(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210635956.3 (22)申请日 2022.06.07 (71)申请人 北京天玛智控科技股份有限公司 地址 101320 北京市顺 义区林河南大街27 号(科技创新功能 区) 申请人 北京煤科天玛自动化科技有限公司 (72)发明人 崔耀　李森　李首滨　秦泽宇　 叶壮　夏杰　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 罗岚 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01)E21C 35/24(2006.01) (54)发明名称 煤岩界面识别模 型训练方法、 采煤机截割控 制方法和装置 (57)摘要 本公开提出一种煤岩界面识别模型训练方 法、 采煤机截割控制方法和装置， 该煤岩界面识 别模型训练方法， 包括： 接收边缘处理器发送的 样本煤岩分布和样本多模态数据； 根据样本截割 摇臂振动数据和样本截割煤岩噪声数据， 获取样 本载荷状态特征； 根据样本滚筒截割视频数据， 获取样本截割煤岩界面特征； 根据样本截割电机 电流数据和样本升降油缸压力数据， 获取样本滚 筒截割载荷特征； 调用煤岩界面识别模型， 进行 决策级融合， 生成样本预测煤岩分布； 根据样本 预测煤岩分布和样本煤岩分布， 对煤岩界面识别 模型进行模型训练更新。 由此， 能够结合实时工 况， 根据多模态数据， 实时在线训练煤岩界面识 别模型， 能够提高煤岩界面识别模 型的训练效率 和准确度。 权利要求书4页 说明书17页 附图11页 CN 114998798 A 2022.09.02 CN 114998798 A 1.一种煤岩界面识别模型训练方法， 其特 征在于， 所述方法由云端服 务器执行， 包括： 接收边缘处理器发送的样本煤岩分布和样本多模态数据； 其中， 所述样本多模态数据 包括： 样本截割电机电流数据、 样本升降油缸压力数据、 样本截割摇臂振动数据、 样本截割 煤岩噪声数据以及样本滚筒截割视频 数据； 根据所述样本截割摇臂振动数据和所述样本截割煤岩噪声数据， 获取样本载荷状态特 征； 根据所述样本滚筒截割视频 数据， 获取样本截割煤岩界面特 征； 根据所述样本截割电机电流数据和所述样本升降油缸压力数据， 获取样本滚筒截割载 荷特征； 调用煤岩界面识别模型， 根据所述样本载荷状态特征、 所述样本截割煤岩界面特征和 所述样本滚筒截割载荷特 征， 进行决策级融合， 生成样本预测煤岩分布； 根据所述样本预测煤岩分布和所述样本煤岩分布， 对所述煤岩界面识别模型进行模型 训练更新， 以得到训练好的煤岩界面识别模型。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述样本截割摇臂振动数据和所 述样本截割煤岩噪声数据， 获取样本载荷状态特 征， 包括： 获取训练好的振动频谱 模型和训练好的声 音识别模型； 调用所述训练好的振动频谱模型， 根据所述样本截割摇臂振动数据， 获取样本振动特 征； 调用所述训练好的声音识别模型， 根据所述样本截割煤岩噪声数据， 获取样本声音特 征； 将所述样本振动特征和所述样本声音特征进行特征级融合， 获取所述样本载荷状态特 征。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述样本滚筒截割视频数据， 获 取样本截割煤岩界面特 征， 包括： 获取训练好的深度对抗网络模型； 调用所述训练好的深度对抗网络模型， 根据所述样本滚筒截割视频数据， 获取所述样 本截割煤岩界面特 征。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述样本截割电机电流数据和所 述样本升降油缸压力数据， 获取样本滚筒截割载荷特 征， 包括： 获取训练好的载荷特 征模型； 调用所述训练好的载荷特征模型， 根据所述样本截割电机电流数据和所述样本升降油 缸压力数据， 获取 所述样本滚筒截割载荷特 征。 5.一种采煤 机截割控制方法， 其特 征在于， 所述方法由边 缘处理器执行， 包括： 接收云端服务器发送的训练好的煤岩界面识别模型； 其中， 所述训练好的煤岩界面识 别模型为采用如权利要求1至4中任一项所述的方法训练得到的； 获取截割电机电流数据、 升降油缸压力数据、 截割摇臂振动数据、 截割煤岩噪声数据以 及滚筒截割视频 数据； 根据所述截割摇臂振动数据和所述截割煤岩噪声数据， 获取 载荷状态特 征； 根据所述滚筒截割视频 数据， 获取截割煤岩界面特 征；权　利　要　求　书 1/4 页 2 CN 114998798 A 2根据所述截割电机电流数据和所述升降油缸压力数据， 获取滚筒截割载荷特 征； 调用所述训练好的煤岩界面识别模型， 根据所述载荷状态特征、 所述截割煤岩界面特 征和所述滚筒截割载荷特 征， 生成预测煤岩分布； 根据所述预测煤岩分布， 确定目标滚筒高度和目标牵引速度； 将所述目标滚筒高度和所述目标牵引速度发送至采煤机控制器， 以控制采煤机进行煤 层截割。 6.根据权利要求5所述的方法， 其特征在于， 所述获取截割电机电流数据、 升降油 缸压 力数据、 截割摇臂振动数据、 截割煤岩噪声数据以及滚筒截割视频 数据， 包括： 通过设置在截割电机上的电流传感器， 获取 所述截割电机电流数据； 通过设置在截割臂升降油缸内的压力传感器， 获取 所述升降油缸压力数据； 通过设置在截割臂上的振动传感器， 获取 所述截割摇臂振动数据； 通过设置在摇臂底部的声音传感器采集截割煤壁的声音信号， 获取所述截割煤岩噪声 数据； 通过设置在摇臂底部的视频采集装置采集截割的煤岩图像， 获取所述滚筒截割视频数 据。 7.根据权利要求5所述的方法， 其特 征在于， 所述方法， 还 包括： 接收所述云端服务器发送的训练好的振动频谱模型、 训练好的声音识别模型、 训练好 的深度对抗网络模型和训练好的载荷特 征模型。 8.根据权利要求5所述的方法， 其特 征在于， 所述方法， 还 包括： 获取样本煤岩分布和样本多模态数据， 以发送至所述云端服务器获取所述训练好的煤 岩界面识别模型； 其中， 所述样本多模态数据包括： 样本截割电机电流数据、 样本升降油缸 压力数据、 样本截割摇臂振动数据、 样本截割煤岩噪声数据以及样本滚筒截割视频 数据。 9.根据权利要求8所述的方法， 其特征在于， 所述获取样本煤岩分布和样本多模态数 据， 包括： 确定记忆顶底板截割曲线、 记 忆滚筒高度和记 忆牵引速度； 获取预设条件下， 所述采煤机进行煤层截割的实时截割电机电流数据、 实时升降油 缸 压力数据、 实时截割摇臂振动数据、 实时截割煤岩噪声数据、 实时滚筒截割视频数据、 实时 顶底板截割曲线、 实时滚筒高度和实时牵引速度； 其中， 所述预设条件为基于人工干预的所 述记忆顶底板截割曲线、 所述记 忆滚筒高度和所述记 忆牵引速度； 根据所述实时顶底板截割曲线、 所述实时滚筒高度和所述实时牵引速度， 确定所述样 本煤岩分布； 确定所述实时截割电机电流数据为所述样本截割电机电流数据， 所述实时升降油缸压 力数据为所述样本升降油缸压力数据， 所述 实时截割摇臂振动数据为所述样本截割摇臂振 动数据， 所述实时截割煤岩噪声数据为所述样本截割煤岩噪声数据， 所述实时滚筒截割视 频数据为所述样本滚筒截割视频 数据。 10.一种煤岩界面识别模型训练装置， 其特 征在于， 包括： 数据接收单元， 被配置为接收边缘处理器发送的样本煤岩分布和样本多模态数据； 其 中， 所述样本多模态数据包括： 样本截割电机电流数据、 样本升降油缸压力数据、 样本截割 摇臂振动数据、 样本截割煤岩噪声数据以及样本滚筒截割视频 数据；权　利　要　求　书 2/4 页 3 CN 114998798 A 3