一种极薄煤层液压支架定位方法及系统与流程

本发明涉及极薄煤层综采，更具体的涉及一种基于多传感器特征融合的极薄煤层液压支架定位方法及系统。

背景技术：

1、近年来，由于煤矿综采设备与技术的提升以及过度开采，使得厚煤层与中厚煤层的储量急剧减少甚至枯竭，薄煤层与极薄煤层逐渐成为主采煤区。同时，极薄煤层的开采对于解决矿区开采接续矛盾、提高资源回收率和缓解地区煤炭供求矛盾具有重要意义。

2、由于极薄煤层的开采空间狭小，煤层构造复杂，褶曲、断层、瓦斯兼而有之，作业环境恶劣、生产安全隐患多，综采难度大，对机械设备适应性要求特别高，现有技术中普遍采用木桩、单体等落后方式，人员安全难以保证，无法实时性调整液压支架的位置，导致极薄煤层开采过程中的支护效果不佳。

技术实现思路

1、针对上述领域中存在的问题，本发明提出了一种极薄煤层液压支架定位方法及系统，能够解决现有技术无法实时性调整液压支架的位置，导致极薄煤层开采过程中的支护效果不佳的技术问题。

2、为解决上述技术问题，本发明公开了一种极薄煤层液压支架定位方法，包括以下步骤：

3、采集液压支架施加在煤层上的压力、监测支架的倾斜情况及监测支架相对于煤层的位置变化数据；

4、从位置变化数据中提取位移特征、从倾斜情况数据中提取倾角变化率特征以及从压力数据中提取压力均值得到压力变化特征；通过计算噪声协方差对液压支架的位移、倾角变化率和压力变化特征进行去噪，并通过加权平均进行融合，对融合后的特征降维；

5、建立液压支架位置的预测模型，将降维后的特征作为预测模型的输入，以噪声协方差最小为参数构造目标函数，通过计算目标函数的梯度对噪声协方差进行优化，调整预测模型的参数，获得训练后的液压支架位置的预测模型；

6、使用训练后的液压支架位置的预测模型，对采集的液压支架施加在极薄煤层上的压力、监测支架的倾斜情况及监测支架相对于极薄煤层的位置变化数据进行实时预测，输出液压支架的位置信息。

7、优选地，还包括根据输出的液压支架的位置信息，实时调整液压支架的参数，适应极薄煤层的不同作业条件；通过设定安全阈值，当液压支架的状态超出安全范围时，触发警报，确保在异常情况下操作人员能及时警报并采取相应的安全措施；通过可视化界面向操作人员展示实时液压支架的状态，提供监控信息。

8、优选地，所述提取特征的过程，包括以下步骤：

9、提取的支架相对于煤层的位置变化，即位移特征为计算速度，是位移变化量，是时间变化量；

10、提取的支架的倾斜情况，即倾角特征为计算倾角变化率，是倾角变化量；

11、提取的液压支架施加在煤层上的压力，即压力特征为计算压力的平均值：和变异系数；其中，pmean是压力的均值，n是压力的数据量，pi是第i个压力数据点，cv是压力的变异系数，表示压力数据的标准差与均值之比，描述数据的相对变异程度，是压力数据的标准差，对压力数据的中心趋势和变异性进行统计分析。

12、优选地，所述对液压支架的位移、倾角变化率和压力变化特征进行去噪，包括以下步骤：

13、基于动态卡尔曼滤波对液压支架的位移、倾角和压力进行自适应调整去噪优化，其中：

14、位移特征的去噪优化，包括：

15、状态向量表示为，为状态向量，包括位移和速度；

16、状态转移向量为；

17、其中，f为状态转移矩阵，描述状态向量的时间演变；b为输入矩阵，描述外部输入对状态的影响；uk为输入控制向量，控制外部的输入；wk为过程噪声，表示系统中的随机扰动；

18、通过离散时间状态方程，得到状态转移向量中状态转移矩阵f和输入矩阵b的更新公式：

19、

20、定义观测模型为；

21、其中，为观测噪声，表示测量中的随机误差；

22、h=[1 0]

23、h为观测矩阵，描述从状态空间映射到观测空间；zk为观测向量，包括对位移、速度、压力和倾斜度的观测值；

24、计算卡尔曼增益：

25、利用卡尔曼增益的计算公式，求解误差协方差矩阵和观测噪声方差rk；

26、状态更新：

27、使用卡尔曼增益将预测的状态向量进行更新；

28、协方差更新：

29、其中，kk为卡尔曼增益，融合预测值和观测值；为更新后的状态转移向量；为先验估计的状态转移向量；为更新后的误差协方差矩阵；

30、根据卡尔曼增益的更新，计算误差协方差矩阵的新估计；

31、压力特征的去噪优化，包括：

32、压力均值的更新：

33、压力变异系数的更新：

34、倾角特征的去噪优化，包括：

35、倾角变化率的更新：。

36、优选地，所述对融合后的特征降维，包括以下步骤：

37、对去噪处理后的位移、压力和倾角特征进行加权平均，对每个特征fi进行加权平均，得到综合特征fcombined：

38、

39、其中，wi为特征fi对应的权重；

40、对去噪处理后的位移、压力和倾角特征进行融合加权平均后的n个特征fi进行线性加权平均，得到最终融合特征ffinal：

41、

42、将ffinal通过主成分分析方法进行降维，二次去除噪声和冗余信息；

43、标准化数据：

44、计算协方差矩阵：

45、计算特征值和特征向量：

46、选择主成分：

47、降维：y=zw，降维后的矩阵y为ffinal在选定k个主成分上的投影，并将原始特征映射到新的空间；

48、通过自适应参数调整，对噪声方差进行动态更新：

49、rk=diag(σ2displacement,σ2velocity,σ2pressure,σ2tilt)

50、改善实时应用的响应性，通过及时调整滤波器参数，适应不断变化的环境条件；

51、其中，观测噪声方差rk包括位移、速度、压力和倾斜度的实时噪声方差；

52、根据实时的噪声水平，动态调整观测噪声方差rk；

53、在滤波过程中，噪声协方差是一个需要根据实际情况调整的参数，通过改进梯度下降的方法，优化噪声协方差矩阵r；

54、定义目标函数度为量滤波输出与实际观测之间的差异，定义目标函数为

55、其中，θ表示模型参数，m是观测数据的数量，zk是观测值，h是观测矩阵，xk是状态变量，r是噪声协方差矩阵；

56、对r求导得到：

57、将上述导数置零，得到最优正定矩阵，即噪声协方差矩阵r。

58、优选地，所述对噪声协方差矩阵进行优化，包括以下步骤：

59、目标函数的梯度计算公式为：

60、

61、梯度的计算通过链式法则完成，考虑到目标函数中涉及到噪声协方差矩阵的矩阵逆，使用梯度下降更新噪声协方差矩阵：

62、

63、沿着梯度反方向更新参数，以减小目标函数，其中，α是学习率；

64、通过迭代执行，直到目标函数收敛或达到预定的迭代次数，每次迭代都会更新噪声协方差矩阵，使其逐渐趋近于能够最小化目标函数的值；

65、通过调整噪声协方差，对噪声协方差矩阵进行自适应调整。

66、优选地，所述获得训练后的液压支架位置的预测模型，包括以下步骤：

67、第一轮，通过对数据进行预处理，包括标准化和去噪处理，提取位移、倾角和压力的特征，并进行数据融合和降维，使用降维后的特征训练svm模型；

68、第二轮，重复数据预处理步骤，提取相同的特征，进行数据融合和降维，使用降维后的特征训练mlp模型；

69、在后续轮次中，交替执行svm和mlp的训练步骤，每轮通过验证集或交叉验证评估模型性能。

70、优选地，还包括一种极薄煤层液压支架定位系统，包括：

71、数据采集模块，用于采集液压支架施加在煤层上的压力、监测支架的倾斜情况及监测支架相对于煤层的位置变化数据；

72、特征提取模块，用于从位置变化数据中提取位移特征、从倾斜情况数据中提取倾角变化率特征以及从压力数据中提取压力均值得到压力变化特征；通过计算噪声协方差对液压支架的位移、倾角变化率和压力变化特征进行去噪，并通过加权平均进行融合，对融合后的特征降维；

73、预测模型构建模块，用于建立液压支架位置的预测模型，将降维后的特征作为预测模型的输入，以噪声协方差最小为参数构造目标函数，通过计算目标函数的梯度对噪声协方差进行优化，调整预测模型的参数，获得训练后的液压支架位置的预测模型；

74、液压支架位置信息获取模块，用于使用训练后的液压支架位置的预测模型，对采集的液压支架施加在极薄煤层上的压力、监测支架的倾斜情况及监测支架相对于极薄煤层的位置变化数据进行实时预测，输出液压支架的位置信息。

75、与现有技术相比，本发明具有如下有益效果：

76、本发明能够克服现有技术中普遍采用木桩、单体等落后方式，人员安全难以保证，无法实时性调整液压支架的位置，导致极薄煤层开采过程中的支护效果不佳的技术缺陷。该方法通过对采集的数据进行特征提取，并对特征数据进行处理，得到噪声的动态协方差方程，将处理后的特征通过数据层融合加权平均，以综合考虑形成更全面的特征，对每个特征分别乘以相应权重，再将所有加权后的特征进行线性平均，对融合后的特征进行降维，去除冗余信息，提高该定位方法的效率，将降维后的特征作为后续输入，设计目标函数优化噪声协方差，使其更符合实际数据特征，通过计算协方差矩阵的特征值和特征向量，将原始特征映射到新的空间。建立液压支架位置的预测模型，将降维后的特征作为预测模型的输入，以噪声协方差最小为参数构造目标函数，通过计算目标函数的梯度对噪声协方差进行优化，调整预测模型的参数，使模型能够通过输入特征实时预测液压支架的位置信息，进而根据液压支架的位置信息进行有效支护。