矿山压力失衡引起的顶板事故是矿山重大事故之一,超前感知综采工作面矿山压力的变化对保证煤层安全高效具有重要意义。为了提高矿压预测准确性,文中提出了一种基于LSTM网络的时空混合预测模型。该模型采用两个独立的LSTM网络分别提取采空区侧和支架移架侧的压力特征,然后将得到的数据通过全连接层融合,从而实现对矿压的共同预测。文中以MSE和MAE来评估基于LSTM的时空混合模型的预测效果,实验结果表明MSE和MAE分别下降了24.49%和35.24%,说明基于LSTM的时空混合预测模型优于传统LSTM预测模型,且时空混合模型预测方法较传统模型具有更高的可靠性和准确性,能够实现工作面推进过程中对矿压变化的有效预测。

顶板压力预测大多都使用1台液压支架的压力数据,缺乏相邻支架的压力相关性,基于相邻多台液压支架信息融合的LSTM-TCN模型预测一支架下一时刻的压力值。实验结果表明,该模型相比LSTM和TCN单支架预测模型,RMSE压力误差分别减小了12.3%和13.4%,MAE压力误差减小了10.3%和26.6%。

液压马达是液压系统中故障发生率较高的元件之一.液压马达的实时故障专家诊断系统对于提高液压系统故障诊断的准确性、及时排除故障具有重要作用,为液压设备的安全高效运行提供了保障.实践证明,该系统具有较高的可靠性和广泛的应用前景.