针对当前液压支架姿态监测方法只能对单架液压支架的运行姿态数据进行监测、不能把成组液压支架相互配合运行的相关数据进行分析,存在监测漏洞、不能及时判断出成组支架出现的故障等问题,借鉴采煤机记忆截割相关理论及实践应用方法,以灰色理论为依据提出一种监测矿用综采液压支架移架姿态的方法。该方法根据液压支架前几架移架和前几个移架循环的姿态,采用横向循环和纵向循环预测相结合的方式,对移架后的支架将出现的姿态进行预测,并将预测出的支架姿态与移架后实际存在的姿态进行对比,及时发现支架在移架操作中出现的问题,确保液压支架支护的安全。试验结果表明,该方法分析预测的数据和实际移架操作后的数据结果基本一致,证明该方法有效。

针对传统BP算法存在的不足进行改进，采用共轭梯度法与Levenberg—Marquardt法对BP神经网络进行优化；通过实际数据进行预处理、建模分析，对比传统BP神经网络和经过优化后BP神经网络，证明了优化后的神经网络在油品污染与磨损的预测方面具有更好的泛化能力。