摘要：为了使装备在井下复杂环境中具有自主精准辨识井下对象和作业环境的能力,实现无轨装备及其他各类型装备无人化作业和开采,提出了基于利用深度学习方法开展井下环境异常工况智能识别分类研究。通过分析装备正常运行和作业的主要影响因素,构建了井下环境异常工况数据集,采用旋转变换、平移变换、缩放变换等数据增强技术,有效防止网络训练过拟合;基于InceptionResnet V2模型采用层冻结方法,重新训练全连接模型,通过不同的迁移策略进行实验对比分析。研究结果表明：添加2层全连接层,且每层包括4 096个神经元的迁移策略模型性能最佳,鲁棒性好,能够精准识别分类井下环境异常工况。
分类：期刊> 自然科学与工程技术> 工程科技I> 安全科学与灾害防治
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：井下环境 无人开采 异常工况 深度学习
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
