差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。     

结合边缘特征先验引导的深度卷积显著性检测

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息，且在复杂场景中难以检测出鲁棒性强的显著性区域的问题，提出了一种结合边缘特征，利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图，通过注意力机制将提取的先验特征与深度特征有效融合，最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域，从而产生更可靠的最终显著图预测。经过实验定性定量分析，对比证明了算法的可靠性。     

煤矿井下移动机器人运动规划方法研究

针对现有煤矿井下移动机器人运动规划所生成的轨迹存在超调、碰撞、不连续、不光滑等问题,提出了一种由路径规划、轨迹生成、轨迹优化3个部分构成的煤矿井下移动机器人运动规划方法。路径规划采用基于图搜索的A*算法实现,通过开始搜索、路径排序、继续搜索3个步骤循环迭代,快速规划出一条可通行的全局路径作为轨迹生成的初值。轨迹生成通过构建基于Minimum Snap的目标函数,并施加等式约束来实现。轨迹优化则是在轨迹生成的基础上施加不等式约束来实现:通过调整时间分配和构建基于Corridor轨迹规划的不等式约束,解决基于Minimum Snap轨迹生成在求解过程中出现的超调现象,并对整段轨迹本身进行约束,避免发生碰撞;通过引入调和函数Bezier Curve,构建基于Bezier Curve的Minimum Snap的轨迹优化问题,使得轨迹高阶目标函数的求解变得简单高效,最终生成一条适用于煤矿井下移动机器人的能量损失最小、连续、光滑、无碰撞、可执行的运动轨迹。在Matlab仿真环境中设计了随机地图,生成了包含时间分配、位置规划、速度规划、加速度规划的最优轨迹规划结果。实验结果验证了该运动规划方法的正确性和有效性。     

极近距离煤层同采工作面错距优化研究

针对现有极近距离煤层联合开采研究方法获取开采错距存在较大误差的问题,以某煤矿9号和10号煤层为工程背景,分析了极近距离同采工作面在30,36,44m开采错距下的矿压规律,研究了3种开采错距下工作面支架工作阻力变化与支承压力的演化特征。结果表明:100402综采工作面支架工作阻力随开采错距增大呈现先减小后增大的特点,36m开采错距下100402综采工作面倾斜方向支架工作阻力利用率变化幅度最为平稳;090402普采工作面超前支承压力峰值随开采错距增大呈现先减小后增大的演化特征,其与支架工作阻力变化规律一致;开采错距为36m时上下工作面两巷受超前支承压力影响,前顶板锚杆压力变化平稳,顶板离层较小,离层量基本稳定在0.6mm以内,说明36m开采错距合理,工作面两巷超前段锚杆压力与顶板离层略有增大,需加强巷道支护。     

精细注水配套工艺技术优化研究

本文通过对注水配套工艺的优化研究,有效提高奈曼油田分注率和配注合格率,提高精细注水开发效果。     

失谐叶盘振动可靠性分析的径向基极值响应面法

为了研究随机刚度失谐对叶盘振动可靠性的影响,将径向基函数神经网络与极值响应面结合提出了径向基极值响应面法。选取叶盘材料密度、工作转速、激振力幅值作为随机输入变量,叶盘振幅极值为输出响应,利用拉丁超立方抽样法抽取不同输入样本点,通过有限元分析计算得到各样本点对应的振幅极值响应,用抽取的样本点构建径向基极值响应面,并结合蒙特卡洛法对随机变量进行大批量抽样,将其带入径向基极值响应面分析得到叶盘振动可靠度。结果表明,在随机刚度失谐因素影响下,叶盘振动可靠性降低,更容易发生振动失效。通过与蒙特卡洛法、极值响应面法进行对比,得出径向基极值响应面在保证计算精度的情况下提高了计算效率。     

基于改进奇异值分解滤波和谱峭度的滚动轴承故障诊断

针对含噪信号的有效奇异值个数难以确定的问题，提出了一种改进的奇异值分解降噪方法--奇异值累积法。该方法通过计算奇异值的实际下降值与奇异值平均下降速度累积量的差值，并取该差值最大值点的位置作为有效奇异值的分界点来确定有效奇异值的个数。在此基础上，提出了一种基于奇异值累积法与快速谱峭度的滚动轴承故障诊断方法。采用奇异值累积法对原信号进行降噪处理，然后利用快速谱峭度确定滤波器中心频率及带宽，通过分析频段包络谱中明显的频率成分来诊断故障。该方法可以有效去除信号中的噪声，使得到的峭度值所反映的故障冲击更接近实际情况。对含内圈、外圈故障的滚动轴承实验数据进行分析，实验结果表明，相比快速谱峭度的故障诊断方法，该方法具有更好的故障识别效果。