Machine learning algorithm selection for windage alteration fault diagnosis of mine ventilation system

Machine learning algorithms have been widely used in mine fault diagnosis. The correct selection of the suitable algorithms is the key factor that affects the fault diagnosis. However, the impact of machine learning algorithms on the prediction performance of mine fault diagnosis models has not been fully evaluated. In this study, the windage alteration faults (WAFs) diagnosis models, which are based on K-nearest neighbor algorithm (KNN), multi-layer perceptron (MLP), support vector machine (SVM), and decision tree (DT), are constructed. Furthermore, the applicability of these four algorithms in the WAFs diagnosis is explored by a T-type ventilation network simulation experiment and the field empirical application research of Jinchuan No. 2 mine. The accuracy of the fault location diagnosis for the four models in both networks was 100%. In the simulation experiment, the mean absolute percentage error (MAPE) between the predicted values and the real values of the fault volume of the four models was 0.59%, 97.26%, 123.61%, and 8.78%, respectively. The MAPE for the field empirical application was 3.94%, 52.40%, 25.25%, and 7.15%, respectively. The results of the comprehensive evaluation of the fault location and fault volume diagnosis tests showed that the KNN model is the most suitable algorithm for the WAFs diagnosis, whereas the prediction performance of the DT model was the second-best. This study realizes the intelligent diagnosis of WAFs, and provides technical support for the realization of intelligent ventilation.     

结合优化支持向量机与K-means++的工控系统入侵检测方法

针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题，提出一种优化支持向量机和K-means++算法结合的入侵检测模型。首先利用主成分分析法（PCA）对原始数据集进行预处理，消除其相关性；其次在粒子群优化（PSO）算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解；然后利用自适应变异粒子群优化（AMPSO）算法优化支持向量机的核函数和惩罚参数；最后利用密度中心法改进K-means算法与优化后的支持向量机组合成入侵检测模型，从而实现工业控制系统的异常检测。实验结果表明，所提方法在检测速度和对各类攻击的检测率上得到明显提升。     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。     

基于一种混合的节点定位算法的研究

针对基本的DV-Hop节点定位算法会产生不良的节点和多级跳带来的累积误差以及未知节点的坐标没有进行修正等缺点,提出了一种改进的混合节点定位算法WHDV-Hop算法,改进后的算法定位误差率明显比改进前的定位误差率小,通过MATLAB软件对节点定位误差方面进行仿真验证,仿真实验结果证明该改进后的算法稳定、可靠,易于实现。与DV-Hop算法相比,定位精确度提高了4.65%,计算量减少,降低了能量消耗水平,实现预期的目标。     

基于多模态推理图神经网络的场景文本视觉问答模型

文本阅读能力差和视觉推理能力不足是现有视觉问答(visual question answering, VQA)模型效果不好的主要原因,针对以上问题,设计了一个基于图神经网络的多模态推理(multi-modal reasoning graph neural network, MRGNN)模型。利用图像中多种形式的信息帮助理解场景文本内容,将场景文本图片分别预处理成视觉对象图和文本图的形式,并且在问题自注意力模块下过滤多余的信息;使用加入注意力的聚合器完善子图之间相互的节点特征,从而融合不同模态之间的信息,更新后的节点利用不同模态的上下文信息为答疑模块提供了更好的功能。在ST-VQA和TextVQA数据集上验证了有效性,实验结果表明,相比较此任务的一些其他模型,MRGNN模型在此任务上有明显的提升。     

直接序列扩频矿井通信系统的性能分析

为了解决煤矿井下信道多径衰落严重、通信系统误码率较高的问题,利用MATLAB/Simulink进行建模与仿真,对矿井信道衰落特性进行分析;由于扩频通信在理论上具有抗多径衰落的优点,可将其应用到矿井通信,通过仿真表明:在多径瑞利衰落信道下,系统误码率最高;当系统信噪比低于12.5dB时,采用直接序列扩频通信系统的误码率要比衰落信道下的都低;进一步研究发现:并不是PN码码长越长、扩频增益越高、信噪比越大系统性能越好。     

和声搜索算法改进BP网络在水质评价中的应用

针对BP神经网络收敛速度慢,容易陷入局部极小值的缺点,提出了用和声搜索算法优化BP网络连接权和阈值的方法改进神经网络,并通过对水质评价指标的分析,建立了水质评价问题的数学模型,结合指标PH、DO、COD、NH3将和声搜索算法改进的BP网络应用于所建立的模型中进行求解;实验结果表明,和声算法改进BP网络在一定程度上可以使网络收敛速度加快和避免局部极小,准确评价出水质的级别。     

基于仿生嗅觉的电子鼻在煤矿火灾预报识别的应用研究

在煤矿井下存在多种复杂易燃混合气体,当外界温度或其他因素发生不稳定变化都可能引发火灾或其他事故;为了避免发生事故,提高预警机制,提前进行预报,根据生物嗅觉系统的模糊神经机理在嗅觉感知中所起的关键作用,构建了更接近生物嗅觉的模糊优化神经网络,使电子鼻系统具有仿生特性;最后通过MATLAB实验测试,根据不同温度下煤矿中的混合气味成份的不同进行成份模拟实验,实验结果表明,该电子鼻不仅具有辨识的快速性,还提高了自适应辨识的精度,从而能够准确做出预报。     

基于双缓冲机制的多尺度导航电子地图显示设计

为了提高电子地图数据的精度和画面显示的速率,对地图数据格式加以改进,新增isvl参数准确标识出被描绘数据情报的尺度,对检索的数据缓存做了优化性能管理,依据地图数据的格式提出了坐标变换、数据解析和描画范围定位的准确算法,采用双缓冲机制绘制地图;经实验证明,使用该套方案实验的结果,具有以下特性:1)高精度,多尺度;2)画面合理的表达了空间关系;3)支持实时动态快速显示;可应用到电子地图的研发中。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。