[发明专利]基于振动数据的井工煤矿灭火控制的神经网络的训练方法

权利要求书

1.一种基于振动数据的井工煤矿灭火控制的神经网络的训练方法，其特征在于，包括：

获取训练振动信号，所述训练用振动信号通过在实验环境下模拟井工煤矿爆炸获得；

将所述训练振动信号转化为训练振动向量；

以深度神经网络作为编码器对所述训练振动向量进行编码以获得训练振动特征向量；

基于所述训练振动特征向量构造高斯分布并从所述高斯分布中随机提取多个随机特征向量；

计算所述训练振动特征向量与所述多个随机特征向量之间的距离函数；

通过最小化所述距离函数来通过梯度的反向传播获得多个构造振动向量；

以所述构造振动向量和所述训练振动向量作为增强训练数据集来训练所述深度神经网络。

2.根据权利要求1所述的基于振动数据的井工煤矿灭火控制的神经网络的训练方法，其中，将所述训练振动信号转化为训练振动向量，包括：

通过振动矢量化将所述训练振动信号转化为训练振动向量。

3.根据权利要求1所述的基于振动数据的井工煤矿灭火控制的神经网络的训练方法，其中，计算所述训练振动特征向量与所述多个随机特征向量之间的距离函数，包括：

计算所述训练振动特征向量与所述多个随机特征向量之间的L1距离函数。

4.根据权利要求1所述的基于振动数据的井工煤矿灭火控制的神经网络的训练方法，其中，计算所述训练振动特征向量与所述多个随机特征向量之间的距离函数，包括：

计算所述训练振动特征向量与所述多个随机特征向量之间的L2距离函数。

5.根据权利要求1所述的基于振动数据的井工煤矿灭火控制的神经网络的训练方法，其中，以所述构造振动向量和所述训练振动向量作为增强训练数据集来训练所述深度神经网络，包括：

将所述构造振动向量和所述训练振动向量通过深度神经网络以获得增强振动特征向量；

将所述增强特征向量通过分类器以获得分类损失函数；以及

基于所述分类损失函数更新所述分类器。

6.根据权利要求5所述的基于振动数据的井工煤矿灭火控制的神经网络的训练方法，其中，将所述增强特征向量通过分类器以获得分类损失函数，包括：

将所述增强特征向量通过全连接层以获得分类特征向量；以及

将所述分类特征向量输入Softmax分类函数以获得所述分类损失函数。

7.一种基于深度神经网络的井工煤矿灭火控制方法，其特征在于，包括：

获取待检测的矿井壁的振动信号；

将所述振动信号输入根据如权利要求1到6中任意一项所述的基于振动数据的井工煤矿灭火控制的神经网络的训练方法所训练的深度神经网络和Softmax函数，所述Softmax函数的输出为表示开启自动灭火装置的第一概率和不开启自动灭火装置的第二概率；以及

基于所述第一概率和所述第二概率确定是否开启自动灭火装置。