基于遗传算法与BP神经网络的支架跟机自动化研究

TD67; 针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法.通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作.组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线.通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模...

Full description

Saved in:
Bibliographic Details
Published in煤炭科学技术 Vol. 49; no. 1; pp. 272 - 277
Main Authors 王虹, 尤秀松, 李首滨, 魏文艳
Format Journal Article
LanguageChinese
Published 北京天地玛珂电液控制系统有限公司,北京 100013%北京天地玛珂电液控制系统有限公司,北京 100013 27.01.2021
中国煤炭科工集团有限公司,北京 100013%煤炭科学研究总院 智能控制技术研究分院,北京 100013
煤炭科学研究总院 智能控制技术研究分院,北京 100013
Subjects
支架跟机自动化
GA-BP组合模型
均方误差
适应度
BP神经网络控制器
Online AccessGet full text
ISSN0253-2336
DOI10.13199/j.cnki.cst.2021.01.024

Cover

More Information
Summary:TD67; 针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法.通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作.组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线.通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模型具有更快的训练速度和更高的预测准确率.相比较于单一的BP神经网络模型和GA模型,GA-BP组合模型可以很大程度地提高液压支架跟机过程中的推移精度,从而更好地适应综采工作面的环境和设备变化.基于对模型稳定性的分析,绘制组合网络的适应度曲线,种群在第5次迭代后趋于收敛,在第5次到第15次迭代的适应度值就已基本达到稳定,在迭代第15次后种群已达到最优参数集且恒定不变.采用上述方案的液压支架电液控制系统能够自主感知设备各项运动参数的变化,实现支架自身的静态调整和动态演化,可为综采工作面无人化建设提供技术支撑.
ISSN:0253-2336
DOI:10.13199/j.cnki.cst.2021.01.024