基于改进HHO⁃LSTM的滚动轴承故障诊断研究

为了解决滚动轴承故障诊断问题,提出一种将改进哈里斯鹰优化(Harris Hawks Optimization,HHO)算法和长短时记忆(Long Short⁃Term Memory,LSTM)网络相融合的智能诊断模型IHHO⁃LSTM。HHO算法在求解过程中容易陷入局部最优、收敛缓慢,基于这些问题引入Cauchy分布函数和模拟退火(Simulated Annealing,SA)算法,拓展全局搜索的广泛性,避免陷入局部最优。运用改进的HHO算法快速确定LSTM模型的最优超参数值,从而提高时序诊断精度。利用凯斯西储大学滚动轴承实验数据进行故障诊断实验,结果表明,IHHO⁃LSTM模型能够实现对滚动轴承的特征提取和故障诊断,模型准确率高达近97%。

基于Web挖掘的虚拟企业合作伙伴选择决策支持系统研究

建立虚拟企业关键的一步是核心企业根据分解的任务寻找一定数量的候选合作伙伴,然后再应用不同的评价方法从众多候选伙伴中确定最佳合作伙伴。本文研究基于WEB挖掘技术的虚拟企业合作伙伴选择支持系统的总体框架,并设计灵活实用的虚拟企业合作伙伴选择过程。

基于VPN技术的企业管理信息系统的开发

本文简述了VPN的概念及其基本原理,详细说明了VPN技术在企业组网中的忧势及应用VPN技术设计企业 网络的原则,并作为实际应用介绍了神华准格尔能源有限责任公司基于VPN管理信息系统的开发实践。

基于改进合成规则的通风系统可靠性

为提高矿井通风系统中指标的信息利用率,有效解决因指标多面性与模糊性所造成的评价结果不精确问题,提出一种基于改进合成规则的通风系统可靠性评价模型。根据《煤矿安全规程》与可靠性原理,结合常村煤矿通风系统特点,从员工素质、通风动力、通风网络、通风设施、作业环境、监控设施设备、防灾自救系统和通风管理8个方面建立矿井通风系统可靠性指标体系。采用D-S证据理论建立等级识别框架,利用正态隶属函数求取各指标的基本概率分配。引入改进的证据合成规则对指标层、准则层以及决策层进行融合,得到矿井通风系统可靠性等级结果。研究结果表明:常村煤矿矿井通风系统可靠性等级为Ⅱ级,与实际情况相符。研究结论为通风系统可靠性评价提供了新方法。

基于ASP的三层综合查询系统开发研究

本文在分析了利用ASP技术开发动态、交互的Web应用程序的优越性的基础上,结合销售系统的实践开发经验,介绍了通过ORACLE公司的OracleOblectforOLE利用ASP技术存取Oracle数据库的方法。

虎龙沟煤矿通风系统优化研究

为准确掌握虎龙沟煤矿通风阻力及能量损耗情况,结合虎龙沟煤矿通风系统现状,采用倾斜压差计与气压计相结合的方法对虎龙沟煤矿各采区进行通风阻力测定。针对传统通风仿真软件存在的结算速度慢、数据编辑不变等缺点,开发了3DSimOpt software软件。利用该软件对虎龙沟煤矿的进、用、回三区段进行了通风阻力与功耗分布情况进行了分析。通过分析发现,由于矿井回风调节的方式是全通路,导致发生矿井阻力虚高现象,针对所发现的问题,提出了适合于虎龙沟实际情况的矿井通风优化方案,以达到降阻减耗的目的。

矿井主风机不停风倒机系统最优控制研究

为解决矿井停机切换主要通风机过程中引起的井下风量波动很大,易造成瓦斯积聚等引发的安全问题,提出1种基于智能控制的主通风机稳风切换系统。建立动态风机倒机数学模型,提出基于改进粒子群算法优化的模糊自适应PID的控制方法,并应用MATLAB进行仿真实验,结果表明:控制方法控制效果明显,在系统运行的120 s内,井下风量波动始终在0.6%以内,并且2台主要通风机始终工作在稳定区间,从而证明该系统的高效性、稳定性和安全性。

基于实施监测数据的矿井通风仿真技术研究

矿井通风系统的管理是一项复杂工作,整个通风系统的维护也非常困难,保证矿井通风系统正常运转是所有生产矿井的重要任务。对于煤矿"一通三防"事故的发生、发展及造成的危害都与通风系统的可靠性及弱抗灾性有关。为解决矿井通风日常管理的优化设计以及系统方案模拟等矿井通风安全问题,开发出一套精确、高效、实用,能够充分利用矿井监控系统的实时监测数据,实现基于互联网技术的在线实时通风仿真计算。将矿井通风管理信息系统与矿井监测系统进行信息共享,可以实现通风监测与仿真一体化运行,且能够增强矿井通风系统运行的稳定性。通过对常村煤矿的实际应用,取得了良好的现场应用效果。

基于博弈论偏序集的煤矿瓦斯爆炸风险评价模型研究

准确评价煤矿瓦斯爆炸风险是预防与控制瓦斯爆炸事故的重要前提。基于偏序集理论,提出瓦斯爆炸风险的博弈论偏序集评价模型。依据分级准则划分风险安全等级,对影响瓦斯爆炸风险因素进行综合分析,最终选取通风设施设备、瓦斯涌出量、风量供需比、安全教育与培训等14项指标(记为y_(1)-y_(14))构成模型的指标集合并进行博弈论优化。运用该模型对20个矿井样本(记为A1-A20)进行风险等级评价,结果表明:模型评价结果的Hasse图表达较为准确。偏序集模型中的各指标权重ω经博弈论法优化后均处于平衡状态,保证了偏序关系的转化,充分发挥出偏序集评价模型中若指标权重次序固定评价结果稳健这一特性。为煤矿瓦斯爆炸风险的评价提供了一种新思路。

煤矿掘进机大角度拐弯装备技术研究与应用

为提高煤矿大角度巷道开口的掘进效率,研究出了一种新型煤矿掘进机大角度拐弯装备技术。该装备技术由掘进机、皮带机和改进连挂装置构成,通过在常村煤矿的实地试验,掘进机与转载皮带机之间能进行正负100°位置拐弯,验证了该装备技术的有效性。

矿井突水水源识别预测研究——以新庄孜矿为例

矿井突水水源识别是煤矿预防突水事故发生的关键工作,为快速、有效判别矿井突水水源,选取Ca2+,Mg2+,K++Na+,HCO-3,SO2-4,Cl-和总硬度7种主要判别指标。利用Logistic回归分析模型,对7种判别指标的重要程度进行回归分析,提取最主要的判别指标作为水源识别的影响因素,建立基于Logistic分析的矿井突水水源识别的随机森林(RF)模型。将煤矿实测的33组数据作为训练数据,进行预测模型训练,另外选用12组数据作为测试数据,利用该模型进行预测,并与Fisher判别方法和神经网络方法进行对比。结果表明:利用Logistic回归分析法能有效地提取影响矿井突水水源识别的因素,去除冗余影响因素,可有效地预测矿井突水水源类型,使矿井突水水源预测模型错误率降低至1/12。

基于PSOBP-AdaBoost模型的瓦斯涌出量分源预测研究

为准确预测瓦斯涌出量,选取某煤矿的开采煤层、临近煤层、采空区3个瓦斯涌出源作为实例研究,将BP神经网络、粒子群算法(PSO)、Ada Boost迭代提升算法和瓦斯涌出分源预测法相结合,建立基于PSOBP-Ada Boost算法的瓦斯涌出量分源预测模型,并将其与BP神经网络算法进行比较分析。结果表明,PSOBP-Ada Boost算法预测的3个瓦斯涌出源平均相对误差分别为3.24%,2.11%,3.21%;BP神经网络的平均相对误差分别为6.73%,3.19%,4.27%,基于PSOBP-Ada Boost模型的预测精度明显优于BP神经网络模型。

遗传算法优化的GM(1,1)模型研究

为提高GM(1,1)模型预测精度,文章分析了模型中背景值构造与预测结果误差的关系,并总结了背景值改进研究的相关成果。采用权值序列替换原模型背景值构造公式中的单一权值,建立了GA-GM(1,1)预测模型,利用遗传算法迭代寻优获得的一组最优权值序列来构造背景值,以提高模型精度。用两组数据进行GA-GM(1,1)模型与GM(1,1)模型的对比实验,结果表明GA-GM(1,1)具有更小的预测误差,验证了该模型的有效性。

基于SAX方法的股票时间序列数据相似性度量方法研究

特定数据集上高效的相似性度量方法是目前时间序列数据挖掘领域研究的重点内容之一。针对经过SAX方法降维后的股票数据在相似性度量中缺乏趋势变化的动态信息这一问题,本文提出了一种融合了点距离与模式距离优点的新型相似性度量函数——复合距离函数,并通过实证分析验证了该距离函数在相似性度量中的有效性,为揭示股票数据间相互依赖的规律以及时间序列相似性问题的进一步研究提供了新思路。

基于数据融合理论的煤矿瓦斯动态预测技术

针对煤矿瓦斯预测中存在的问题,提出了一种以数据融合理论为基础,利用贝叶斯估计方法和自适应加权进行信息处理和数据融合,利用Dempster-Shafer证据理论解决瓦斯预测过程中的不确定性和不精确性问题,并综合考虑煤矿井下瓦斯浓度等相关参数的新方法,实现了对瓦斯状态信息的在线整合,优化了预测参数,提高了煤矿瓦斯预测预报的准确性.该方法从整体上确立了同源数据的完备性,实现了煤矿瓦斯的动态预测.

煤层底板突水危险性的PNN预测模型研究及应用

为准确有效地预测煤层底板突水的危险性,在分析大量观测实例数据的基础上,选取底板含水层水压、煤层采高、隔水层厚度、断层落差、煤层倾角和断层距工作面距离等6项指标作为影响煤层底板突水的初始特征指标。针对指标之间具有相关性的问题,利用主成分分析(PCA)法提取6项特征指标的主成分,将其作为概率神经网络(PNN)的输入向量,建立基于PCA的煤层底板突水危险性的PNN预测模型。选取21组煤矿实测数据作为学习样本,用于训练模型。采用回代估计法对模型回检。利用学习好的模型,预测另外4组矿井突水数据样本。结果表明,该方法有效降低了指标数据相关性,实现了降维,使PNN模型工作复杂度减弱。将该模型应用于工程实例中,所得预测结果准确率为100%。

基于属性数学理论的矿井通风系统评价

为更加合理地评价矿井通风系统,基于属性区间识别理论构建矿井通风系统技术可行性、经济合理性与安全可靠性预测与分级的属性识别模型.首先确定矿井通风系统评价指标与分级标准,给出矿井通风系统的属性空间矩阵;通过构造属性测度函数以计算单指标属性测度,采用层次分析法(AHP)计算各判别指标的权重,将单指标属性测度转化成综合属性测度;利用置信度识别准则对矿井通风系统进行属性识别.实例分析结果表明:属性数学理论能够很好地解决具有多个模糊属性问题的综合评价.

商品隐式评价对象提取的方法研究

网络评论中没有明确指出评价对象的评论,如评论"东西有点贵"中并没有明确指出评价的是商品的价格。针对这种评论,提出一种在评论文本数据集上提取商品的隐式评价对象的方法。根据评论短文本的句式结构特点,构建出候选评价对象模型,并利用How Net2000概念词典对候选评价对象中的特征词进行扩充,以缓解候选评价对象中信息缺乏的问题;基于k-means聚类算法利用候选评价对象中特征词之间的相似度,对候选评价对象进行聚类,得到若干隐式评价对象;利用χ2统计量来衡量候选评价对象中的特征词对隐式评价对象的指示能力,从而提取出评论中的隐式评价对象。实验结果表明,该方法提高了提取隐式评价对象的准确率。

矿井智能通风关键技术

提出了智能通风系统的定义,分析了煤矿智能通风关键技术,研究了基于矿山检测监控系统参数的精确获取算法;建立了基于最小调节功耗的矿井通风网络自适应优化方法来实现矿井的按需分风;建立了矿井通风仿真与实时解算系统;将智能优化算法应用于矿井通风系统优化,及风阻风机的智能调节决策措施。以冀中能源峰峰集团羊东矿8272工作面为试验对象,验证了提出的智能通风关键技术的可靠性。

基于RF-ELM模型的边坡稳定性预测研究

为实现对边坡稳定性的有效预测,将极限学习机算法与旋转森林算法相结合,并依据影响边坡稳定性的六项重要因素,建立了边坡稳定性预测的RF-ELM预测模型。该模型是以极限学习机算法为基分类器,以旋转森林算法为框架的集成学习模型,利用UCI数据库中三组数据集验证了该集成模型确实提高了ELM的预测性能。将RF-ELM模型应用于边坡稳定性的预测问题中,结合39组工程实例数据进行预测实验,结果表明该模型具有较高的预测精度,可有效的对边坡稳定性进行预测。