摘要
本发明公开了一种矿用掘进机自适应截割方法及截齿,涉及煤矿井下煤或岩石巷道掘进作业技术领域。该自适应截割方法包括:构建硬度识别源域模型,以实验室的截割电流、电压、臂振动和扭矩信号为源域信号,经多层卷积神经网络提取特征与最小绝对算子融合后训练;在实验室利用反向传播算法训练至精度达标;迁移至掘进现场,以现场信号输入微调更新为目标域模型并输出截割对象硬度;依据硬度控制截割齿工作模式,其截齿含截齿座、冲击弹簧、活塞等部件,通过液控单向阀与电磁换向阀控制油路切换工作模式。本发明能根据煤岩硬度自动调整截割模式,相比传统固定参数截割方式,可大幅提高截割效率,减少截齿磨损,降低能源消耗。
技术关键词
矿用掘进机
截割方法
多层卷积神经网络
液控单向阀
电磁换向阀
岩石巷道掘进
控制油路通断
信号
传播算法
归一化算法
模式
参数
作业技术
煤岩
煤矿井下
对象
电流
电压
精度
系统为您推荐了相关专利信息
一维卷积神经网络
数字孪生模型
模拟液压系统故障
数据驱动模型
故障诊断模型
水库大坝
三维形变监测
预警方法
二维图像数据
三维模型
卷积模块
二维离散小波变换
图像
局部特征信息
特征提取模块
BOSA光器件
焦距可控
深度学习网络
光束
图像识别算法