本发明公开了一种基于神经网络的采煤机稳态样本分析方法，涉及神经网络的学习技术领域，包括以下步骤：通过对采煤机负样本数量进行判定，以实施不同的学习过程，通过模拟人脑中神经元的连接方式而来，它通过设置各种激活函数以及调整神经元之间的连接权值来进行学习修改，可用于求解各种分类以及优化问题，本发明提供的采煤机稳态样本分析方法按照采集到的数据类型，分别使用相对应的神经网络算法进行采煤机稳态样本分析；定义了三种故障数据情况下数据类型，并设计了相应的神经网络算法以及具体的操作过程。
1.一种基于神经网络的采煤机稳态样本分析方法，其特征在于，包括以下步骤： S1：判定采煤机负样本数量，设置阈值a，当负样本数量
2.根据权利要求1所述的基于神经网络的采煤机稳态样本分析方法，其特征在于，所述采煤机稳态情况测定模块包括控制状态模块、自检状态模块、记忆截割状态模块、割煤状态模块、牵引状态模块、速度状态模块、启动状态模块、语音状态模块、割煤方向模块和配置状态模块，对应二进制数的位数与模块数量相等。
3.根据权利要求2所述的基于神经网络的采煤机稳态样本分析方法，其特征在于，所述a3过程中，将原始数据按照3：7分为测试数据和训练数据。
4.根据权利要求3所述的基于神经网络的采煤机稳态样本分析方法，其特征在于，所述b3过程中，通过boosting方法将已标记样本L(xi，yi)构造为具有差异性训练集的L1到L3。
5.根据权利要求4所述的基于神经网络的采煤机稳态样本分析方法，其特征在于，所述c3过程中，将原始数据按照1：9分为测试数据和训练数据。
6.一种基于神经网络的采煤机稳态样本分析装置，其特征在于，基于权利要求1至5任一所述的基于神经网络的采煤机稳态样本分析方法。
请联系平台
请联系平台
