采煤工作面瓦斯涌出量的聚类预测

以预测回采工作面瓦斯涌出量为研究目的,应用模糊C均值聚类算法对回采工作面瓦斯涌出资料进行聚类分析,得到各样本的类别、聚类中心和样本对于各类的隶属度;根据瓦斯涌出量值建立分类标准,验证了模糊C均值聚类算法在瓦斯涌出量分类方面的实用性;根据瓦斯涌出量的影响因素和聚类中心,应用灰色关联分析法建立回采工作面瓦斯涌出量的归类预测模型,对待测样本进行预测,实现了瓦斯涌出量的聚类预测;最后,用实例论证了该方法的可行性和有效性.     

煤矿数据远程监控的优化研究

为了提高煤矿数据远程监控的有效性,采用模糊聚类C算法对煤矿井下环境数据进行聚类分析。文章对现代化的煤矿数据远程监控系统进行了简要说明,从后台数据处理方向来实现远程监控的优化研究,采用模糊聚类C算法和改进的模糊聚类C算法分别对完整的数据样本和不完整的数据样本进行聚类,实验结果表明,聚类效果明显,稳定性高,具有一定的研究价值。     

基于模糊聚类分析和模糊模式识别的煤层底板突水区域预测

借助于模糊理论与技术可以较客观地实现煤层底板突水预测中模糊信息与模糊关系的正确表达与处理,综合考虑突水影响因素,提出了采用模糊聚类分析与模糊模式识别相结合的预测方法。首先采用模糊聚类分析对底板突水的样本集合进行分类,建立不同程度的模糊模式,然后对待测样本进行模糊模式识别,以此来预测待测样本的底板突水危险程度。此方法克服了模糊聚类单一分析方法的不确定性,提高了预测结果的准确程度。     

基于模糊聚类的矿井环境监测技术研究

矿井监测数据纷繁复杂,为了在海量的数据中提取有效数据进行预警分析,文章采用模糊聚类实现对矿井环境监测数据的分析处理,对矿井环境监测数据分析结构做了简要说明,接着分析模糊聚类C聚类均值算法(FCM),最后采用公共数据库一组矿井监测数据样本进行实例仿真。实验证明,该算法在处理大数据样本时有一定的优势,具有一定的研究价值。     

基于自适应权重模糊C-均值聚类的瓦斯突出预测

 传统的模糊C-均值聚类在处理煤与瓦斯突出的预测时,由于其对初始聚类中心的过度依赖而导致预测结果准确率的降低。为了准确预测煤与瓦斯突出,提出了一种基于自适应权重模糊C-均值聚类的煤与瓦斯突出预测方法。该方法将瓦斯浓度相关影响因素作为特征空间中的样本,采用高斯距离比例表示权重,动态计算每个样本对于类的权重,对特征空间中的样本进行聚类分析预测,降低了算法对初始聚类中心的依赖。实例验证表明：所提出的方法具有较高的预测精度,具有较大的实用价值。     

煤矿回采工作面突水预测的方法探讨

针对煤矿回采工作面突水预测的复杂性，探索性地采用了神经网络方法，并以实例说明此方法与模糊聚类法及灰色聚类法相比有计算简便，快速且实用的特点。     

基于模糊神经网络卡车路段行程时间实时动态预测

提出了一种基于模糊神经网络卡车路段行程时间实时预测模型，阐述了自适应神经网络模糊系统(Adaptive Network-based Fuzzy Inference System, ANFIS)网络原理和方法对行程时间预测的可行性和可靠性，采用最小二乘法和误差反传算法结合的混合学习算法，减少了搜索空间的维数，而采用的减法聚类方法减少了模糊推理规则.混合学习算法和减法聚类方法的应用提高了网络参数的辨识和收敛速度.实例仿真论证了该模型预测速度更快、准确性更高，实时性好，获得了比单纯使用神经网络或模糊理论更精确的预测结果.     

基于模糊聚类径向基神经网络的煤质分析模型

为了实现煤炭指标的快速智能预测,建立了基于模糊聚类的径向基函数(RBF)神经网络预测模型,将已测定的收到基全水、收到基灰分、收到基挥发分和收到基全硫的含量作为分类指标进行模糊聚类,根据分类结果分别建立了基于径向基函数神经网络的定量分析模型,对干燥无灰基挥发分、空干基全硫、收到基低位发热量和空干基高位发热量进行了预测,并与直接使用径向基神经网络模型进行比较。结果表明,该分析模型不仅精度高,且泛化能力强,鲁棒性好。     

基于模糊模式识别的煤与瓦斯突出区域预测

借助于成熟的模糊理论与技术可以较客观地实现突出预测中不精确信息与不精确关系的正确表达与处理，综合考虑突出影响因素，提出了煤与瓦斯突出区域预测的模糊模式识别新方法.首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类，建立不同程度的模糊模式.然后对待预测样本进行模糊模式识别，根据择近原则，哪一种模式与预测样本最接近，待预测样本即属于哪一种突出类型.此方法克服了模糊聚类单一分析方法的不确定性，实现了多指标定量化的预测，提高了预测效果的准确程度.通过实例验证，证明了预测的可靠性.     

应用模糊神经网络对重介质密度进行估算

介绍了重介质悬浮液密度在整个选煤过程中的重要性,综合神经网络和模糊控制的优点,提出了一种基于模糊神经网络的悬浮液密度估算方法。以模糊估算器抽象出来的模糊规则表作为神经网络的学习样本,利用神经网络的自学习能力,不断对网络权值和激活函数的参数进行修改,实现了在线修改模糊推理规则的目的。     

基于模糊神经网络的刮板输送机故障诊断

对刮板输送机常见故障类型进行总结与分类,介绍基于模糊神经网络的故障诊断流程,分析刮板输送机故障的影响因素,建立基于模糊神经网络的刮板输送机故障诊断模型,研究模糊聚类的依据以及RBF神经网络的学习流程。为了验证基于模糊神经网络故障模型的有效性,以刮板输送机减速器的诊断过程为例,采用MATLAB进行仿真,仿真结果表明,基于模糊神经网络的故障诊断结果与实际情况一致,相比传统RBF神经网络,迭代次数更少,性能更优。     

基于模糊神经网络和灰色理论的产品造型设计方法

提出一种基于模糊神经网络和灰色理论结合的参数特征,创建色彩渲染形态预测功能的快速概念评价形象的设计方法。开发了2种评价模型。模型Ⅰ采用模糊神经网络预测整体形象,模型Ⅱ运用灰色聚类和2个模糊神经网络方法进行色彩图像评价、造型形象评价和整体形象的评价。结果表明,模型Ⅱ图像预测能力优于Ⅰ型。将它应用到建立一个与专业CAD系统相结合的设计界面,进行产品设计和形象的评价以证明拟议的产品设计和形象评价方法的有效性。它可以进行任何必要的设计参数修改,以确保最终产品符合其特定的形象目标。     

一种模糊神经网络控制器

简单介绍了模糊技术和神经网络的关系 ,并给出了一种利用神经网络技术的模糊控制器的控制方案。应用模糊神经网络技术 ,将模糊逻辑与BP算法相结合 ,使该控制器具有很强的适应性 ,拥有模糊控制和神经网络的双重优点 ,适用于参数时变、纯滞后的高阶系统。     

采煤机调高系统的模糊神经网络自适应控制

针对采煤机滚筒调高系统的非线性特点,采用了一种基于BP算法的模糊神经网络自适应控制,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力融为一体,形成了对非线性系统的良好控制策略。经仿真结果表明,该系统具有良好的动、静态性能及自适应性。     

燃煤型城市环境大气质量综合评价的模糊神经网络模型

研究了基于多准则学习的模糊神经网络评价环境大气质量的模型。将环境质量评价标准作为模糊集，采用多输出神经网络，得到一个实际输出向量，把它作为评价样本对该模糊集的隶属度，较好地克服了常用的单输出网络人为规定评价指数的主观因素；把隶属度向量作为权值，对评价样本进行综合评分，以此对环境质量进行评价，避免了当隶属度向量各分量分布不集中时，最大隶属度原则所遇到的困难。采用基于多准则学习神经网络，较好地克服了基于单准则学习神经网络收敛速度慢，易陷入局部极小值的缺点。     

模糊神经网络技术的发展与应用

对模糊神经网络技术的基本理论问题进行了论述, 讨论了模糊神经网络的理论研究现状、模糊神经网络软件技术发展现状以及目前在工程实际应用中仍存在的问题, 并对模糊神经网络将来的发展与应用作了展望。     

基于遗传算法的模糊神经控制器

模糊神经网络是指利用神经网络结构来实现模糊逻辑推理,用神经网络实现模糊推理是为了融合两者的优点取得更好的推理效果,先用遗传算法对模糊神经控制器进行离线训练,然后用BP算法对模糊神经控制器进一步在线训练,仿真结果表明模糊神经控制器比模糊控制器取得了更好的控制效果。     

基于神经网络的混合智能故障诊断技术研究

目前 ,故障诊断的关键是寻找一种使诊断结果更为有效的方法。神经网络作为一种新兴的故障诊断方法 ,越来越受到人们的关注。对于复杂的系统 ,单一的传统神经网络很难给出理想的结果。对神经网络与其他诊断方式融合的混合智能技术 ,即神经网络与专家系统、模糊控制、小波分析和遗传算法的结合以及集成神经网络等在故障诊断中的应用进行了综述