论文部分内容阅读
不断增大的煤矿采高对液压支架的支护能力提出了更高的要求。初撑力和来压值是液压支架最重要的两个指标,对煤矿安全开采具有现实指导意义。目前,液压支架支设的初撑力和来压值基本由支架操作人员主观经验确定,使得很多支架在实际工作时的初撑力低于其设计值。因此本课题设计了一套基于无线传感器网络(Wireless Sensor Networks,WSN)的工作阻力监测系统;通过对支架工作阻力曲线的分析,提出了一种支架初撑力和周期来压值的自动提取方法;并利用极限学习理论实现了支架工作阻力的短期预测。研究内容主要包括:首先,给出了基于WSN的支架工作阻力监测系统的软件设计方法。以Microsoft Visual Studio 2008、Microsoft SQL Server 2005为集成开发环境,利用C#和SQL语言实现了数据的接收、存储、显示、查询、曲线绘制等功能。其次,提出了支架初撑力提取方法。首先,借鉴非均匀量化思想,利用A率压缩算法对液压支架工作阻力曲线进行非均匀量化。因为初撑力区的数据变化剧烈,必然会产生最多的量化段数。采用滑动窗口法找到量化段数最多的初撑力区。然后利用能量比法在初撑力区提取出初撑力值。最后将本文方法提取的初撑力值和经验估算值进行了对比,验证了算法的有效性。最后,利用极限学习机(Extreme Learning Machine,ELM)理论把工作阻力历史数据作为ELM的训练集样本。通过分析隐含层神经元个数对ELM性能的影响,本次实验中将隐含层节点数定为20来确定ELM网络的模式。通过实验仿真,预测曲线与实际曲线拟合效果良好,除了在移架过程中的预测误差超过了10%,预测输出误差率都在2%附近。