应用人工神经网络 (ANN) 模拟器来提高路头机的运行效率
Piotr Cheluszka1, Grzegorz Głuszek2, Jamal Rostami3
1Department of Mining Mechanization and Robotisation, Faculty of Mining, Safety Engineering and Industrial Automation, Silesian University of Technology, Akademicka 2, 44-100, Gliwice, Poland. piotr.cheluszka@polsl.pl.
Scientific reports
|January 8, 2026
概括
这项研究开发了一个人工神经网络 (ANN) 模型,使用路头模拟器来预测15个操作参数. 该ANN有效地从模拟数据中学习,使矿山机器自动化具有预测功能.
科学领域:
- * 工程 * 工程师 *
- * 计算机科学 计算机科学
- * 人工智能 * 人工智能
背景情况:
- *采矿机模拟器是培训和操作监督的关键IT系统.
- *精确模拟路头动态和参数对于优化采矿操作至关重要.
研究的目的:
- * 开发和评估人工神经网络 (ANN) 结构,用于预测路头机的操作参数.
- * 为了实现学习和预测能力,模拟在不同条件下的路头头行为.
主要方法:
- * 使用专有路头模拟器生成机器操作参数和动态行为的数据.
- *采用人工神经网络 (ANN),特别是具有一个隐藏层的多层感知器 (MLP),使用反向传播方法进行训练.
- *通过计算机模拟生成的1029个样本的数据集训练ANN,这些样本来自经过实验验证的数学模型.
主要成果:
- *开发了ANN结构,能够从四个输入信号中确定15个参数.
- * 具有单个输出神经元的神经网络表现出最好的预测性能.
- *开发的预测模型被集成到{RH-Sim}模拟器中,用于实时跟踪机器状态.
结论:
- * 该研究成功开发了一种使用ANN的路头机操作参数的预测模型.
- * 实施的模型有助于监控机器状态,提高效率,并在自动化操作期间最大限度地降低动态负载.
- *这种方法为推进矿业和建筑领域的道路头部自动化提供了巨大的潜力.
