基于LSTM的液压支架尾梁倾角预测方法

作     者：姚钰鹏 张境麟 熊武 

作者机构：北京天玛智控科技股份有限公司 

出 版 物：《煤炭科学技术》 (Coal Science and Technology)

年 卷 期：2024年

核心收录：

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

主　　题：支架尾梁姿态 倾角预测 长短期神经网络 时序处理 放煤工艺 

摘      要：综放开采是我国特厚煤层主要的开采方式，放煤执行机构控制精度很大程度上依赖于尾梁姿态的数据反馈。为了提高放煤执行机构的控制精度，提出了一种基于长短期记忆神经网络（LSTM）的支架尾梁倾角预测方法。将与尾梁放煤动作相关的支架底板绝对坐标、尾梁倾角、尾梁相对高度、移架速率和立柱压力作为RNN卷积网络和LSTM神经网络的输入变量，使用某煤矿综放工作面放煤历史数据对支架尾梁姿态预测模型进行训练和验证，建立支架尾梁姿态预测模型，对尾梁倾角进行连续16小时预测，结果预测的尾梁倾角曲线与实际尾梁倾角曲线的拟合程度达98.7%。在综采放顶煤工作面开展了3～4个生产班的液压支架尾梁倾角预测试验，经过对比分析预测的尾梁倾角曲线与实际尾梁倾角曲线，当置信区间为(0.98，1.02)时，连续生产16小时预测准确率为98.40%。基于LSTM的支架尾梁倾角姿态预测方法解决了电液控系统自适应放煤作业尾梁倾角控制问题，为综放工作面无人放煤奠定了基础。