混沌双算子亨利溶解度算法的瓦斯涌出量预测模型

为了提高煤矿井下瓦斯涌出量预测的精度和效率，提出了混沌双算子亨利溶解度算法优化最小二乘支持向量机的瓦斯涌出量预测模型。针对传统亨利溶解度算法的特性和不足，将Tent混沌映射引入算法的种群初始化过程，提升初始种群的质量和多样性，实现对更多优质区域的搜索以提升算法的收敛性能；在寻优迭代过程中，根据概率转换参数自适应的选择亨利溶解度算子或哈里斯鹰算子，动态协调算法的全局遍历搜索和局部开发。对10个基准函数进行寻优测试，结果表明改进算法具有更好的寻优精度、收敛性能和稳定性。利用核主成分分析对瓦斯涌出量进行特征提取，结合改进后的亨利溶解度算法优化最小二乘支持向量机的关键参数，建立煤岩瓦斯涌出量预测模型，并利用矿井工作面实际监测数据进行仿真实验。该模型的三种误差评价指标量分别为0.1564、0.1332和1.5656%，运行时间仅为0.0249s，预测效果优于其他对比模型。实验结果表明，提出的煤岩瓦斯涌出量预测模型具有良好的泛化能力和预测精度。     

基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究

为了对煤矿瓦斯监测数据进行有效分析,以实现准确、可靠的回采工作面绝对瓦斯涌出量预测,提出了蚁群聚类算法优化Elman神经网络的绝对瓦斯涌出量动态预测方法。算法通过对Elman神经网络的权值、阈值寻优,建立了基于ACC-ENN算法的绝对瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经蚁群聚类优化后的Elman神经网络绝对瓦斯涌出量预测模型较其他预测模型具有更好的泛化能力和更高的预测精度,有效地实现了煤矿绝对瓦斯涌出量动态预测。     

基于数字采集卡的虚拟测温系统

多功能数据采集卡在虚拟仪器中的应用,使智能测控系统的实现越来越方便。在智能测温系统中应用多功能数据采集卡,将传感器测量数据直接送入计算机中进行处理,并通过图形化编程软件LabVIEW对数据采集卡进行编程,实现测温系统的虚拟仪器。     

基于神经网络技术的异步电机控制

针对常用的传统PID控制在提高异步电动机调速性能方面存在的瓶颈问题,本文提出了一种新型的单神经元控制算法以实现异步电动机的矢量控制.在分析单神经元控制器基本工作原理的基础上,为了加快神经元权值的学习训练速度,采用梯度下降法与变步长法相结合的控制算法,并利用MATLAB软件建立新型单神经元控制器与异步电动机调速系统的仿真模型,在计算机上进行了仿真,最后在笼型异步电动机上进行了应用实验.仿真与实验表明,这种单神经元控制器具有良好的自学习与自适应能力,可以改善调速系统的动态与静态性能,提高异步电动机的跟踪能力.     

CAN技术在温度控制系统中的应用

本文详细介绍了基于CAN技术的温度控制系统的结构组成及工作原理，该系统采用分布式控制方式，具有控制性能可靠，扩展性强等特点，在软件算法设计上，将模糊控制，神经网络控制和PID控制三者相融事，提出了一种新的适合于非线性，惯性系统应用的动态控制方法，即模糊神经网络控制方法。     

基于改进拟牛顿-K近邻的TDOA定位算法

为了提高TDOA声源定位方法室内定位的速度和准确度。本文提出一种改进拟牛顿-K近邻（IQN-IKN）方法。基于定位方程相邻三次迭代结果构造近似矩阵,并采用近似矩阵逼近雅可比矩阵,提高拟牛顿方法定位中非线性定位方程的求解速度;提出基于密集距离法的K近邻方法,进行定位估计结果的寻优,提高定位的准确性。实验结果表明,相对于传统拟牛顿算法,改进算法具有更快的定位估计速度及更高的定位准确性。     

基于DBSCAN算法的煤矿瓦斯监测信息聚类分析方法研究

基于煤矿瓦斯监测系统在煤炭生产过程中的监测信息数据库,提出了采用基于DBSCAN算法的聚类分析方法挖掘瓦斯事故信息特征的方案;指出了DBSCAN算法在实际应用中的不足,提出了基于数据划分思想改进DBSCAN算法的方案,介绍了具体的改进方法;应用基于改进DBSCAN算法的聚类分析方法对瓦斯监测信息进行聚类分析、特征提取,结果表明该方法行之有效;最后指出了该方法进一步的研究方向。     

煤矿瓦斯浓度的CAPSO-ENN短期预测模型

为了准确预测回采工作面的瓦斯浓度,提出云自适应粒子群算法优化Elman神经网络的瓦斯浓度动态预测新方法。利用井下无线传感器网络监测系统采集的回采工作面瓦斯浓度时间序列作为样本,并对其进行数据降噪和相空间重构等预处理。采用CAPSO算法对Elman神经网络的权值、阈值进行寻优运算,建立了回采工作面瓦斯浓度动态预测模型。通过对MATLAB仿真得出结果研究表明：该模型的平均相对变动ARV值为0.000357,相对均方根误差RRMSE值为0.1056,对回采工作面的瓦斯浓度预测结果合理且可为矿井瓦斯防治工作提供有效理论依据。     

基于广义加权的AMDF时延估计方法研究

时延估计是声源定位常用的方法。多途效应严重影响声源信号时延估计性能,传统方法难以克服。提出一种基于广义加权的平均幅度差函数（Average Magnitude Difference Function,AMDF）时延估计方法,利用改进的AMDF方法提高对多途效应的抑制,通过广义加权方法降低算法的噪声敏感性。仿真及实验表明,对于窄带信号,该方法能够获得比传统广义互相关方法更高的时延估计性能,估计结果的误差减小,稳定性能提高。