综放开采是我国特厚煤层主要的开采方式，放煤执行机构控制精度很大程度上依赖于尾梁姿态的数据反馈。为了提高放煤执行机构的控制精度，提出了一种基于长短期记忆神经网络（LSTM）的支架尾梁倾角预测方法。将与尾梁放煤动作相关的支架底板绝对坐标、尾梁倾角、尾梁相对高度、移架速率和立柱压力作为RNN卷积网络和LSTM神经网络的输入变量，使用某煤矿综放工作面放煤历史数据对支架尾梁姿态预测模型进行训练和验证，建立支架尾梁姿态预测模型，对尾梁倾角进行连续16小时预测，结果预测的尾梁倾角曲线与实际尾梁倾角曲线的拟合程度达98.7%。在综采放顶煤工作面开展了3～4个生产班的液压支架尾梁倾角预测试验，经过对比分析预测的尾梁倾角曲线与实际尾梁倾角曲线，当置信区间为(0.98，1.02)时，连续生产16小时预测准确率为98.40%。基于LSTM的支架尾梁倾角姿态预测方法解决了电液控系统自适应放煤作业尾梁倾角控制问题，为综放工作面无人放煤奠定了基础。

                0、绪论
1放煤机构运动分析
1.1支架机械结构与支护姿态
1.2尾梁倾角影响因素
2基于LSTM的尾梁倾角预测模型
2.1基于LSTM的尾梁倾角预测模型
2.2基于LSTM的尾梁倾角预测
2.3模型准确率
3应用情况
3.1井下试验
3.2极限性能测试
3.3生产应用情况
4结论