基于LMD近似熵和PNN的轴承故障诊断

提出一种基于局部均值分解(LMD)近似熵和概率神经网络(PNN)的滚动轴承故障诊断方法。通过对信号LMD分解,非平稳信号能够转换成若干个平稳的乘积函数分量(PF)之和;轴承在发生不同故障时,产生频谱相异的信号,其近似熵不同,因此可通过提取原始信号的近似熵,来判别轴承的运行状态。实验表明,信号经过LMD分解得到若干PF分量,从中提取近似熵,组成N维特征向量,输入PNN模型,能够准确地判断故障类型;在小数据的情况下,相比于BP和RBF两种传统神经网络,PNN具有更优的故障分类能力。     

免疫RBF神经网络PID控制器在矿井输送机中的应用

针对如今复杂被控对象大滞后、非线性和时变性的特点,研究把人工免疫算法和RBF神经网络相结合对PID控制器进行参数寻优,应用到矿井输送机上。利用人工免疫算法,无需事先确定隐层结点个数,设计了一种动态的RBF神经网络,并且分析基于免疫算法的RBF神经网络的PID控制器的算法结构。通过仿真实验得知:研究设计的免疫RBF神经网络的PID控制器在抗干扰性、跟随性和鲁棒性方面都表现出了良好的控制效果,非常适合用于控制模型不确定的情况。     

神经网络在矿井水源判别中的应用

矿井突水是威胁煤矿安全生产的最大隐患之一,准确判别矿井水源是矿井防治水的前提。介绍了BP神经网络模型及其具体算法,并将其运用到矿井水源判别中。利用BP算法对训练样本进行学习,确定判别模型,根据已训练好的神经网络对样本进行判别。结果表明,采用人工神经网络对矿井水源进行判别,能得到较好的结果。因此,BP神经网络是判别矿井水源的一种有效方法,从而为矿井水源判别开辟了一条新途径,具有广泛的应用前景。     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

BP和RBF神经网络在起重机钢丝绳断丝数量预测中的比较研究

利用MATLAB工具箱函数分别建立了起重机钢丝绳断丝数目检测的BP神经网络和RBF神经网络模型,并对2种模型的结构、预测精度和训练过程进行了对比研究。结果表明,在一定的样本集和训练条件下,BP和RBF神经网络均能对钢丝绳的断丝数目进行很好预测,可以解决峰值、阀值波宽、小波能量和波形下面积对钢丝绳断丝数目的非线性映射关系,能够满足工程预测的需要。但RBF神经网络较BP神经网络在迭代次数、收敛速度和网络结构方面更具优势,因此其预测能力和泛化能力都优于BP神经网络。     

RBF神经网络在边坡稳定性中的应用研究

为克服BP网络模型具有算法收敛速度慢、易陷入局部极小值的缺陷,应用RBF神经网络建 立了边坡稳定性分析模型.预测结果表明,基于RBF神经网络建立的模型是合理的、可靠的.在此 基础上分析了3种影响因素对边坡稳定性的敏感性,按照敏感性自高而低的顺序依次是内摩擦角、内 聚力、岩体容重.     

煤矿瓦斯爆炸事故致因选取与风险等级预测

为对煤矿瓦斯爆炸事故风险等级进行精准预测，以符合实际情景的特征向量为前提，基于改进粒子群算法优化概率神经网络(RWPSO-PNN)实现瓦斯爆炸风险等级预测模型。首先利用中文分词提取煤矿瓦斯爆炸事故致因，以灰色关联分析(GRA)选取模型的输入特征向量；并针对概率神经网络(PNN)中平滑因子易引起网络识别率低的问题，提出了RWPSO-PNN，实现平滑因子的自适应调整；最后对RWPSO-PNN进行了实例分析，并与极限学习机算法、BP神经网络和支持向量机算法进行对比。结果表明：RWPSO-PNN预测准确率为90%，平均绝对误差为0.133，明显优于对比算法。     

基于改进RBF神经网络的巷道变形预测模型

由于经典RBF神经网络中的隐含层节点数、连接权值等结构参数基本由经验获取,因此经典RBF神经网络模型的性能取决于建立模型专家的主观性,存在一定的盲目性和随机性,难以对巷道变形进行准确预测。为此,采用贝叶斯阴阳和谐学习算法对经典RBF神经网络模型的隐含层节点个数、连接权值等结构参数进行了优化,提出了一种基于改进RBF神经网络的巷道变形预测模型,即对角型广义RBF神经网络模型。采用潞安和兖州矿区的综放回采巷道的现场长期监测数据分别对经典RBF神经网络模型以及对角型广义RBF神经网络模型进行了试验分析,结果显示：①对巷道顶底板变形进行预测时,对角型广义RBF神经网络模型的准确率约92.2%,经典RBF神经网络模型的准确率约80.6%;②对煤帮变形进行预测时,对角型广义RBF神经网络模型的准确率约90.2%,经典RBF神经网络模型的准确率约78.6%。上述试验结果表明,对角型广义RBF神经网络模型对于巷道变形预测的精度明显优于经典RBF神经网络模型,对于高精度巷道变形预测有一定的参考价值。     

基于神经网络的除尘器故障诊断

针对目前除尘器故障诊断主要基于人工经验判断并结合停机检查,存在科学性与自动化水平不足、诊断效率低等问题,分析了除尘器滤芯破损、清灰失效、滤芯堵塞、卸灰障碍4个主要故障类型,选取粉尘排放浓度、过滤阻力、入口风量、漏风率、耗气量5个诊断参数,建立了除尘器故障诊断的BP和RBF神经网络预测模型。实例分析表明:BP神经网络模型收敛速度快,预测效果理想,可以准确判断除尘器故障类型,对滤芯破损、清灰失效、滤芯堵塞、卸灰故障的平均预测误差分别为0.035%、0.110%、0.118%、0.215%,预测结果优于RBF神经网络。     

集成网络专家系统在煤矿钻井故障诊断中的研究

针对煤矿钻井在线故障识别的需求,构造一种基于集成神经网络的钻井工程故障诊断专家系统模型。系统利用BP网络作为子神经网络,采用投票法作为集成神经网络的结果输出方法,通过正反向混合推理机制来检验事故。实践证明,该系统在增强钻探效率的基础上,能够有效地预防和控制钻井事故的发生。     

神经网络和钻井工程实时专家系统的初步研究

介绍神经网络专家系统的结构特点及其在实时专家系统中的应用，初步探讨了钻井工程实时专家系统设计的几个方面，在此基础上给出了钻井工程实时智能辅助决策专家系统的初步构想。     

识别所钻进地层的实钻试验研究

从分析钻进信息与岩石物理力学性质的关系入手,利用人工神经网络理论对所钻进的地层进行实时识别.根据钻探生产的特点,合理设计了人工神经网络的结构,开发了人工神经网络识别地层的软件.选择了结构简单、安装方便和具有较强二次开发功能的无传输信号线钻参仪作为数据采集的硬件系统,并开发了相应的数据传输接口软件.并通过室内实钻试验对所开发的人工神经网络识别软件和数据传输接口软件进行了检验.试验结果表明钻参仪选型正确,数据接口软件运行稳定可靠,识别软件识别效果理想.     

基于有限元的钻进参数相互影响机理研究

在实际的岩土钻进过程中会经常遇到软弱岩土层、破碎带及断层、岩溶、高地应力等不良地质,因此给 钻进工程带来一系列问题和灾害。 众多文献资料和试验数据证明,此类问题与钻进的运行参数以及岩土的力学参数 有着密不可分的关系。 由此,本项目以 PDC 复合片钻头为研究对象并进行仿真模拟分析,设置不同的岩体参数以及 不同的钻进参数,将在不同条件下所得的作业数据进行分析研究,揭示钻头在不同岩石中钻进参数表现的区别和在 不同岩体在相同钻进条件下轴压和扭矩的区别和联系。 分析发现岩石性质越好的其 Mises 等效应力就越高;在一定 范围内钻头轴压和扭矩均与钻速呈现出正相关的关系,钻压的提高增加了钻齿的切入深度与岩石切削作用,扭矩继 而随之增加;在相同钻速条件下转速的提高并没有对轴压产生较明显的影响,扭矩则呈现正相关变化。 最后通过 Python 语言建立人工神经网络,经过机器学习对数值模拟数据和实际钻孔数据进行训练,验证利用钻进参数和机器学习 的方法来实现对岩石种类的判识具有可实现性,最终结果表明对模拟数据训练预测的准确率达到 90%左右,实际数 据的准确率最高达到 78%。     

SOM神经网络在全液压钻机液压系统故障诊断中的应用

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于钻机液压系统的故障诊断。根据钻机液压系统故障的特点,选取能够表征全液压钻机故障特点的样本,设计相应的SOM神经网络,并在MATLAB环境下实现了对网络的训练和仿真实验,表明该方法有很强的实用性,为全液压钻机的故障诊断提供了一种途径。     

基于粒子群优化RBF神经网络的液压钻机故障诊断

提出了一种基于粒子群优化径向基神经网络的液压钻机故障诊断方法。该方法使用虚拟仪器及LabVIEW软件对液压钻机的特征信号进行采集,利用粒子群优化算法对径向基神经网络的径向基中心值、宽度以及权值进行优化,实现了液压钻机的故障诊断。结果表明,基于粒子群优化径向基神经网络的液压钻机故障诊断方法在小样本情况下,诊断准确率高,实用性强。     

煤矿井下瓦斯抽采钻孔机器人钻臂运动学研究

通过分析煤矿井下瓦斯抽采钻孔机器人钻臂机构动作过程和结构原理,建立了钻臂关节坐标系,得到了连杆D-H参数,根据建立的钻孔机器人钻臂正向运动学模型,求得钻孔机器人钻臂基坐标系与钻杆末端坐标之间位姿变换矩阵、钻臂关节变量与末端位姿关系式;运用非线性映射能力强的RBF神经网络算法,实现了钻臂运动学逆解的快速和高精度求解。采用蒙特卡洛法对钻臂工作空间求解,得到了末端集合点在钻臂工作空间的散点图,验证钻臂设计工作空间可行性。该研究可为钻孔机器人钻臂的精确定位、运动学分析、轨迹规划奠定基础。     

BP神经网络算法在智能钻进控制系统中的应用

司钻人员在钻进过程中需要根据地层变化不断调整钻进参数,钻进效果依赖于司钻人员经验,对一些复杂工况的反应很难做到及时、准确。智能钻进系统通过检测到的钻探状态参数来实现钻进参数的自动控制,是目前钻探领域研究的热点和难点。钻进参数驱动系统具有非线性、大延时的特点,很难获得精确的数学模型,所以传统的控制方式效果并不理想。BP神经网络具备提取样本中复杂映射规律的能力,对实钻过程7个主要监控参数与3个与钻压和转速相关的控制信号数据进行分析和处理。首先进行归一化处理,然后采用神经网络算法对数据进行训练、验证与测试,建立监控参数与控制信号之间的映射关系,得到了输入与输出控制参数之间的连接矩阵,为建立钻压和转速智能控制方案提供了参数依据。     

基于DRNN网络的凿岩钻臂自整定PID控制

凿岩钻臂的自动定位系统是一个耦合的2输入2输出系统,系统存在响应较慢,负荷随机变化及参数快时变的特性.固定参数PID控制难以适应系统控制要求,因此,提出一种基于回归神经网络(DRNN)的2输入2输出PID控制器结构.给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法.计算机仿真结果验证了该控制策略的可行性.     

安全性预测组合模型的神经网络方法及应用

煤矿安全的首要问题是对安全性指标进行合理的预测。本文指出了传统预测方法存在的不足，提出了应用神经网络建立时间序列的组合预测模型，并提高了预测精度。结果表明，用这种方法进行全安预测效果较好。     

关于地质钻孔基本信息数据库服务利用的思考

地质钻孔资料是地质工作形成的最宝贵地质资料,具有重要的二次开发和利用价值。经过两年的努力,全国地质钻孔信息清查数据库建设完成。目前,如何利用该数据库向社会提供地质钻孔资料服务利用成为亟待解决的问题。为此本文重点研究了地质钻孔资料网络服务平台建设的总体设计结构及其部分功能,专题服务产品的开发思路和内容,以及地质钻孔资料网络化服务应重点解决的用户权限、涉密信息处理、平台更新维护等三个问题,并对其提出了具体解决措施和建议,以尽快实现地质钻孔资料社会化服务利用。