基于LSTM-Informer模型的液压支架压力时空多步长预测OA北大核心CSTPCD
Spatiotemporal multi-step prediction of hydraulic support pressure based on LSTM-Informer model
目前多步液压支架压力预测大多为单步液压支架压力的累计预测,单步累计次数越多,累计误差就越大,影响预测精度.针对该问题,提出了一种基于长短时记忆(LSTM)-Informer模型的液压支架压力时空多步长预测方法.采用卡尔曼滤波消除液压支架压力数据中的振动噪声后,在工作面端部和中部各选取相邻的5台液压支架压力数据建立2个时空数据集(数据集1和数据集2),并对时空数据进行标准化预处理.将时空数据输入LSTM模型提取时空特征,并将提取的时空特征输入Inf…查看全部>>
Currently,most multi-step hydraulic support pressure predictions are cumulative predictions of single step hydraulic support pressure.The more times a single step accumulates,the greater the cumulative error,which affects the prediction precision.In order to solve the above problems,a spatiotemporal multi-step prediction method of hydraulic support pressure based on long short term memory(LSTM)-Informer model is proposed.After using Kalman filtering to elimi…查看全部>>
余琼芳;杨鹏飞;唐高峰
河南理工大学 电气工程与自动化学院,河南焦作 454003||河南理工大学河南省煤矿装备智能检测与控制重点实验室,河南焦作 454003||大连理工大学 北京研究院博士后科研工作站,北京 100000河南理工大学 电气工程与自动化学院,河南焦作 454003河南理工大学 电气工程与自动化学院,河南焦作 454003
矿山工程
液压支架压力多步长液压支架压力预测LSTM-Informer模型时间相关性卡尔曼滤波
hydraulic support pressuremulti-step hydraulic support pressure predictionLSTM-Informer modeltime correlationKalman filtering
《工矿自动化》 2024 (6)
30-35,6
国家自然科学基金资助项目(61601172)中国博士后科学基金资助项目(2018M641287).
评论