会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~

液压支架初撑后承压状态的即时预测方法

申请号 CN202410186831.6 申请日 2024-02-20 公开(公告)号 CN117743988B 公开(公告)日 2024-04-19
申请人 太原理工大学; 发明人 付翔; 贾一帆; 孙岩; 王然风; 王朋飞;
摘要 本 发明 涉及一种液压 支架 初撑后承压状态的即时预测方法,属于 煤 矿智能化技术领域。包括:获取目标液压支架初撑后的原始立柱压 力 数据;对原始立柱压力数据进行异常值和缺失值的预处理;按照时间顺序对预处理后的立柱压力数据进行排序,并从排序后的立柱压力数据中筛选出目标液压支架初撑后预设时长内的目标立柱压力数据;根据所述目标立柱压力数据计算目标液压支架初撑后的多个承压特征,并将多个承压特征输入预先训练好的承压状态即时 预测模型 进行承压状态分析;根据承压状态即时预测模型的输出确定目标液压支架初撑后的承压状态。本发明可以实现承压状态的智能预测,能够节省人力成本,能及时预测液压支架的承压状态,准确性高。
权利要求

1.一种液压支架初撑后承压状态的即时预测方法,其特征在于,包括:
S1,获取目标液压支架初撑后的原始立柱压数据,所述目标液压支架为液压支架集群中的任一液压支架;
S2,对原始立柱压力数据进行异常值和缺失值的预处理,得到预处理后的立柱压力数据;
S3,按照时间顺序对预处理后的立柱压力数据进行排序,并从排序后的立柱压力数据中筛选出目标液压支架初撑后预设时长内的目标立柱压力数据;
S4,根据所述目标立柱压力数据计算目标液压支架初撑后的多个承压特征,并将多个承压特征输入预先训练好的承压状态即时预测模型进行承压状态分析;
S5,根据承压状态即时预测模型的输出确定目标液压支架初撑后的承压状态;
所述多个承压特征包括初撑力、初撑力与初撑后预设时长内的最小立柱压力之间的差值、初撑后预设时长的立柱末压力与初撑后预设时长内的最小立柱压力之间的差值、立柱压力在最小值之后的修正压力增加次数和立柱恒压持续总时长;
所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的立柱压力在最小值之后的修正压力增加次数时,通过如下公式(3)实现:
△N=nsum‑n(3);
公式(3)中,△N表示立柱压力在最小值之后的修正压力增加次数,nsum表示立柱压力在最小值之后的累计增加次数,n表示立柱压力出现增加后立即减少且增加的立柱压力值与减少的立柱压力值相等的情况次数;
所述S4在根据所述目标立柱压力数据计算立柱恒压持续总时长时,包括:
首先,在目标立柱压力数据中找出每小段立柱恒压持续时长,即立柱压力恒定不变所持续的时间;其次,将目标立柱压力数据中相同的立柱压力值找出,并将其各段的持续时长累计相加得到总时长;最后,比较各个立柱压力值的持续总时长,用持续总时长的最大值作为立柱恒压持续总时长。
2.根据权利要求1所述的液压支架初撑后承压状态的即时预测方法,其特征在于,所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的初撑力时,包括:
获取目标液压支架的工作循环起点后,从工作循环起点至初撑完成时间段内的立柱压力数据中筛选立柱压力的最大值作为目标液压支架初撑后的初撑力。
3.根据权利要求1所述的液压支架初撑后承压状态的即时预测方法,其特征在于,所述承压状态即时预测模型为随机森林模型。
4.根据权利要求1至3中任一权利要求所述的液压支架初撑后承压状态的即时预测方法,其特征在于,所述目标液压支架初撑后的承压状态为初撑力达标静态承压、初撑力达标动态承压、初撑力达标动态承压不足、初撑力不达标静态承压、初撑力不达标动态承压或初撑力不达标动态承压不足;
所述初撑力达标静态承压是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力基本保持不变;
所述初撑力达标动态承压是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力持续上升,出现微增阻趋势;
所述初撑力达标动态承压不足是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力持续下降;
所述初撑力不达标静态承压是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线基本没有起伏,即在后续预设时长内立柱压力基本保持不变;
所述初撑力不达标动态承压是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线起伏较大,出现急增阻趋势;
所述初撑力不达标动态承压不足是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线缓慢上升。
5.根据权利要求1至3中任一权利要求所述的液压支架初撑后承压状态的即时预测方法,其特征在于,所述目标液压支架初撑后的承压状态为有效承压或失效承压。

说明书全文

液压支架初撑后承压状态的即时预测方法

技术领域

[0001] 本发明涉及矿智能化技术领域,尤其涉及一种液压支架初撑后承压状态的即时预测方法。

背景技术

[0002] 液压支架是矿井综采工作面的主要设备之一,其主要作用是在采煤过程中,对矿井的巷道和顶板进行承压和固定,防止煤壁塌方,从而确保采矿过程中的安全和稳定,保护工人的安全。液压支架的受情况与综采工作面的开采密切相关,并且其对顶板的承压作用会导致地层应力分布发生变化,而好的承压可以很好地分散这种应力,减轻地层负担,从而保证地质环境地安全稳定。因此,实时关注液压支架升柱后的工作阻力,能够及时掌握液压支架对顶板是否达到了有效承压,对未达到有效承压的液压支架重新调整,可以避免事故发生,确保安全生产。
[0003] 传统作业模式下,工人只通过液压支架的初撑力来判断其是否达到有效承压,但是借助人工判断的方式不仅人力成本较高,不能及时发现液压支架的承压状态,而且仅通过初撑力获得的结果准确性比较低。

发明内容

[0004] 为解决上述技术问题,本发明提供一种液压支架初撑后承压状态的即时预测方法。本发明的技术方案如下:
[0005] 一种液压支架初撑后承压状态的即时预测方法,其包括:
[0006] S1,获取目标液压支架初撑后的原始立柱压力数据,所述目标液压支架为液压支架集群中的任一液压支架;
[0007] S2,对原始立柱压力数据进行异常值和缺失值的预处理,得到预处理后的立柱压力数据;
[0008] S3,按照时间顺序对预处理后的立柱压力数据进行排序,并从排序后的立柱压力数据中筛选出目标液压支架初撑后预设时长内的目标立柱压力数据;
[0009] S4,根据所述目标立柱压力数据计算目标液压支架初撑后的多个承压特征,并将多个承压特征输入预先训练好的承压状态即时预测模型进行承压状态分析;
[0010] S5,根据承压状态即时预测模型的输出确定目标液压支架初撑后的承压状态。
[0011] 可选地,所述多个承压特征包括初撑力、初撑力与初撑后预设时长内的最小立柱压力之间的差值、初撑后预设时长的立柱末压力与初撑后预设时长内的最小立柱压力之间的差值、立柱压力在最小值之后的修正压力增加次数和立柱恒压持续总时长。
[0012] 可选地,所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的初撑力时,包括:
[0013] 获取目标液压支架的工作循环起点后,从工作循环起点至初撑完成时间段内的立柱压力数据中筛选立柱压力的最大值作为目标液压支架初撑后的初撑力。
[0014] 可选地,所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的立柱压力在最小值之后的修正压力增加次数时,通过如下公式(3)实现:
[0015] △N=nsum‑n(3);
[0016] 公式(3)中,△N表示立柱压力在最小值之后的修正压力增加次数,nsum表示立柱压力在最小值之后的累计增加次数,n表示立柱压力出现增加后立即减少且增加的立柱压力值与减少的立柱压力值相等的情况次数。
[0017] 可选地,所述S4在根据所述目标立柱压力数据计算立柱恒压持续总时长时,包括:
[0018] 首先,在目标立柱压力数据中找出每小段立柱恒压持续时长,即立柱压力恒定不变所持续的时间;
[0019] 其次,将目标立柱压力数据中相同的立柱压力值找出,并将其各段的持续时长累计相加得到总时长;
[0020] 最后,比较各个立柱压力值的持续总时长,用持续总时长的最大值作为立柱恒压持续总时长。
[0021] 可选地,所述承压状态即时预测模型为随机森林模型。
[0022] 可选地,所述目标液压支架初撑后的承压状态为初撑力达标静态承压、初撑力达标动态承压、初撑力达标动态承压不足、初撑力不达标静态承压、初撑力不达标动态承压或初撑力不达标动态承压不足;
[0023] 所述初撑力达标静态承压是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力基本保持不变;
[0024] 所述初撑力达标动态承压是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力持续上升,出现微增阻趋势;
[0025] 所述初撑力达标动态承压不足是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力持续下降;
[0026] 所述初撑力不达标静态承压是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线基本没有起伏,即在后续预设时长内立柱压力基本保持不变;
[0027] 所述初撑力不达标动态承压是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线起伏较大,出现急增阻趋势;
[0028] 所述初撑力不达标动态承压不足是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线缓慢上升。
[0029] 可选地,所述目标液压支架初撑后的承压状态为有效承压或失效承压。
[0030] 上述所有可选技术方案均可任意组合,本发明不对一一组合后的结构进行详细说明。
[0031] 借由上述方案,本发明的有益效果如下:
[0032] 通过获取目标液压支架初撑后的原始立柱压力数据并进行异常值和缺失值的预处理后,筛选出目标液压支架初撑后预设时长内的目标立柱压力数据,并在根据目标立柱压力数据计算目标液压支架初撑后的多个承压特征后,将多个承压特征输入预先训练好的承压状态即时预测模型进行承压状态分析,从而根据承压状态即时预测模型的输出确定目标液压支架初撑后的承压状态,从而提供了一种基于目标液压支架初撑后的多个承压特征进行承压状态预测的方法,通过该方法可以实现承压状态的智能预测,能够节省人力成本,能及时发现液压支架的承压状态,准确性高。
[0033] 上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

[0034] 图1是本发明的流程图
[0035] 图2是本发明的一组立柱压力数据变化示意图。
[0036] 图3是本发明中承压状态即时预测模型的输出包括六种分类结果的总体框图
[0037] 图4是本发明中承压状态即时预测模型的输出包括两种分类结果的总体框图。

具体实施方式

[0038] 下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
[0039] 随着智慧矿井的不断建设,液压支架安装的立柱压力传感器所采集的立柱压力数据,能够实时传输到顺槽集控中心和地面,有利于对液压支架后续压力变化的实时监控,从而能更准确地判断出液压支架是否达到了有效承压。因此,从判别液压支架移架初撑后承压是否有效出发,本发明实施例提出了基于数据驱动的液压支架初撑后承压状态的即时预测方法,对液压支架移架初撑后的立柱压力变化进行跟踪判断后进行分类,找出承压效果不优的液压支架,为判断液压支架的承压效果提供了新的思路和方法,使生产工作得到了更安全的保障。本发明实施例提供的液压支架初撑后承压状态的即时预测方法可以通过任何具有计算功能的计算设备如台式电脑、移动终端或服务器等来执行。如图1所示,本发明实施例提供的液压支架初撑后承压状态的即时预测方法,包括如下步骤S1至S5。
[0040] S1,获取目标液压支架初撑后的原始立柱压力数据,所述目标液压支架为液压支架集群中的任一液压支架。
[0041] 具体地,目标液压支架上安装的立柱压力传感器采集到原始立柱压力数据后,通过井下交换机及以太环网上传发送至地面数据库存储,计算设备在获取目标液压支架初撑后的原始立柱压力数据时,从地面数据库存储筛选出目标液压支架初撑后的原始立柱压力数据。
[0042] S2,对原始立柱压力数据进行异常值和缺失值的预处理,得到预处理后的立柱压力数据。
[0043] 由于井下环境的复杂多样性以及不确定性,立柱压力传感器在受到剧烈震动或干扰时会产生部分异常数据,在发生故障损坏或工作面断电时,会导致部分数据缺失。因此,原始立柱压力数据并不完全准确、完整,需要经过异常值处理和缺失值填补。因此,本发明实施例对原始立柱压力数据进行了异常值和缺失值的预处理。
[0044] 具体地,对于异常值数量较少的情况,本发明实施例可以直接删除异常值或者用目标液压支架相邻时域正常数据的平均值进行替换;对于缺失值数量较少的情况,本发明实施例可以用目标液压支架时域相邻值填补。当异常值或缺失值的数量较多时,本发明实施例可以去除当日数据。
[0045] S3,按照时间顺序对预处理后的立柱压力数据进行排序,并从排序后的立柱压力数据中筛选出目标液压支架初撑后预设时长内的目标立柱压力数据。
[0046] 其中,预设时长的具体时长可以根据需要设定。然而,为了在目标液压支架初撑后可以即时预测其承压状态,该预设时长可以设置得比较短,例如,根据目标液压支架工作循环的特点,将预设时长设置为3min。
[0047] 具体地,为便于描述,本发明实施例从排序后的立柱压力数据中筛选出目标液压支架初撑后预设时长内的立柱压力数据后,将其定义为目标立柱压力数据。
[0048] S4,根据所述目标立柱压力数据计算目标液压支架初撑后的多个承压特征,并将多个承压特征输入预先训练好的承压状态即时预测模型进行承压状态分析。
[0049] 优选地,本发明实施例中的多个承压特征包括初撑力、初撑力与初撑后预设时长内的最小立柱压力之间的差值、初撑后预设时长的立柱末压力与初撑后预设时长内的最小立柱压力之间的差值、立柱压力在最小值之后的修正压力增加次数和立柱恒压持续总时长。
[0050] 具体地,在目标液压支架升架过程中,当目标液压支架的顶梁与顶板接触,其立柱内腔压力达到站的工作压力时,停止供液,此时立柱液控单向,这个过程叫支架初撑阶段,此时,目标液压支架对顶板产生的支撑力称为初撑力。液压支架初撑是一个瞬时过程。所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的初撑力时,包括:获取目标液压支架的工作循环起点后,从工作循环起点至初撑完成时间段内的立柱压力数据中筛选立柱压力的最大值作为目标液压支架初撑后的初撑力。其中,工作循环起点即目标液压支架降柱完成后立柱压力的最小值。工作循环起点至初撑完成时间段为根据经验确定的一个时间段,例如这个时间段可以为30s。
[0051] 所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的初撑力与初撑后预设时长内的最小立柱压力之间的差值时,可以通过如下公式(1)实现:
[0052] △X1=xchu‑xmin(1);
[0053] 公式(1)中,△X1表示初撑力与初撑后预设时长内的最小立柱压力之间的差值,xchu表示初撑力,xmin表示初撑后预设时长内的最小立柱压力。
[0054] 所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的初撑后预设时长内的最小立柱压力与初撑后预设时长的立柱末压力之间的差值时,可以通过如下公式(2)实现:
[0055] △X2=xend‑xmin(2);
[0056] 公式(2)中,△X2表示初撑后预设时长的立柱末压力与初撑后预设时长内的最小立柱压力之间的差值,xend表示初撑后预设时长的立柱末压力。
[0057] 所述S4在根据所述目标立柱压力数据计算目标液压支架初撑后的立柱压力在最小值之后的修正压力增加次数时,通过如下公式(3)实现:
[0058] △N=nsum‑n(3);
[0059] 公式(3)中,△N表示立柱压力在最小值之后的修正压力增加次数,nsum表示立柱压力在最小值之后的累计增加次数,n表示立柱压力出现增加后立即减少且增加的立柱压力值与减少的立柱压力值相等的情况次数,立柱压力最小值是指初撑后预设时长内的最小立柱压力。其中,nsum的初始值为0,如果将目标立柱压力数据中立柱压力最小值之后的立柱压力数据记作y0,y1,y2,···,ym,比较y0和y1的大小,若y1> y0,则nsum的值加一,同理依次比较y1和y2,···,ym‑1和ym的大小,若后者大于前者,对nsum的值加一,比较至最后两个压力数据后得到的值即为nsum。
[0060] 在确定n时,以图2所示的立柱压力数据为例,①②③④和⑤⑥⑦⑧即为两个立柱压力增加后立即减少的过程,且①②、⑤⑥的压力增加值等于③④、⑦⑧压力减少值。
[0061] 所述S4在根据所述目标立柱压力数据计算立柱恒压持续总时长时,可以包括如下步骤:
[0062] 首先,在目标立柱压力数据中找出每小段立柱恒压持续时长,即立柱压力恒定不变所持续的时间;其次,将目标立柱压力数据中相同的立柱压力值找出,并将其各段的持续时长累计相加得到总时长;最后,比较各个立柱压力值的持续总时长,用持续总时长的最大值作为立柱恒压持续总时长。
[0063] 进一步地,常见的分类模型有决策树、随机森林、支持向量机、K近邻等,其中支持向量机和K近邻算法都需要大量的计算资源,而且支持向量机对缺失值比较敏感;决策树容易出现过拟合问题;随机森林能够处理高维数据和非线性数据,其核心思想是通过构建多个决策树来减小过拟合,最后使用投票或平均等方式得到分类结果。由于实际生产中的压力数据为非线性数据,故本发明实施例所述承压状态即时预测模型为随机森林模型,其采用随机森林算法进行承压状态的即时预测。
[0064] 随机森林是一种特殊的bagging方法,它将决策树用作bagging中的模型。首先用bootstrap方法生成m个训练集,然后对每个训练集,构造一棵决策树,在节点找特征进行分裂的时候,并不是对所有特征找到能使得指标(如信息增益)最大的,而是在特征中随机抽取一部分特征,在抽到的特征中间找到最优解,应用于节点,进行分裂。分类结果是树林中每棵树投票出来的结果,最终分类结果是多数投票决定的,可以避免过拟合。由于信息增益的计算与特征值的量纲无关,不论是规范化还是正态化,特征对模型的影响及其重要程度都不会发生改变,所以不需要对特征进行规范化或正态化,可以直接使用特征值处理后的样本作为模型的训练样本。
[0065] S5,根据承压状态即时预测模型的输出确定目标液压支架初撑后的承压状态。
[0066] 其中,所述目标液压支架初撑后的承压状态包括初撑力达标静态承压、初撑力达标动态承压、初撑力达标动态承压不足、初撑力不达标静态承压、初撑力不达标动态承压或初撑力不达标动态承压不足。
[0067] 或者,所述目标液压支架初撑后的承压状态包括有效承压和失效承压。有效承压包括初撑力达标静态承压、初撑力达标动态承压、初撑力不达标动态承压。失效承压包括初撑力不达标静态承压、初撑力达标动态承压不足、初撑力不达标动态承压不足。
[0068] 所述初撑力达标静态承压是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力基本保持不变,即目标液压支架的初撑力和顶板压力达到相对稳定的平衡状态,一般存在于顶板运动相对稳定的条件下或者软弱顶板条件下,能够维护顶板的缓慢弯曲下沉。其中,预设时长内立柱压力基本保持不变是指预设时长内△X2<0.5且立柱恒压持续总时长大于1min,此处的0.5和1min为经验值。
[0069] 所述初撑力达标动态承压是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力持续上升,出现微增阻趋势,即初撑力与顶板压力接近,一般存在于顶板缓慢运动的状态下,能够维持良好的承压效果。其中,预设时长内立柱压力持续上升是指预设时长内△X2>2且△N>4,此处的2和4也为经验值。
[0070] 所述初撑力达标动态承压不足是指目标液压支架在初撑后达到额定初撑力,且在后续预设时长内立柱压力持续下降,一般存在于顶板极其软弱、顶梁与顶板岩层之间以及底座下部有部分矸石的情况下,在顶板岩层或矸石破碎后立柱压力迅速下降,或者液压支架立柱出现漏液、不保压等液压系统故障,易发生工作面事故。其中,预设时长内立柱压力持续下降是指预设时长内xmin=xend,即预设时长内的立柱末压力即为最小立柱压力。
[0071] 所述初撑力不达标静态承压是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线基本没有起伏,立柱压力基本保持不变,达不到有效工作阻力。其中,预设时长内立柱压力曲线基本没有起伏是指预设时长内△X2<0.5且立柱恒压持续总时长大于1min,此处的0.5和1min为经验值。
[0072] 所述初撑力不达标动态承压是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线起伏较大,出现急增阻趋势,说明初撑力不足,前期顶板的下沉量较大,液压支架的压力会迅速上升并维持在额定工作阻力附近。其中,预设时长内压力曲线起伏较大是指预设时长内△X2>2.5且△N>5,此处2.5和5为经验值。
[0073] 所述初撑力不达标动态承压不足是指目标液压支架在初撑后达不到额定初撑力,且在后续预设时长内立柱压力曲线缓慢上升,增阻较为平缓,达不到有效工作阻力。其中,预设时长内立柱压力曲线缓慢上升是指预设时长内△X2<2.5或△N<5,此处的2.5和5也为经验值。
[0074] 进一步地,所述S4在将多个承压特征输入预先训练好的承压状态即时预测模型进行承压状态分析之前,还包括训练承压状态即时预测模型的步骤。具体在训练承压状态即时预测模型时,承压状态即时预测模型的分类结果数不同,本发明实施例制作的不同的数据样本。
[0075] 具体地,当承压状态即时预测模型的分类结果包括初撑力达标静态承压、初撑力达标动态承压、初撑力达标动态承压不足、初撑力不达标静态承压、初撑力不达标动态承压、初撑力不达标动态承压不足这六种分类结果时,本发明实施例对中部液压支架(20‑110架)的立柱压力数据进行分析,并结合井下观测记录,对数据进行可视化标注后,得到的样本数量统计结果见表1,样本总数为694个。
[0076] 表1
[0077]
[0078] 将人工标注后的样本按照7:3的比例分为训练集和测试集,使用随机森林的算法构建承压状态即时预测模型。同时,使用决策树、KNN等算法构建承压状态即时预测模型,得出的分类效果比较见表2。由表2可得,决策树模型的训练集准确率过高,存在过拟合现象,随机森林模型的训练集和测试集的准确率都比KNN模型高,泛化能力较好。
[0079] 表2
[0080]
[0081] 更进一步地,当具体地,当承压状态即时预测模型的分类结果包括有效承压和失效承压这两种分类结果时,本发明实施例对中部液压支架(20‑110架)的立柱压力数据进行分析,并结合井下观测记录,对数据进行可视化标注后,得到的样本数量统计结果见表3。其中,失效承压共有218台支架,占总样本的31.41%,可知液压支架在移架升柱后失效承压的仍比较多,需要人工持续关注。
[0082] 表3
[0083]
[0084] 将人工标注后的样本按照7:3的比例分为训练集和测试集,使用随机森林的算法构建承压状态即时预测模型。同时,使用决策树、KNN等算法构建承压状态即时预测模型,得出的分类效果比较见表4。由表4可得,决策树模型的训练集准确率过高,存在过拟合现象,随机森林模型的训练集和测试集的准确率都比KNN模型高,泛化能力较好。
[0085] 表4
[0086]
[0087] 具体地,承压状态即时预测模型的输出为各种分类结果的概率,所述S5在根据承压状态即时预测模型的输出确定目标液压支架初撑后的承压状态时,将输出结果中概率最高的分类结果确定为目标液压支架初撑后的承压状态。例如,当分类结果为上述六类,且初撑力达标动态承压不足的概率最高时,确定目标液压支架初撑后的承压状态为初撑力达标动态承压不足。
[0088] 当本发明实施例中承压状态即时预测模型的输出包括六种分类结果时,本发明实施例的总体框架如图3所示。当本发明实施例中承压状态即时预测模型的输出包括两种分类结果时,本发明实施例的总体框架如图4所示。
[0089] 综上,本发明实施例提供的方法,在根据目标立柱压力数据计算目标液压支架初撑后的多个承压特征后,将多个承压特征输入预先训练好的承压状态即时预测模型进行承压状态分析,并根据承压状态即时预测模型的输出确定目标液压支架初撑后的承压状态,提供了一种基于目标液压支架初撑后的多个承压特征进行承压状态预测的方法,通过该方法可以实现承压状态的智能预测。另外,由于该方法基于目标液压支架初撑后的多个承压特征进行承压状态的预测,因而准确性高。此外,由于该方法基于目标液压支架初撑后预设时长内的目标立柱压力数据获得,因此,通过该方法可以实现承压状态的即时预测,从而能够及时预测液压支架的承压状态。
[0090] 以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。