[发明专利]基于深度神经网络的初撑力、末阻力识别方法、存储介质有效
| 申请号： | 201810740573.6 | 申请日： | 2018-07-07 |
| 公开（公告）号： | CN109272007B | 公开（公告）日： | 2021-07-02 |
| 发明（设计）人： | 杨艺;王宇;王科平;张旭和;李华敏;李冰峰;李新伟;崔立志 | 申请（专利权）人： | 河南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 郑州中原专利事务所有限公司 41109 | 代理人： | 张春;李想 |
| 地址： | 454000 河南*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的基于深度神经网络的初撑力、末阻力识别方法，包括以下步骤：S1：采集液压支架不同时间的检测数据，所检测数据的每个数据点均包括时间数据和压力数据；S2：为每个数据点设置具有四个属性的标注数据，所述标注数据的四个属性分别为：初撑力点、末阻力点、正常点、非正常点；S3：采集的检测数据和对应的标注数据形成输入数据的训练样本，依据训练样本训练深度神经网络；S4：建立基于深度神经网络的预测模型；S5：现场采集液压支架的检测数据并送入到训练好的深度神经网络中，输出每个数据点的分类结果。本发明能通过深度神经网络对液压支架的数据自动提取特征，并通过大量样本训练得到精确的预测结果。 | ||
| 搜索关键词： | 基于 深度 神经网络 初撑力 阻力 识别 方法 存储 介质 | ||
【主权项】：
1.基于深度神经网络的初撑力、末阻力识别方法，其特征在于，包括以下步骤：S1：采集液压支架不同时间的检测数据，所检测数据的每个数据点均包括时间数据和压力数据；S2：为每个数据点设置具有四个属性的标注数据，所述标注数据的四个属性分别为：初撑力点、末阻力点、正常点、非正常点；S3：采集的检测数据和对应的标注数据形成输入数据的训练样本，依据训练样本训练深度神经网络；S4：建立基于深度神经网络的预测模型；S5：现场采集液压支架的检测数据并送入到训练好的深度神经网络中，输出每个数据点的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河南理工大学，未经河南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810740573.6/，转载请声明来源钻瓜专利网。
