基于RBF网络与自适应遗传算法的旋转机械故障诊断方法

针对RBF网络学习算法工作量大和类别数需预先确定的问题,通过引入具有自适应机制的的遗传算法,结合梯度下降法交互运算,提出了自适应遗传算法和径向基函数网络相结合的旋转机械故障诊断方法。通过对样本模式聚类和故障状态的分析,并利用自适应遗传算法优化相关的RBF网络,有效地解决了隐节点数和各参数的取值问题。应用结果表明,RBF网络和自适应遗传算法相结合提高了全局寻优效率。     

基于遗传算法和模糊PID的采煤机滚筒调高系统研究

针对采煤工况复杂和滚筒调高系统,采用电液伺服控制的非线性、参数时变的特点,设计了模糊自适应PID控制器。由于遗传算法具有良好的全局寻优特性,用遗传算法对自适应模糊PID参数进行了优化,得到最优的控制器参数,从而得到最优控制效果。采用MATLAB/SIMULINK仿真,仿真结果表明,经过遗传算法优化的自适应模糊PID控制器的控制效果具有调节时间短、超调量明显减小、稳态误差小,其对滚筒高度的控制效果得到明显提高,能更好地满足应用要求。     

基于差分进化的混合智能优化算法及其节能优化应用

为了研究煤矿节能减排规划期内每年度间的动态多目标关联性,构建了基于自适应控制、差分进化算法与混合聚类算法的智能优化算法,应用自适应控制实时调整变异尺度因子、交叉概率常数的更新策略,得到差分进化算法的pareto解,进而应用混合聚类算法获取投资优化方案,为管理者投资决策提供有效依据。实验结果表明:在较少的迭代步数内,煤炭生产总量、能源消耗量、污染物排放量可以根据目标要求获得协调发展,且提供的投资决策依据切实有效。     

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。     

基于改进谱聚类算法的电压断相识别

针对传统谱聚类中使用高斯相似函数作为聚类相似性度量的存在的弊端，提出了利用共享自然邻概念的自适应相似度量替代高斯相似函数，结合电压电流数据间内在的联系，将相似度重新定义。实验结果表明，基于自然邻的谱聚类在识别电压断相上，具有一定程度的有效性和优越性。     

基于改进粒子群优化RBF神经网络的轧制力预报

依据RBF神经网络的非线性逼近能力和自学习特性, 提出基于RBF神经网络的建模方法。将最近邻聚类用于RBF神经网络隐层中心向量的确定, 并采用改进粒子群算法对最近邻聚类的聚类半径进行优化, 合理确定了RBF神经网络的隐层结构, 提出了一种基于改进粒子群算法的RBF神经网络(IMPSO-RBF)。将该网络应用于轧制力的预报, 与基本粒子群算法优化的RBF神经网络比较, 仿真结果表明其在预报精度和收敛速度上都有很大提高。     

基于模糊多目标的石灰石露天矿配矿优化模型

针对石灰石露天矿配矿需求,构建了一种基于模糊多 目标的配矿模型.所建模型考虑了石灰石露天矿品位偏差 以及生产能耗２个配矿目标,同时引入模糊化概念,对相关 性不高的多个目标进行模糊处理,并基于最大最小理论将建 立的多目标问题转化为单目标问题.在求解算法方面,采用 特定编码方式以及自适应调整交叉变异算子等策略,并利用 优化遗传算法对所建立模型进行求解.以国内一大型石灰 石露天矿数据为例进行仿真试验,试验结果验证了此配矿模 型的有效性、经济性,能够达到减少矿石品位偏差以及实现 矿企降本增效的目的.     

模糊聚类分析法在坝址地下水质监测网优化中的应用

该文以-工程作为实例,首先利用模糊聚类分析方法对坝址区地下水质监测网中的监测点进行聚类,然后结合各聚类中不同水化学类型的监测点到对应聚类中心的距离,提出了水质监测网的优化方案.结果表明,模糊聚类分析在坝址地下水质监测网的优化中具有可行性,其结果细致、准确.     

基于模糊聚类综合分析的煤巷围岩稳定性分类研究

为研究近距煤层煤巷围岩稳定性分类及支护参数的合理选取,选取相似地质条件矿井的巷道围岩力学性质参数作为分析样本,并依据模糊-聚类综合评判法,通过MATLAB软件中的FCM工具函数进行围岩稳定性分类研究；并结合矿井概况,提出巷道支护参数优化方案,通过围岩变形监测对优化方案进行验证。结果表明：神州煤业一采区运输巷属于第Ⅳ类不稳定巷道,模糊综合评价的结果对巷道支护参数的选取和围岩变形具有可靠的指导作用。     

基于K-means算法识别瓦斯传感器软故障研究

针对井下瓦斯传感器设备出现的软故障如数据漂移、数据长期低于或高于正常值、数据周期性变动和数据出现大值等问题,提出了一种基于轮廓系数自适应最佳聚类点的K-means算法识别瓦斯传感器出现软故障种类的方法。该方法是利用监控系统采集的瓦斯传感器软故障信号进行小包分解处理后,结合RBF神经网络进行轮廓系数K-means自适应算法的软故障识别训练。K-means自适应算法能够自适应优化聚类中心点,利用聚类中心点的迭代循环计算出最优中心点,选择最佳聚类点进行K-means聚类,从而识别软故障信号的故障类型。实验证明,自适应轮廓系数K-means算法能够有效地识别瓦斯传感器软故障类型,提高了煤矿安全监控系统数据的准确性。     

基于模糊神经网络的无毒提金控制系统研究

针对无毒提金工艺过程的特性,提出了基于遗传算法的模糊神经网络控制算法。采用了遗传算法离线全局优化和 BP算法在线局步调整相结合的方式优化模糊神经网络的参数,以及改进的Elman动态递归神经网络进行工艺系统辨识。仿真试验验证了该控制方案的优越性,对解决无毒提金工业过程中的控制问题具有重要意义。     

露天矿运输调度问题求解的自适应果蝇优化算法

针对露天矿运输调度问题,提出了一种改进的果蝇优化算法。首先,对露天矿运输调度问题进行了分析,以矿石开采能力和运输能力为约束条件,以运输成本最小为目标函数,建立了露天矿运输调度问题的数学模型。然后,该算法根据果蝇的味道浓度自适应调整搜索步长,同时满足了算法的全局寻优能力和局部寻优能力。最后,将自适应果蝇优化算法应用于求解实际的露天矿运输调度问题,与标准果蝇优化算法和遗传算法进行实验比较分析,给出了优化结果。实验结果表明:该算法的收敛精度和收敛速度均优于其他算法,证明了该算法可以有效求解露天矿运输调度问题。     

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。     

模糊自适应PID控制在液压凿岩机钻进速度优化中的应用研究

为了能够对液压凿岩机钻进速度进行有效的优化控制,深入地研究了模糊自适应PID控制技术在其中的应用。分析了液压凿岩机的钻进速度优化控制机理;研究了模糊自适应PID控制器的基本原理;探讨了液压凿岩机钻进速度优化控制精度分析的基本理论;进行了液压凿岩机钻进速度优化控制仿真,仿真结果表明模糊自PID控制技术可以提高液压凿岩机钻进速度优化的能力。     

基于采选流程下的露天矿多金属多目标配矿优化模型

多金属配矿的目的是为了保证入选矿石品位的稳定和提高矿石的综合回收率。针对现有多金属配矿模型对选矿影响因素考虑不充分,导致精细化程度不足的问题,在考虑影响选矿回收率的矿石岩性、氧化率、有害物质等配矿指标的情况下,建立了以品位偏差、矿石岩性百分比偏差、总产量偏差和采掘运输成本为优化目标,基于采选流程的多金属多目标配矿优化数学模型。在标准遗传算法的基础上,对算法的变异过程和比较选择过程进行了改进,设计了一种自适应遗传算法对该模型进行求解。以国内某大型钼钨矿为例,将该模型的优化结果与传统模型的优化结果进行对比分析,并采用遗传算法、粒子群算法和所提出的自适应遗传算法分别进行模型求解。研究表明:①该模型在保证采掘运输成本不增加的情况下,对原有配矿模型未考虑的矿石岩性、氧化率、有害物质等影响因素进行了配矿优化,保证了矿石品位的均衡性以及矿石的可选性,从而增加了配矿优化模型的适用性,使得配矿优化模型更符合生产实际;②所提出的自适应遗传算法不仅能够避免陷入局部最优解,而且在计算效率上相比于粒子群算法和遗传算法分别提高了40%和56%,在模型求解精度上提高了10倍左右,表明了改进算法的有效性。     

基于模糊聚类和hoek-brown准则的裂隙岩体力学参数计算

节理裂隙边坡岩体稳定性研究首先需要确定可靠的岩体力学参数。通过提依尔金矿露天边坡节理裂隙测量数据的统计分析,运用模糊等价聚类和模糊软划分聚类分别求得节理裂隙的最佳分组和中心产状。依据模糊聚类的结果,利用Hoek-Brown法确定出裂隙边坡岩体的力学参数。提依尔金矿露天边坡岩体参数的计算过程表明采用模糊聚类分析结合Hoek-Brown准则来确定岩体参数的方法在工程实践中简便易行、实用性强,对相似矿山的边坡稳定性分析工作具有借鉴意义。     

石门揭煤工作面突出危险性的模糊灰色聚类评估

依据统计数据和专家经验,通过对石门揭煤突出危险性预测统计数据的模糊聚类,由数据规格化聚类指标对灰类的白化函数计算聚类系数,对石门揭煤工作面突出危险性进行灰色聚类评估预测,将预测结果与直接计算利用模糊聚类分析法进行比较,结果表明,利用模糊灰色聚类评估预测法预测石门揭煤工作面突出危险性准确可靠。     

基于改进遗传算法的带式输送机滚筒优化设计

建立了以带式输送机滚筒质量最小为目标的数学模型,并运用实数编码策略、模拟罚函数法处理约束条件、自适应调整选择和交叉概率等对标准遗传算法进行了改进,利用改进的遗传算法对该问题进行了优化设计。优化设计实例表明,该方法是可行的,并可应用于其他优化设计过程中。     

煤与瓦斯突出预测敏感指标确定方法研究

根据模糊聚类数学分析方法将淮南潘集3个矿突出预测和效检指标进行无量纲化与标准化分析,将不同量的预测指标转化成可相互比较的值,然后根据相似矩阵理论建立相关模型,进行模糊相似转换、聚类,得出1个能够确定不同矿井不同预测指标的敏感性模型,模型经过数学化模糊聚类处理,得出潘集矿区3个矿所采用的敏感指标体系的敏感度,并与实际相吻合。此种分析方法分析的指标敏感度在现场生产中起到了较好的指导作用,可以用于煤与瓦斯突出预测敏感指标的确定应用。     

固体废弃物膏体充填料浆质量的神经网络研究

固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式．充填料浆质量的研究至关重要．它是一典型的多输入、多输出、非线性的模糊模型．一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力．该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据．另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比．