城市污水处理过程污泥膨胀识别与抑制综述

污泥膨胀是活性污泥法污水处理过程中常见的一类异常工况,且具有严重危害性,研究污泥膨胀的识别和抑制方法对城市污水处理过程正常运行意义重大.本文主要针对城市污水处理过程中污泥膨胀的识别和抑制方法进行综述.首先,文章概述了城市污水处理过程,介绍了污泥膨胀的概念、主要特点、类型和成因;其次,概述了基于微生物生理特征、机理模型、图像识别和数据驱动的污泥膨胀识别方法,分析其发展现状并指出优缺点;然后,概述了基于过程调控和机理特征的污泥膨胀抑制方法,分析其发展现状并对比优缺点;最后,总结全文,指出了城市污水处理过程污泥膨胀识别和抑制面临的主要问题,并对其研究趋势进行了展望.

基于多注意融合网络的输煤皮带异物识别方法

为改善现有输煤皮带异物识别算法网络参数量大、识别精度不高的问题,及时避免大块煤和矸石、锚杆等带来的安全隐患,提出了一种基于多注意融合网络的输煤皮带异物识别方法,使用低照度图像处理算法对数据集进行预处理,采用融合局部注意力残差块作为基本特征提取单元,在残差块中融入带有额外偏移量的可变形卷积以增加对不规则特征的描述,用注意力机制对全局特征图做期望最大化处理。结果表明:在Cifar 10数据集和矿用皮带传输异物识别数据集的识别准确率分别为93.7%和84.8%;与ShufflenetV2、MobileNetV2、ResNet 50、ResNet 110、Darknet 53算法相比,识别准确率分别提升了4.7%、3.9%、0.4%、0.5%、1.7%;与识别准确率相近的ResNet 50、ResNet 110算法相比,网络参数量和计算复杂度大大减小。识别方法能够快速识别输煤皮带异物,且具有较高的识别准确率,对保障煤矿运输系统的安全运行具有参考意义。

基于双层DCT-Mask特征融合算法的堆叠垃圾实例分割

复杂堆叠场景下的垃圾实例分割受到严重遮挡和高密集性特点的影响,具有更大的检测难度。针对该问题,提出了一种结合DCT-Mask和双层特征融合网络思想的实例分割方法,用于高度堆叠场景下的垃圾实例分割。在网络结构层面,首先在数据预处理环节对特征数据进行解耦,并通过双分支特征融合降低堆叠对遮挡物体特征的影响,从而解决复杂堆叠遮挡下的实例分割问题。针对该场景下的密集混淆问题,在候选框分类回归部分融入了级联分类器,并优化了分割网络分支的损失函数。实验采用堆叠垃圾分类实例分割数据集进行实验验证,实验结果表明,该方法的AP_(50)、平均准确率mAP等指标有较大提升,且具有较好的分割效果和一定的可解释性。

基于5G+UWB和惯导技术的井下人员定位系统

针对煤矿井下人员定位系统在实际应用中存在因设备算力与存储资源不足导致无法使用复杂测距与定位算法,定位数据即时传输与响应性能不足,在系统部署方面人力物力损耗较大等问题,提出了一种基于5G+UWB和惯导技术的井下人员定位系统。在末端部署能耗低、抗干扰性强的UWB定位基站,定位基站与5G基站以级联的方式连接,定位基站采集UWB与惯导数据,利用5G网络回传至计算平台,在计算平台上完成定位信息的解算和存储。将基于惯导的人员位置估计作为预测值,将基于UWB的三边定位算法获取的人员位置估计作为观测值,利用卡尔曼滤波器将预测值和观测值进行融合,降低定位误差。在煤矿主体实验基地搭建测试系统,模拟真实煤矿井下环境并进行对比实验。结果表明:(1)在x轴和y轴,融合惯导的卡尔曼滤波算法得出的位置信息和真实位置信息的重合度最高,说明融合惯导的卡尔曼滤波算法得出的位置信息最接近真实位置,平均误差为22.192 cm。(2)5G+UWB和惯导技术组合的井下人员定位系统的位置信息和真实位置信息的重合度最高,误差为[15 cm,20 cm],x轴最大平均误差为26 cm,y轴最大平均误差为24 cm,超过目前大多数井下人员定位系统精度。

基于PDR算法与伪平面技术的井下人员定位方法研究

为了降低行人航位推算(Pedestrian dead reckoning,PDR)算法在进行井下人员定位时产生的累积误差,提出了一种基于PDR算法与伪平面技术的井下人员定位方法。首先,采用惯性导航传感器获取井下人员的步态信息,通过线性步长估计模型和四元数法实现步长估计和方向估计,利用PDR算法推算人员的位置;其次,使用井下人员活动区域以及预设的标记点构建伪平面,并将井下人员位置映射到伪平面坐标上,为降低PDR算法的累积误差做准备;最后,采用SVM进行井下人员活动检测,通过转弯活动判断其是否处于特殊标记点,将PDR解算的位置与伪平面内已知转弯位置标记点进行相关性分析,完成伪平面信息与工人位置的匹配,校准并更新PDR位置,降低累积误差。结果表明:井下工人在完成单个转弯活动过程中,传统PDR算法解算位置平均误差为0.98 m,而进行伪平面修正后平均误差降低到0.31 m;在完成区域性多活动过程中,采用伪平面技术修正后的PDR平均定位误差从1.08 m降低到0.38 m。因此,所提出的井下人员定位方法有效提高了PDR算法的定位精度。

基于UWB与PDR的井下人员融合定位方法

现有超宽带(UWB)与行人航位推算(PDR)融合定位方法大多忽略了非视距(NLOS)环境下的定位误差校正,以简单的阈值划分作为NLOS环境判断依据,而阈值划分在很大程度上与定位场景及场地大小相关。针对上述问题,提出一种考虑NLOS环境的基于UWB与PDR的井下人员融合定位方法。首先,利用UWB技术进行井下人员位置解算,通过三边定位算法得到人员初步位置后,使用最小二乘法对位置进行优化,通过多项式拟合实现NLOS环境下基站和标签之间实际值和测量值之间的拟合,减小NLOS环境下的测距误差,提高定位精度。其次,采用PDR算法对步态进行识别和分析,PDR算法使用惯性导航传感器采集的步态数据,通过步态识别、步长估计和方向估计,实现目标位置的更新;然后,通过卷积神经网络(CNN)-长短期记忆(LSTM)网络分析信道脉冲响应(CIR)特征,实现视距(LOS)/NLOS识别,解决NLOS环境判断存在场景限制的问题;最后,根据LOS/NLOS识别结果确定融合系数,实现UWB和PDR定位结果融合。测试结果表明:多项式拟合后UWB平均测距误差降低0.59 m;LOS/NLOS识别的平均准确率为95.3%,召回率和F1分数均在90%以上,验证了CNNLSTM具有较好的识别效果;融合定位方法的平均误差为0.31 m,较UWB降低1.57 m,较PDR降低1.41 m。

基于改进YOLOv8n的采掘工作面小目标检测方法

为有效检测和识别煤矿井下采掘工作面人员是否佩戴安全防护装置,针对井下光照条件差、安全防护装备目标尺寸小且颜色与背景相似等情况,提出了一种基于改进YOLOv8n的采掘工作面小目标检测方法。在YOLOv8n骨干网络C2f模块中融合动态蛇形卷积(DSConv),构建C2f−DSConv模块,以提高模型提取多尺度特征的能力;在Neck层引入极化自注意力(PSA)机制,以减少信息损失,提高特征表达能力;在Head层增设1个专门针对小目标的检测头,形成4检测头结构,以扩大模型检测范围。实验结果表明,改进YOLOv8n模型对井下人员及其所佩戴安全帽、矿灯、口罩、自救器检测的平均精度分别为98.3%,95.8%,89.9%,87.2%,90.8%,平均精度均值为92.4%,优于Faster R−CNN,YOLOv5s,YOLOv7,YOLOv8n模型,且检测速度达208帧/s,满足煤矿井下目标检测精度和实时性要求。

基于多优先级稳态优化的双层结构预测控制算法及软件实现

研究包含稳态目标计算(Steady-state target calculation,SSTC)层和动态控制层的双层结构预测控制(Model predictive control,MPC)及其实现方法.我们将已有的辨识、优化和控制方案适当地组合并软件化.通过在多优先级稳态目标计算中引入新的变量,给出了稳态目标计算的统一表达方法,每个优先级的优化问题或是跟踪外部目标,或是放松软约束.通过仿真算例和应用实例相结合的方式验证了软件功能.

智慧煤矿数据驱动检测技术研究

数据驱动检测技术是智慧煤矿发展的有效组成部分,其在无需知道智慧煤矿大数据系统精确解析模型的情况下完成对未来对象系统行为的预测。针对智慧煤矿的生产运行智能化、安全生产本质化、运营模式科学化等难题,分析了数据驱动检测技术在煤矿设备故障诊断、胶带运输异物检测、煤矸检测辨识等3个方面的应用现状。展望了数据驱动检测技术在这3个方面的发展趋势:①模糊数学与人工神经网络应更加有效融入煤矿设备故障诊断中;②视频防抖、图像分割及目标检测技术应更加有效融入胶带运输异物检测中;③分拣机器人、计算机视觉及图像识别技术应更加有效融入煤矸检测辨识中,提高算法普适性将是煤矸图像识别发展的方向之一。

基于改进单关节信息传输模型的闭环脑机接口系统设计

近年来,脑机接口(BMI)技术在残疾人肢体功能康复、老年人生活辅助等方面的应用日益广泛.本文以单关节信息传输(SJIT)模型为对象,通过模型改进、设计解码器和辅助控制器构造了闭环脑机接口系统以恢复单关节的运动功能.本文主要工作包括:(1)引入相对速度向量对单关节信息传输模型改进以降低模型输出的超调量,并测试了改进模型的性能;(2)基于改进模型,通过设计基于维纳滤波的解码器、基于预测控制策略的辅助控制器构造了闭环脑机接口系统以恢复缺失的信息通路.离线和在线仿真说明,改进模型的输出性能有较大提升、超调量明显下降;构建的闭环系统很好地实现了对缺失信息通路的恢复和期望轨迹的跟踪,且具有较强的抗干扰性.

采用FFT-PSO策略的多约束稀疏阵天线方向图综合

采用稀疏布阵的相控阵测控天线,阵元等幅激励时的阵列峰值副瓣电平无法满足指标要求。在考虑天线增益、半功率波束宽度等指标约束时设计了合适的适应度函数,并基于粒子群算法(PSO)对阵元激励幅度进行优化以降低天线副瓣电平。同时,分析了等间距栅格平面阵列天线方向图与离散傅里叶变换的关系,采用快速傅里叶变换(FFT)降低了阵列方向图计算复杂度。仿真结果表明,该方法可有效降低峰值副瓣电平和计算复杂度。

基于LSTM的燃煤电厂NO_(x)排量软测量

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NO_(x)为其中之一。针对燃煤电厂生产过程中NO_(x)排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NO_(x)排放量进行预测。在分析NO_(x)产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NO_(x)排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较。结果表明:基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强。

双层预测控制中保证动态控制可行的稳态目标计算策略

在双层结构模型预测控制(Model predictive control,MPC)中,稳态目标计算(Steady-state targets calculation,SSTC)层(上层)为动态控制(Dynamic control,DC)层(下层)提供操作变量、被控变量设定值和变量约束.但是,上层可行域和下层吸引域间存在的不一致性可能使得上层给出的设定值无法实现.本文为下层事先选取若干组放松的软约束,并对每一组软约束都离线计算出相应的吸引域,其中最大的一个吸引域包含稳态目标计算的可行域.在控制过程中,根据当前状态所属吸引域在线地决定在DC层采用的软约束组.采用上述方法后,对所有处于最大吸引域的初始状态,在跟踪稳态目标的过程中,下层优化问题都是可行的.仿真算例证明了该方法的有效性.

基于SVM的煤炭低位发热量软测量

煤质分析是煤炭开发、利用的重要环节,而煤炭低位发热量是煤质分析的关键评价指标。针对传统硬件测量方法繁琐、代价高昂等问题,提出了基于支持向量机的煤炭低位发热量软测量方法,并基于此模型研究了煤炭低位发热量的影响因素。首先,采集陕西榆林某电厂的实际生产数据,并对数据进行随机误差、粗大误差和归一化与反归一化等预处理。其次,结合机理分析剔除无效数据项,且对数据进行相关性分析,排序择优完成辅助变量的选取。最后,基于SVM对煤炭低位发热量软测量进行模型建立、训练和调试,且与长短期记忆网络、BP网络模型进行性能比较。结果表明:基于SVM的煤炭低位发热量软测量模型在均方误差和均方相关系数上都有明显优势。此外,基于SVM模型研究了煤炭低位发热量的影响因素,发现弹筒发热量和全水对煤炭发热量影响较为明显,空气干燥基水分影响较小。

基于长短期记忆网络的解码器设计及闭环脑机接口系统构建

随着脑机接口技术的发展,该技术在残疾人肢体功能恢复等方面应用越来越广泛。首先,在简介经典单关节信息传输模型基础上,设计并训练基于长短期记忆网络的解码器,代替原有脊椎电路通路将大脑信号传递给假肢;其次,为了在感觉反馈通路缺失时,仍能准确地恢复肢体运动功能,结合基于无模型控制策略设计的辅助控制器,构建闭环脑机接口系统,实现恢复关节活动障碍者缺失的感觉反馈通路从而实现跟踪期望轨迹的目的。由仿真可知,基于长短期记忆网络设计的解码器的离线解码效果良好。构建的闭环脑机接口系统对期望轨迹的跟踪以及缺失信息通路的恢复的结果验证了无模型控制辅助控制器良好的控制性能以及构建的闭环脑机接口系统的有效性。

基于改进宏观交通流模型的MPC算法设计

为了得到稳定有序的道路交通流,针对高速公路系统,提出了一种基于改进宏观交通流模型的模型预测控制方法。考虑到由于匝道的流入和流出给交通流带来的不确定性,该方法以各路段的交通流密度和速度为控制目标。再以传统的宏观交通流模型为基础,改进得到一个宏观交通流状态空间模型。针对多变量和控制量约束的问题,设计了基于模型预测控制的交通流密度和速度控制器,以保证更好的控制效果。仿真结果表明,交通流的密度和速度最终趋于期望值,即该方法可有效避免交通拥堵。

反馈机制在脑机接口中的应用研究

WOLPAW等人在2012年出版的著作《Brain-computer interfaces:principles and practice》中指出:脑机接口 (BCI)是将中枢神经系统活动转换为人工输出的系统,它能替代、修复、增强、补充或改善中枢神经系统的止常输出,从而改变中枢神经系统与内外环境之间的交互作用;其核心为建立大脑与外部环境之间的特殊通讯系统。作为一种新兴的交叉技术,BCI近年来得到了快速发展,并日趋完善。在这一过程中,BCI系统从产生之初简单的开环系统逐步演变为复杂的闭环系统。

带有积分环节的双电机伺服系统的改进DMC算法

带有积分环节的双电机伺服系统在实际应用中是十分重要并具有代表性的系统。针对包含积分环节的测控地面站伺服系统,文中提出了一种带有前馈补偿的改进动态矩阵控制(DMC,Dynamic Matrix Control)算法来提高已有PID算法的控制性能。首先,通过重构动态矩阵和移位矩阵来预测带有积分环节系统的未来输出;其次,当系统中存在扰动时,通过加入前馈补偿来提高响应速度和动态控制性能;最后,通过一个仿真实例验证了文中所提算法的有效性。

状态耦合大规模系统的分布式预测控制

研究带有状态耦合的大规模系统的分布式预测控制,这类大规模系统一般可由若干子系统构成。在每个子控制器中均考虑其他子控制器的状态轨迹,这些状态轨迹的假设值可基于历史数据获得。为限制各子系统假设预测轨迹和真实轨迹之间的不确定性偏差加入了相容性约束,并通过在线收紧此约束使得其带来的保守性更小;为消除不确定性偏差,通过对未来轨迹约束的逐步收紧保证物理约束在未来时刻均被满足的;针对真实系统在线优化性能指标,具有更优的控制性能。最后,采用3个弹簧-阻尼小车子系统相互连接而成的系统,通过与已有算法比较,得到了文中算法的计算量更小,控制性能更优的结论,证明了所提方法的有效性。

基于改进差分进化粒子群的煤尘颗粒图像辨识

为实现煤尘融合区域内单个颗粒准确分离,进一步明确煤尘特性参数图像分析内在机理,构建改进差分进化粒子群模型(IDE-PSO,全称Improved Differential Evolution Particle Swarm Optimization)对煤尘颗粒群基本形态特征进行研究。指出颗粒分离过程可分为3个阶段:①分析煤尘特性参数变化规律,建立图像特性模型,根据煤尘物理特性参数确定颗粒群重叠域;②推导图像参数和煤尘特性的关系表达式,定位边缘特征点,实现边缘平滑处理并在重叠域边缘特征点内提取重叠颗粒交点计算模型;③确定粒子群各行粒子适应度函数值,更新粒子群位置矩阵,获取粒子群全局最优位置交点,运用改进差分进化粒子群算法实现煤尘重叠颗粒分离。结果表明:通过参数模型建立颗粒群基本形态特征判定规则;通过特征点定位,可剔除大多数干扰点,交点提取计算量明显降低,利于寻找有效交点;理论计算模型加入变异算子可保证粒子群多样性,避免粒子过早收敛。当粒径<20μm时,提出算法模型的识别率为80.85%,随粒径范围增大到粒径<75μm时,提出算法模型的识别率为86.54%,当75μm<粒径<200μm和粒径> 200μm时,提出的模型算法的识别率分别为88.04%和91.16%,与其他识别算法相比,改进算法对煤尘颗粒图像识别精度具有明显优势。在煤尘物理特性分析的基础上,建立图像特性分析模型,推导出其图像参数和煤尘特性的关系表达式,易于编程实现,在矿山实际运用中具有较强的可行性,也为以后煤尘爆炸浓度检测可靠性研究提供了借鉴。