基于蚁群优化的模糊神经网络控制器的应用研究

针对传统PID控制方式的不足,文章提出了一种新的永磁同步电动机控制策略,即采用蚁群优化算法对模糊神经网络控制器的3个因子参数ka、kb、ku进行全局优化,给出了永磁同步电动机的数学模型,详细介绍了模糊神经网络控制器的设计,分析了蚁群优化算法,并进行了仿真实验。仿真结果表明,基于蚁群优化模糊神经网络控制器的永磁同步电动机调速系统具有很强的鲁棒性和自适应性,动态响应快,能够较好地跟踪负载变化。     

基于ARM和信息融合技术的瓦斯监测系统

针对煤矿井下环境复杂、参数难以准确测量的问题,提出了一种基于32位ARM处理器S3C2440和信息融合技术的煤矿瓦斯监测系统。该系统通过在ARM中进行多传感器信息融合处理,消除了多个传感器信息之间可能存在的冗余和矛盾,降低了不确定性,从而获取精确的环境状态估计,并通过网络实现煤矿环境远程监控。     

模糊传感器在煤矿瓦斯监测中的应用

研究了模糊传感器的结构原理与功能,并将其应用到煤矿瓦斯监测中,重点研究了模糊瓦斯传感器数值和符号的转换过程,分析了不同环境下对模糊传感器检测量状态隶属度函数的修正方法。模糊传感器应用到煤矿瓦斯监测中,为煤矿安全监测提供了一种新的思路。     

智能瓦斯传感器系统的设计

针对煤矿井下环境复杂、参数难以准确测量的问题,将模糊理论与神经网络技术相结合应用到检测领域,构造了煤矿安全监测智能瓦斯传感器系统。基于RBF神经网络重点研究了智能瓦斯传感器系统隶属函数网络样本及模糊推理网络样本的生成和训练,并对智能瓦斯传感器的硬件结构进行了设计。模糊神经网络技术为智能瓦斯传感器设计提供了强有力的技术支持,使该系统能对井下复杂参数进行准确的检测,并将传统数值测量系统的数值输出转变为语言描述输出。实验仿真结果表明,该方法行之有效,为煤矿安全监测提供了一种新的思路。     

基于信息融合的煤层自然发火监测系统研究

针对目前我国在矿井火灾预警系统检测处理数据不可靠等问题,以单片机作为中央处理器,基于模糊信息融合理论,应用多传感器对煤层自然发火的指标气体和参量进行监测,将监测设备的多只传感器所获得的信息模糊化,再将其融合,从而获取设备精确的状态估计。该系统利用信息融合技术对各种参量进行融合运算和决策,实现了煤层自然发火的早期预测预报,实验结果表明：基于信息融合的煤矿火灾预警系统识别准确率与可靠性大大提高。     

基于虚拟仪器的红外瓦斯传感系统研究

针对目前常用瓦斯检测元件存在的缺陷,利用红外传感原理将其应用到瓦斯监测系统,并利用虚拟仪器技术,将采集的信号进行解调及加工处理和计算,简化了设计使瓦斯浓度能在图形界面上显示并予保存,以便用于瓦斯突出、瓦数预测等工作。实验数据表明,该系统应用性能良好。