论文部分内容阅读
随着结构与功能日趋完善,采掘运装备概念设计在其研制周期内占有越来越重要的位置。采掘运装备的概念设计不仅体现了最终产品的创新水平,也决定了70%-80%的资金投入,且该阶段的缺陷与错误在详细设计阶段难以纠正,易引发成本的进一步增加。而传统采掘运装备的概念设计存在过度依靠专家经验、知识分散、缺乏科学推理模型等弊端。因此,为辅助企业设计人员选择决策,提高设计效率,缩减产品设计周期,本文以采煤机、掘进机、刮板输送机总体参数概念设计为研究对象,探讨了基于机器学习的概念设计智能算法,开发了基于WEB的采掘运概念设计系统,并实现了其在企业的应用。针对采掘运装备概念设计的特点,对设计知识和经验进行组织管理,有利于其继承与共享。采用实例推理方法在数据库中搜寻过往成功案例,用以解决类似的新问题,可减轻重复设计劳动,避免不必要的设计返工。利用支持向量回归机、极限学习机、遗传算法等机器学习理论构造结构化推理模型,给出问题的创新性解答;通过算法改进及参数优化,提高模型推理准确率,使设计结果更加可靠。为将模型付诸于工程实践,采用浏览器/服务器程序开发模式,基于VS2010集成开发环境,借助ASP.NET、SQL2008等技术,将C#和MATLAB进行混合编程,开发了基于WEB的采掘运装备概念设计系统,并交付企业使用。系统具有良好的人机交互界面,使设计人员不受空间限制,使用浏览器远程登录服务器便可完成设计。系统可辅助设计人员完成采掘运装备总体参数确定工作,自动生成设计方案。用户在浏览器端输入采煤机采高、截深、煤层倾角等用户属性,系统可自动完成对已有产品的相似性比对,输出相似产品案例;若未发现相似实例,则启用基于支持向量机、极限学习机等智能机器学习算法的推理模型,输出产品总体技术参数;经人工干预调整后输出,可保存为新实例以扩充实例库。系统具有较高的预测精度及计算效率,标准配置计算机上可实现3s内完成单次参数推理,预测平均相对误差可控制在5%以内。采掘运装备概念设计方法的研究及系统的开发,对企业设计知识进行了整合,满足了企业内部局域网及远程调用的使用要求,提高了设计工作效率,节省了设计成本和材料成本。经验证,系统操作简单快捷,结果准确可靠,在企业运行稳定。