基于多判别器辅助分类器生成对抗网络的故障诊断方法研究

在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法。通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型。针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势的单边软约束正则化项替换原有的L2梯度惩罚项来解决模型崩溃问题;在此基础上,采用高效通道注意力机制来进一步提高模型的特征提取能力。将所提出的模型应用于扩充机械设备故障数据集,辅助深度学习智能诊断模型的训练。多个故障数据集扩充实验表明,与现有模型相比,新模型所生成数据的质量更高,故障诊断的准确率也得到进一步提高,因此具有较高的应用价值。

综采设备辅巷多通道快速回撤在神东矿区的应用

论述了神东矿区辅巷多通道的巷道布置及支护形式,详细介绍了综采设备多通道的快速回撤工艺流程,通过对典型综采矿井采用辅巷多通道快速回撤综采设备使用时间的统计,总结出采用辅巷多通道快速回撤综采设备的优点。

多通道信号自校正分布式融合Kalman滤波器

对带未知参数的多传感器多通道自回归滑动平均(ARMA)信号,采用多维递推辅助变量(MRIV)方法得到自回归模型参数估值,通过Gevers-Wouters算法辨识滑动平均模型参数估值,再用相关方法得到噪声方差的估值。把所有的估值都代入到最优分布式融合信息滤波器中得到自校正分布式融合Kalman信息滤波器。该滤波器具有渐近全局最优性,一个多通道信号仿真例子验证了其有效性。

多径信道下辅助矢量接收机性能分析

研究了在直接序列码分多址(DS-CDMA)系统中,多径环境下一种基于RAKE结构的辅助矢量接收机。该接收机在收集多径信号的同时抑制系统中的多址干扰,从收集的多径信号中估计出信道响应矢量,并利用估计出的信道响应矢量对多径信号进行合并,最后进行判决。仿真结果表明,辅助矢量接收机能够有效地去除DS-CDMA系统中的多址干扰,同时具备良好的抗多径衰落性能,误码性能明显优于RAKE接收机。

综采工作面液压支架安全回撤工艺研究

为了解决综采工作面搬家时液压支架回撤工效低、安全性差等问题,从液压支架安全回撤工艺及设备配套工艺2方面入手,研究并优化了单通道单翼回撤工艺和辅巷多通道支架回撤工艺,与传统的综采工作面搬家工艺相比,这2种工艺均采用ZZ7200/18/36型三角区掩护支架布置方式,使安全回撤空间得到安全有效管理;均使用WC40Y系列支架搬运车、WC25EJ系列搬运车等辅助运输设备,此种工艺使工作面整个液压支架回撤时间分别减少27和35 d左右,总工时减少60%和85%左右。同时,单通道单翼回撤工艺因其对巷道掘进量要求小,瓦斯含量要求低,比辅巷多通道回撤工艺适应性更强。

综采辅巷多通道回撤工艺通风系统管理研究

神东矿区13座安全高效矿井每年综采工作面回撤约65次,随着各矿井开采强度的不断加大,地质条件越发复杂,通风系统设计不合理、通风管理不到位,导致氧气浓度不足、一氧化碳浓度超限等现象时有发生,严重威胁到作业人员生命安全。通过对回撤期间通风系统管理、回撤期间局部通风管理、支架回撤期间传感器管理等方面的探索,为矿井回撤工作面通风系统的稳定、可靠提供坚实理论保障,为回撤工作及整个矿井生产安全提供助推力。

多体GHZ态的远程制备

提出了两种制备多体GHZ态的方案。为了改造量子信道,在两个方案中,均使用了一个辅助粒子。第一种方案,利用辅助粒子将量子信道制备到与所要制备的态相适应的参数上;而在第二种方案中,先利用辅助粒子将量子信道改造成最大纠缠态,然后再制备所需要的量子态。研究表明,两种方案所需的经典信息相同,均为1个比特,在相同的条件下,第一种方案具有较高的成功概率。

综采工作面安全快速回撤技术研究

针对目前综采工作面回撤过程中存在的效率低、管理混乱、危险因素多的现状,在孙家岔龙华煤矿30106综采工作面回撤过程中运用辅巷多通道式回撤方法,实现了综采工作面的安全快速回撤,确保了工作面回撤期间的安全稳定。

面向多尺度交通标志的快速识别算法

由于光照、尺寸形变等因素,在自然条件下实时准确地检测和识别多尺度交通标志一直具有挑战性。针对该问题,论文提出一个面向多尺度交通标志的快速识别算法。首先,论文采用了一种基于多通道融合的输入方式,解决原始图像直接输入导致局部边缘刻画不明显的问题;同时,论文研究了一种注意力机制与多尺度特征相结合的交通标志检测算法。通过FPN网络获取多尺度特征图,同时在每个尺度的特征图中通过RPN网络定位出候选目标区域,最后候选目标区域的上下文信息与提取的目标多尺度特征进行拼接,该方法对小尺度的交通标志检测效果显著;最后,论文构建了一个多辅支卷积神经网络,在保持精度情况下,加快了交通标志的识别速度。实验表明,论文的方法有效地降低了交通标志的漏检率,同时显著提升了多尺度交通标志识别的实时性和准确性。