基于BP网络和D-S证据理论的瓦斯监测系统的研究

针对目前煤矿采用的瓦斯传感器输出信号具有模糊性、不确定性等问题,提出了一种基于BP网络和D-S证据理论的瓦斯监测系统的设计方案。该系统采用改进的BP算法获取煤矿环境的基本概率分配,采用D-S证据理论对BP网络输出结果进行信息融合,从而对井下瓦斯状态作出判断和决策。实验结果表明,该系统提高了瓦斯监测信息的准确性和决策的快速性。     

基于主元分析和D-S证据理论的传感器故障诊断与应用*

针对井下传感器状态类型复杂多变,被测参量数据庞大等问题,采用主元分析法对数据进行降维处理。利用RBF神经网络实现特征层数据融合,并建立基本信任分配函数,再以证据理论对非精确信息的表示和推理优势,有效实现了故障检测和分离能力。实例仿真表明利用主元分析和D-S理论能正确定位并准确分离出失效传感器。     

新型光纤化学瓦斯传感器的研究

利用超分子化合物穴番A对瓦斯气体的吸附作用将引起光纤包层折射率发生相应改变,结合模式滤光检测技术,提出了一种新的瓦斯传感器检测方法.分析了这种光纤化学瓦斯传感器的工作原理、组成结构及光纤的涂层方法.针对传感系统进行瓦斯监测实验表明:这种传感器能实时准确地检测出甲烷气体体积分数,是一种简便,快速,灵敏的瓦斯检测办法.     

协同进化PSO算法在瓦斯含量预测中的应用研究

针对影响瓦斯含量的各种因素之间的复杂非线性关系,提出了利用协同进化粒子群优化(HCPSO)算法优化带开关权值的神经网络,来实现煤层瓦斯含量预测.通过使用二进制值0和1来表示神经网络的节点间有无连接,并用二进制编码来调节神经网络的结构;同时使用协同进化粒子群优化(PSO)算法优化神经网络权值,来获得精度较高、结构精简的神经网络模型.实验结果表明,该方法有效提高了瓦斯含量预测的精度,为煤矿瓦斯预测提供了一种新方法.     

6-PTRT并联机器人工作空间分析

针对6-PTRT并联机器人,基于运动学逆解分析了对工作空间起约束作用的各限定因素,应用三维边界搜索法对工作空间进行空间内的搜索,然后通过MATLAB软件进行仿真,使工作空间形状及分布特点得到可视化;应用极坐标搜索法进行了工作空间体积的求解。采用控制变量法,通过分析各结构参数与工作空间的关联性,明确了各结构参数对工作空间分布及体积的具体影响。这对6-PTRT并联机器人结构设计和实际应用具有重要的指导意义。