基于纹理和改进径向基网络的煤监控图像识别

煤的红外监控图像的正确识别对矿井自动监控有重要的意义.计算煤监控图像的灰度相关矩阵各纹理统计量,分析其分布特征.在径向基函数神经网络(RBFNN)的输入层增加了正规化函数,用改进的RBFNN对图像进行了识别.结果表明,图像的纹理统计量在统计上有很好的分离性,改进的RBFNN能成功地识别出煤矿井下红外监控系统中面煤和块煤的图像.     

图像分析法测定煤的显微组分

通过Optimas6．5图像处理与分析软件，对6种单种炼焦煤样的煤岩显微组分图进行分割和统计，确定出最佳的灰度闻值，并用该灰度网值对单种煤各显微组分进行网值分割扣识别，实现了用图像分析法对单种煤煤岩显微组分的测定。与传统数点测定方法相比，图像分析法具有准确性高、重现性好等优点。     

基于主成分分析的矿物浮选泡沫图像分类与识别

浮选泡沫图像是一种特殊的纹理图像,不同类别等级泡沫图像比较相似,采用邻域灰度相关矩阵法或空间灰度相关矩阵法提取特征参数,然后用神经网络进行分类的效果不是很理想。本文利用主成分分析法对特征参数进行变换处理,改变不同类别特征参数的聚集程度,然后利用神经网络进行分类。对比实验结果表明:对特征参数进行特征变换处理后,分类的正确率大大提高。     

数字图像处理技术在煤泥浮选泡沫图像纹理特征的提取及识别上的应用

将数字图像处理系统应用于煤泥浮选泡沫图像的特征提取和识别 ,引入了空间灰度相关矩阵和邻域灰度相关矩阵来提取泡沫的纹理特性 ,并提取基于这两种算法的一系列特征参数来描述泡沫的结构 ;分析了各泡沫特征参数随浮选时间 (泡沫纹理 )的变化关系 ,定性地指出了各泡沫特征参数与泡沫纹理的相关性 ;并利用自组织神经网络对煤泥浮选泡沫的状态进行了识别 ,分类识别的平均正确率达 76 5 %。     

基于灰度识别的微粉煤灰分检测研究

基于对微粉煤中不同组分对于光反射差异的理论基础,不同灰分的微粉煤图像灰度参数与其灰分之间存在相关关系。实验及分析结果表明:在白色光下,不同灰分的微粉煤图像灰度方差与其灰分之间存在明显的正相关关系。通过MATLAB软件拟合了灰度方差与灰分值之间的函数关系式。最后,对拟合关系式的灰分预测效果进行了检验,达到了灰分预测的效果。     

基于MATLAB和图像灰度值对X射线探测煤矸识别的研究

对X射线识别煤矸技术进行简要介绍,对X射线探测煤矸识别技术进行了模拟实验,对探测的煤矸进行成像,通过MATLAB软件对煤矸图像进行数字化处理,计算出煤矸的图像灰度值,并通过实验数据统计出煤矸的图像灰度阈值。根据灰度信号即可对煤矸进行分选。     

浮选泡沫特征及其状态识别

提出了基于数字图像处理及识别技术的浮选过程控制新思路，介绍了通过空间灰度相关矩阵法和邻域灰度相关矩阵来提取泡沫纹理特性参数的方法，以及利用自组织神经网络对煤泥浮选泡沫状态进行识别的结果。     

鄂东南地区深部煤层气煤体结构测井评价研究

为查明延川南深部煤层气煤体结构分布规律,以探井煤层取芯资料和测井数据为研究对象,利用交汇图法建立了煤体结构识别标准。为方便研究和生产需要,将煤层按煤体结构分为粉煤和块煤两类,二者可以通过自然伽马-补偿密度、自然伽马-深侧向交汇图定性识别,粉煤一般具有高自然伽马、高补偿密度、低深侧向、大井径等测井响应特征,块煤具有低自然伽马、低补偿密度、高深侧向等测井响应特征。研究结果表明,粉煤主要分布在断层附近,块煤主要分布在断层和褶皱不发育区。     

不同照度下煤矸图像灰度及纹理特征提取的实验研究

研究煤和矸石在不同照度下的响应特性,设计了差异照度煤矸图像采集系统,进行了煤矸图像采集实验,建立了煤矸灰度子图像数据库,对数据库中的子图像的灰度、纹理特征进行了提取,通过定义归一化特征差异指数以及基于支持向量机(SVM)对实验数据进行了分析与讨论。结果表明:在同一照度下,煤和矸石在灰度及纹理特征上存在差异,且随着照度的改变,煤和矸石的特征也发生变化,同时两者的变化规律存在显著差异。基于不同特征的SVM分类器的识别正确率不同,照度的变化也会对分类器的识别正确率产生影响;当考虑照度因素后,分类器的识别正确率最大增加了13.31%,此外基于多特征多照度融合的SVM分类器性能较好,识别正确率为98-39%。     

图像处理在煤矸石分选系统中的应用

煤矸石分选是煤矿生产中的重要环节。提出一种基于图像处理的煤矸石分选方法。利用搭建的图像采集系统采集煤块和矸石图像,对采集的图像进行图像剪切、图像平滑等预处理操作,计算图像灰度直方图,从中提取灰度均值和标准差指标,为分选机构提供判断依据。研究表明,煤块灰度均值明显小于矸石灰度均值,灰度均值指标能有效地识别出煤块和矸石,可代替人眼用于块煤预排矸过程。     

天津软土剪切波速影响因素的灰色关联分析

剪切波速是评价场地土动力特性的重要指标。很多地区基于已有勘察资料 ,取得了剪切波速与深度及土性指标之间的统计关系。但影响剪切波速的诸多因素的主次关系难以确定 ,致使在工程中难以找出影响剪切波速的主要因素 ,从而难以确定具有代表性的统计关系。该文引入灰色系统中灰色关联理论 ,对天津地区剪切波速及相应土性指标进行了灰色关联分析 ,得到了该地区影响剪切波速因素的主次关系。     

爆破效果主要影响因素的灰色关联分析

影响爆破效果的因素很多，灰色关联分析能确定出影响爆破效果各因素的主次关系。文中采用灰色关联分析方法，确定出某矿台阶深孔爆破效果的主要影响因素为底盘抵抗线、排距和炸药单耗，同时指出，在爆破设计中，适当调整孔网参数和炸药单耗，对控制爆破效果有重要作用。     

煤泥浮选泡沫图像灰度行程及其统计纹理特征

针对煤泥浮选泡沫灰度图像统计纹理特征问题，通过实验室浮选柱试验，采集了大量的煤泥浮选泡沫图像，分析了泡沫图像的类别及特征，提出了描述浮选泡沫纹理特征的灰度行程矩阵提取算法，并进一步提取灰度行程矩阵的行程因子特征参数来描述浮选泡沫的视觉纹理特征，分析了各特征参数随浮选时间的变化关系.研究表明，泡沫灰度行程因子特征参数能够表征浮选泡沫图像纹理特征，并与特定的泡沫状态相关，可为煤泥浮选视觉监控系统提供泡沫状态信息.     

基于综合关联度分析的感应电机转子故障诊断

基于灰色关联理论,在灰色关联分析中引进相似系数,将两者相结合形成综合关联度,提出了基于综合关联度分析的感应电机转子故障诊断方法。首先选择感应电机典型转子故障模式构造标准故障模式。根据综合关联度的计算方法,计算出感应电机待检转子故障模式的综合关联度,根据关联序识别感应电机待检转子模式的故障类型。通过故障诊断实例表明,将综合关联度分析引入感应电机转子的故障诊断中是可行的,具有较高的识别率,分类诊断能力优于BP神经网络故障诊断方法。     

浮选指标与浮选泡沫数字图像关系研究

在实验室采集了大量黄铜矿浮选的泡沫图像,并对浮选泡沫图像进行了预处理;采用数字图像分析技术分析了泡沫图像及其灰度直方图,提取了浮选泡沫图像灰度直方图的统计纹理特征参数;采用径向基神经网络建立了黄铜矿浮选指标与泡沫灰度直方图统计纹理特征参数的关系模型。仿真实验证明,所建立的模型有较高的精度。     

露天矿生态环境的AHP与模糊数学评价法

以露天矿生态环境的稳定性、宜人性和限制性为依据,采用AHP法建立了露天矿生态环境的评价指标体系,该指标体系由地貌、植被、气候、大气、土壤、地下水、人口和开采8项因素及其相关的22项指标组成。通过AHP法计算要素层及其相关指标的权重矩阵,得出对露天矿生态环境影响最大的因素是开采、植被和气候,影响最大的指标是地表扰动率、固体废物堆置率、植被覆盖率、土地复垦率和坡度角大于25°的面积比重。借助由模糊数学建立的露天矿生态环境隶属度函数、模糊矩阵并结合指标权重矩阵确定出的露天矿生态环境隶属度矩阵,就可以对露天矿的生态环境状况进行评价。实例评价表明:该评价方法使用方便,评价结果符合实际情况,值得推广和应用。     

基于综合物探的露天矿高边坡滑坡风险评估

露天矿岩石质高边坡滑坡对露天矿的安全生产带来巨大威胁,并严重影响矿山经济效益。对于已经发生滑坡的矿山,为了避免类似事故发生,应对全矿进行滑坡危险性评估。研究了白云鄂博主东矿C区滑体滑坡机理,对主东矿所有未滑坡也未加固的区域进行了以地震法、地质雷达法和高密度电法为主的综合物探。在综合物探结果基础上,选定含水率、断层组合模式等5个影响边坡稳定性的指标。对这5个因素通过两两比较构建了判断矩阵,通过对判断矩阵进行变换,获取了这些因素的权重矩阵。根据经验和参数敏感性分析,对这些指标设定危险性大、中和小3个等级的评语集并计算出了每个因素对评语的隶属度。以某断面为例,构造灰色模糊矩阵和权重矩阵,进行了灰色综合模糊评判,判定了该断面的滑坡危险等级。     

煤矿人因事故关系因素的动态灰色关联分析

根据某煤矿1983~2002年期间发生的293起轻伤以上事故统计资料,运用灰色关联分析理论,对影响该矿井下事故发生的发展局势中的“人的素质”因素进行动态灰色关联分析,根据受伤群体的年龄、工龄、文化程度等3大因素中14个子因素分别对影响该矿井下事故发生的关联系数进行分析,从中得出事故引发或受害群体的各年龄及工龄段、各种文化程度的职工与事故发生的关联度。     

Simulation modeling on the growth of firm＇s safety management capability

Aiming to the deficiency of safety management measure, established simulation model about firm’s safety management capability(FSMC) based on organizational learning theory. The system dynamics(SD) method was used, in which level and rate system, variable equation and system structure flow diagram was concluded. Simulation model was verified from two aspects: first, model’s sensitivity to variable was tested from the gross of safety investment and the proportion of safety investment; second, variables dependency was checked up from the correlative variable of FSMC and organizational learning. The feasibility of simulation model is verified though these processes. Supported by the State Social Science Fund of China(07BJY080)     

多策略灰狼算法优化SVM的尾矿坝地下水位预测

为实现尾矿坝地下水位预测及预报预警,以尾矿坝地下水位为研究对象,将库水位、最小干滩长度等5个变量作为影响参数,尾矿坝地下水位为输出变量,建立支持向量机(SVM)预测模型。引入多策略改进的灰狼优化算法(MGWO)确定SVM模型参数,并以工程实例进行仿真预测。结果表明,MGWO-SVM模型平均相对误差0.24%,平均绝对误差0.02 m,与传统模型相比精度高、性能优越,将其应用于尾矿坝地下水位预测具有较好的适用性和可靠性。