斜沟矿深孔预裂爆破切顶卸压机理的研究

为解决工作面材料巷回采扰动较大的问题,以斜沟矿23111工作面为研究背景,利用理论分析和现场实测的方法对顶板切顶卸压进行了分析,分析了岩体在爆破时的冲击波破坏形式。对比爆破卸压前后的支承力范围,发现爆破卸压前的超前支承力的影响范围约为120 m,而爆破卸压后的超前支承力的影响范围约为80 m,有效地提升了巷道的稳定性。     

煤矿冲击地压与冒顶复合灾害研究

随着煤矿向深部发展,矿井动力灾害既表现出冲击地压的部分特征,又表现出冒顶的部分特征。2种典型的灾害打破以往冒顶与冲击地压的发生具有一种互为逆向性的认知规律,在深部高应力煤巷,特别是留顶煤巷道中出现了相互诱导、复合发生的新灾害类型。在总结山东、山西和新疆矿区典型巷道冲击致顶板(顶煤)动力灾害特征的基础上,提出了深部巷道冲击地压与冒顶复合灾害的概念、机理与分类,指出复合灾害机理关键点在于揭示巷道整体系统和破碎区子系统的稳定原理及其2者间的相互影响。建立了巷道发生复合灾害的力学模型,根据扰动响应失稳判据,提出并得到了巷道发生复合灾害的临界应力Pcr、临界软化区半径ρ_cr和最大容许采扰应力增量σ_max,厘清了灾害发生的主控因素,分析了煤岩冲击倾向指数K、支护强度ps、巷道半径ρ₀、煤岩强度σ_c等对灾害发生的影响规律,同时阐明了围岩塑性软化、破碎深度随地应力增加的发育规律。研究结果表明,破碎发育巷道的动力失稳主体为弹性区、软化区与破碎区构成的不稳定系统,垮落主体为破碎区;稳定的破碎区提升了巷道冲击启动临界值,使其启动难度增大,但破碎区的发育又易引起顶煤垮落;巷道稳定支护是解决复合灾害的关键,科学合理支护既能有效调控围岩破碎防冒,又能提升冲击启动临界值。通过理论研究,揭示了巷道冲击地压与冒顶复合灾害的发生机理,阐明了巷道软化与破碎区及其稳控支护对深部破碎发育巷道动力灾害防治的重要性。     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。     

基于FOA的变分模态分解在轴承故障诊断中的应用

变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。     

动力扰动下巷道围岩变形影响因素敏感性分析

基于高地应力状态下煤矿井下巷道在开采工程中由于覆岩层断裂、岩巷爆破掘进等动力扰动导致围岩更容易变形甚至失稳的情况,根据弹性理论和应力波理论,分析了扰动状态下巷道围岩失稳机理,采用FLAC3D软件建立了巷道围岩的理想弹塑性模型,在正交优化组合的基础上对动力扰动下影响巷道围岩变形的因素(应力峰值、频率、侧压力系数和扰动时间)进行敏感性分析。结果表明:不同影响因素对巷道顶板和帮部最大位移的敏感性有较大的差异性;分析16种参数值不同组合条件下的变形量,得出应力峰值20 MPa,频率1 Hz,侧压力系数1.4,扰动时间0.8 s时,顶板及两帮变形程度最大;应力峰值5 MPa,频率15 Hz,侧压力系数0.8,扰动时间0.2 s时,顶板及两帮变形程度最小;顶板和帮部位移影响因素的敏感性由大到小依次为:侧压力系数、扰动时间、应力峰值和频率。最后,利用多元线性回归分析法建立了多因素作用下顶板和帮部变形的数学公式,回归效果显著,为巷道的有效支护提供了工程参考。     

基于DOB的永磁同步电机蚁群优化鲁棒控制

针对永磁同步电机参数测量不准或摄动的问题,设计了一种经蚁群算法优化的H∞混合灵敏度鲁棒控制器,从而获得良好鲁棒性。为使系统兼顾鲁棒跟踪性能和抗扰性,引入扰动观测器并对控制器参数和扰动观测器参数进行组合寻优。在Matlab/Simulink搭建仿真模型仿真后结果表明,该控制系统在参数摄动时仍保持良好的动稳态跟踪性能,具有很强的鲁棒性和抗扰性,在复杂未知的实际工况中应用前景广阔。     

基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。     

基于系统矩阵有序实Schur分解的模型降阶

对复杂高阶系统进行模型简化，为研究与设计系统提供了方便的条件。对系统模型的降阶是控制系统设计与仿真工作者的一个重要研究课题，对高阶复杂系统的分析、设计、仿真等具有重要的理论意义和工程实用价值。针对目前比较成熟的基于系统矩阵的有序实Schur分解方法，提出了采用时矩输出拟合来改善降阶系统输出响应逼近程度的改进方法，从而使简化模型具有输出误差更小、计算简便等优点，通过给出的实例仿真证实了这一点。