[发明专利]基于集成学习的群智能采煤机切割模式识别系统

说明书

本发明公开了基于集成学习的群智能采煤机切割模式识别系统，用以对采煤机的切割模型进行识别，包括数据预处理模块、采煤机切割模式识别极限梯度提升(eXtreme Gradient Boosting，XGBoost)模型建模模块、群智能寻优模块以及采煤机切割未知信号识别模块。本发明能够准确识别采煤机切割模式，采用集成学习算法建立采煤机切割模式识别模型，通过为建模过程添加群智能寻优过程，避免了参数人为选择的随机性导致的模型准确度和置信度下降的问题。

技术领域

本发明涉及信号处理领域、群智能优化领域和集成学习领域，尤其涉及一种结合集成学习和群智能优化算法的采煤机切割模式识别系统。

背景技术

我国正全力发展经济，对能源的需求日益增长。煤炭占据了一次能源消耗量70％左右，是国家经济的重要支柱之一。大力提高采煤过程的自动化，机械化和信息化水平，减少井下工作人员的数量是采煤行业的发展方向和趋势。采煤机作为采煤工作面的关键设备，在煤炭生产过程中具有重要意义。解决采煤机的切割模式识别问题，是提高自动化程度的前提。

切割模式识别是指识别采煤机是否正在切割煤或岩石。切割模式识别一直是国内外的研究热点。已经出现的多种切割模式识别方法包括雷达探测法、图像分析法、γ射线探测法等。上述方法都存在一些共同的缺点。一方面，识别率受地质条件的影响，使检测设备的成本大大提高。另一方面，上述方法设备的安装过于复杂，并需要特定的地质条件，导致系统难以维护。以上问题导致传统的方法识别精度低，鲁棒性差，无法投入实际生产使用。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供一种识别精度高、鲁棒性强的基于集成学习的采煤机切割模式识别系统。由于切割模式与切割负荷之间存在相关关系，受到电机运行状态的影响。因此，本发明根据电机运行数据与切割模式之间关系建立模型来识别采煤机切割模式。不仅无需安装额外的传感器或修改采煤机的机械部件，而且可用于恶劣的工作条件与特定的地质条件。本发明易于操作，适用范围广，识别精度高，鲁棒性强，保障井下安全作业。

本发明解决其技术问题所采用的技术方案是：基于集成学习的群智能采煤机切割模式识别系统，包括数据预处理模块、采煤机切割模式识别极限梯度提升(eXtremeGradient Boosting，XGBoost)模型建模模块、群智能寻优模块以及采煤机未知切割模式识别模块。数据采集传感器、数据库、基于集成学习的群智能采煤机切割模式识别系统以及结果显示模块依次相连，所述数据采集传感器对采煤机切割时的速度、电流、电压等工作参数进行采集，部分数据可以对切割模式进行人工标注作为标签，并将数据储存到所述的数据库中。数据库中带切割模式标签的历史采煤机截割工作参数数据为基于集成学习的群智能采煤机切割模式识别系统提供数据支持。基于集成学习的群智能采煤机切割模式识别系统识别得到的结果将通过结果显示模块输出显示。

进一步地数据预处理模块用以进行采煤机切割数据预处理，采用如下过程完成：

(1)从数据库中采集1个采煤机切割信号，其特征分别为x_i，i＝1，2，...d，d为特征维度；

(2)对样本特征进行归一化处理，得到归一化特征值

进一步地，采煤机切割模式识别XGBoost模型建模模块用以建立采煤机切割XGBoost识别模型，采用如下过程完成：

(1)从数据库中采集N_s个采煤机切割信号X_s及其所对应的采煤机切割工作模式标签Y_s作为训练集，采集N_v个采煤机切割信号X_v及其所对应的采煤机切割工作模式标签Y_v作为测试集；

(2)采用训练集进行监督训练，得到基于XGBoost的采煤机切割模式识别模型：

Y＝f(X)。 (2)