买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京科技大学

摘要：本发明提供一种基于深度学习的掘进机性能预测方法及装置，涉及掘进机性能预测技术领域。所述基于深度学习的掘进机性能预测方法包括：获取掘进机工作的历史数据；采用滑动窗口方法和多项式回归分析方法，对历史数据进行处理，获得最佳输入参数数据；构建初始的深度学习框架；根据最佳输入参数数据，采用网络搜索与遗传算法相结合的方法，进行超参数确定，获得最优参数；根据最佳输入参数数据，对初始的深度学习框架进行训练，获得训练好的深度学习框架；获取未知工况掘进机历史数据；将未知工况掘进机历史数据输入训练好的深度学习框架中，获得掘进机性能预测结果。采用本发明，可提高掘进机调控参数精度。

主权项：1.一种基于深度学习的掘进机性能预测方法，其特征在于，所述方法包括：S1、获取掘进机工作的历史数据；S2、采用滑动窗口方法以及多项式回归分析方法，对所述历史数据进行处理，获得最佳输入参数数据；S3、构建初始的深度学习框架；S4、根据所述最佳输入参数数据，采用网络搜索与遗传算法相结合的方法，确定所述初始的深度学习框架的超参数，获得最优参数；S5、根据所述最佳输入参数数据以及最优参数，对所述初始的深度学习框架进行训练，获得训练好的深度学习框架；其中，所述初始的深度学习框架，包括：输入层、时序卷积网络模块、特征融合模块、混合池化层、长短期记忆网络模块、双层长短期记忆网络模块、自注意力机制模块、全连接层以及输出层；其中，所述S5的根据所述最佳输入参数数据以及所述最优参数，对所述初始的深度学习框架进行训练，获得训练好的深度学习框架，包括：S51、将所述最佳输入参数数据以及所述最优参数，输入所述初始的深度学习框架中，通过所述时序卷积网络模块进行特征提取，获得掘进机历史数据以及地质数据的空间特征；S52、将所述空间特征输入所述特征融合模块中进行特征融合，获得特征融合结果；S53、将所述特征融合结果输入混合池化层中，进行最大池化操作和平均池化操作，获得特征池化操作结果；其中，将特征融合结果输入混合池化层中，进行最大池化操作和平均池化操作，获得特征池化结果，包括：通过下述公式（1）获得特征池化结果： （1）其中，表示特征的最大池化结果，表示特征的平均池化结果，表示特征池化结果；其中，通过下述公式（2）获取： （2）其中，通过下述公式（3）获取： （3）其中，表示特征融合结果，表示激活函数；S54、将所述特征池化操作结果，输入所述长短期记忆网络模块中进行处理，获得长序列特征；S55、将所述长序列特征，输入所述双层长短期记忆网络模块中进行特征融合，获得多源信息数据的特征；S56、将所述多源信息数据的特征，输入所述自注意力机制模块中进行特征权重分配，获得匹配的特征数据；S57、将所述匹配的特征数据输入全连接层与输出层中，获得预测结果；根据损失函数以及预测结果对初始的深度学习框架进行训练，获得训练好的深度学习框架；其中，损失函数可通过下述公式（4）表示： （4）其中，表示真实值；表示预测值；表示样本数据大小；S6、获取未知工况掘进机历史数据；将所述未知工况掘进机历史数据输入所述训练好的深度学习框架中，获得掘进机性能预测结果。

全文数据：

权利要求：

百度查询： 北京科技大学 一种基于深度学习的掘进机性能预测方法及装置