基于Bert-base模型深度学习的液压支架动作分类研究

简介

液压支架的动作划分是工作面设备动作智能控制的关键基础信息。以液压支架压力数据为基础,采用时间序列分类的方法将支架动作划分为9类动作升柱过程、初撑力跳变过程、增阻过程、极速增阻跳变过程、极速增阻过程、降柱跳变过程、降柱过程、移架过程、升柱跳变过程。利用Bert预训练模型进行构建全连接分类层,并利用液压支架压力数据进行模型分类训练。试验结果表明,在Bert-base预训练模型中,9类动作均取得了较好的分类效果,其中升柱过程的识别精度达到了96%,其余平稳动作过程的分类精度均超过了92%,验证了Bert模型在液压支架具有较强的泛化能力。