[发明专利]一种矿山凿岩装备作业工时预测方法及装置

权利要求书

1.一种矿山凿岩装备作业工时预测方法，其特征在于，包括：

获取矿山凿岩装备的历史作业工时以及影响所述历史作业工时的多种样本数据；

利用相关性分析，将所述多种样本数据划分为不相关的多个因素特征组，所述多个因素特征组中的每一个因素特征组均包括多个因素特征；

构建特征降维神经网络，并通过所述特征降维神经网络确定所述多个因素特征的优化权重值；

根据所述优化权重值确定与所述多个因素特征组一一对应的多个降维样本；

构建全连接神经网络模型，并利用所述多个降维样本和所述历史作业工时对所述全连接神经网络进行训练及优化，确定工时预测模型；

根据所述工时预测模型对所述矿山凿岩装备作业工时进行预测。

2.根据权利要求1所述的矿山凿岩装备作业工时预测方法，其特征在于，所述特征降维神经网络包括依次设置的第一输入层、至少一个第一隐含层以及第一输出层，所述第一输入层的神经元个数与所述多种样本数据的种类数相同，所述第一输出层的神经元个数与所述多个因素特征组的个数相同。

3.根据权利要求2所述的矿山凿岩装备作业工时预测方法，其特征在于， 所述通过所述特征降维神经网络确定所述多个因素特征的优化权重值，包括：

确定所述多个因素特征的初始权重值；

基于改进的差分进化算法对所述初始权重值进行优化，获得所述优化权重值。

4.根据权利要求3所述的矿山凿岩装备作业工时预测方法，其特征在于， 所述基于改进的差分进化算法对所述初始权重值进行优化，获得所述优化权重值，包括：

步骤1、根据所述初始权重值生成初始种群，并确定最大进化代数以及适应度阈值；

步骤2、将所述初始种群作为父代种群，并计算所述父代种群中各个个体的适应度值；

步骤3、判断所述父代种群中是否存在适应度值小于所述适应度阈值的个体，若存在，则所述初始权重值为所述优化权重值；若不存在，则确定目标变异策略；

步骤4、基于所述目标变异策略对所述父代种群进行变异和交叉，获得临时种群；

步骤5、将所述父代种群与所述临时种群相对应的每一个体的适应度值进行比较，选择适应度值较小的个体组成新父代种群；

步骤6、判断进化代数是否大于所述最大进化代数，若大于，则所述新父代种群对应的权重值为最优权重值，若不大于，则返回步骤4。

5.根据权利要求4所述的矿山凿岩装备作业工时预测方法，其特征在于，所述适应度值为所述特征降维神经网络的最小训练误差值；所述计算所述父代种群中各个个体的适应度值包括：

将所述各个个体在所述特征降维神经网络中进行至少两次训练，并获得至少两个训练误差值；

将所述至少两个训练误差值中较小的训练误差值作为所述适应度值。

6.根据权利要求4所述的矿山凿岩装备作业工时预测方法，其特征在于， 所述确定目标变异策略包括：

确定至少两个备选变异策略；

根据所述至少两个变异策略分别对所述父代种群进行变异，生成与所述至少两个变异策略一一对应的至少两个变异结果；

将所述至少两个变异结果中变异个体的适应度值小于预设适应度值的个数较多的变异结果所对应的备选变异策略作为所述目标变异策略。

7.根据权利要求1所述的矿山凿岩装备作业工时预测方法，其特征在于， 所述多个降维样本为：

式中，x_i’为第i个因素特征组对应的降维样本；x_j为第i个因素特征组中第j个因素特征；ω_j为第i个因素特征组中第j个因素特征的优化权重值。