基于ISCSO-VMD-GRU的带式输送机电动滚筒音频故障诊断

针对带式输送机电动滚筒故障状态难以识别,造成诊断精度不高的问题,提出了一种改进沙猫群优化算法(ISCSO)、变分模态分解(VMD)和门控循环单元(GRU)相结合的带式输送机电动滚筒故障诊断模型。在沙猫优化算法(SCSO)中引入Logistic-tent混沌映射、螺旋搜索、麻雀警戒机制改进算法。使用改进的SCSO优化VMD获得音频信号的固有模态函数(IMF)分量,再基于Pearson相关系数与复合缩放排列熵(CZPE)筛选并计算有效IMF分量的CZPE值进行特征重构,提升GRU的诊断精度。同时利用ISCSO算法对GRU网络参数进行优化。通过实验对比,结果表明ISCSO-VMD-GRU模型故障诊断准确率达到99.69%,相较于其他模型性能提升效果显著。

矿井带式输送机运行状态预测方法

传感器监测数据结合神经网络预测模型是矿井带式输送机运行状态预测的主流方法,但利用接触式传感器对带式输送机运行状态进行监测存在安装不便、数据误差大等问题,导致带式输送机运行状态预测精度不高。针对该问题,提出了一种基于音频信号的矿井带式输送机运行状态预测方法。首先,采用高通滤波器和Boll谱减法对带式输送机运行时的原始音频信号进行滤波降噪处理。然后,通过预加重、分帧加窗、傅里叶变换、梅尔滤波器能量计算、离散余弦变换等提取音频信号的梅尔频率倒谱系数(MFCC)第1维分量(MFCC_(0)),并输入至残差块优化的卷积神经网络结合长短期记忆网络(Res-CNN-LSTM)预测模型,以减少预测模型的输入数据量。最后,通过添加残差块的CNN自适应提取带式输送机音频信号的MFCC_(0)空间特征并对数据进行降维,基于LSTM提取降维数据的时间特征,从而提高带式输送机运行状态预测精度。实验结果表明,MFCC_(0)可有效表征带式输送机不同运行状态时的音频信号特征;与CNN,LSTM,CNN-LSTM模型相比,Res-CNN-LSTM模型对带式输送机运行状态的预测更准确。

基于TCN的散装物料精准装车系统研究

针对铁路散装物料装车过程存在的装载不均匀和装载精准度低等问题,设计了基于时间卷积网络(TCN)的散装物料精准装车系统,运用多智能体协同控制思想和分层并发架构,采用静态轨道衡修正模型和基于TCN的车辆速度预测模型计算目标速度,结合基于径向基(RBF)神经网络的控制策略,完成装车全过程的车辆参数精确检测和运动速度精准控制。现场应用表明:该系统显著提高了装车精度,装载误差低于0.2%,大幅缩短了装车所需的时间,实现了无偏载精准装车。

基于Petri网的矿山物联网信息物理并发交互方法研究

针对矿山物联网在应用中存在的物理实体与信息处理间交互不畅问题,通过分析矿山物联网各层不同系统资源的耦合内容和耦合强度,结合矿山复杂场景多源、多模态感测数据特征,利用Petri网对离散事件的建模优势,自下而上建立起矿山物联网信息流网络模型。通过分析Petri网的网络特性和分层并发组合的思想,对矿山物联网网络结构进行精化,研究矿山物理实体与数据控制之间的主动交互机理与状态并构建矿山物联网分布式分层优化模型,实现网络在感知、传输、认知和控制层次上的自优化及其跨层、跨系统的数据优化调度;通过研究具有前向主动感知、状态映射和主动传播功能的矿山物联网信息与物理接口方法,对矿山物联网系统感传层进行优化,构建虚拟信息与物理实体的统一接口。分布式分层优化模型和节点接口模块优化了矿山物联网信息流与控制流的传输结构,建立了物理实体与信息处理之间的可靠交互通道。基于矿山物联网优化模型和传感节点接口模块的矿山运输系统应用表明:该系统明显提高了数据的分布式采集量、实现了矿山信息的并发传输和分类集中管理,大幅缩短了矿山运输系统的响应时间,显著提升了矿山运输系统的工作效率。

科技支撑发展 创新引领转型--能源城的创新历程

改革开放以来,特别是进入新世纪,淮南市市委、市政府以更高的站位、更宽的视野,深化抓创新就是抓发展、谋创新就是谋未来的认识,充分发挥淮南科技创新优势,坚持把创新发展作为核心战略,贯穿于经济社会发展的全过程和各领域,统筹推进产业结构调整和创新型城市建设,大力实施大众创业、万众创新,全市科技创新事业取得了前所未有的巨大成就。