基于SSA-BP神经网络的岩爆烈度等级预测

随着深部开采战略在我国的发展,岩爆愈加成为我国资源开采时必须面对的地质灾害之一。为提高传统误差反向传播（Back Propagation,BP）神经网络模型进行岩爆预测的准确性与有效性,采用麻雀搜索算法（Sparrow Search Algorithm,SSA）优化传统BP神经网络,提出一种基于麻雀搜索算法优化BP神经网络的岩爆预测模型(SSA-BP模型)。在考虑岩爆产生的内外因基础上,选取相关岩爆预测指标,利用国内外100例已有工程岩爆数据建立SSA-BP模型,并与传统BP模型、粒子群算法（Particle Swarm Optimization, PSO）优化支持向量机（Support Vector Machines, SVM）模型对比。结果表明：SSA-BP预测模型的有效性和准确度皆高于传统BP模型和PSO-SVM模型,同时SSA-BP模型训练集的均方误差(Mean Square Error,MSE)为0.081,比传统BP模型（0.25）降低67.7%,可为类似工程的岩爆预测提供科学依据。     

基于SSA-BP的露天矿山边坡位移变形预测

针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法（SSA）和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明：SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。     

基于BP神经网络的磨削加工误差补偿研究

通过分析磨削加工过程中的误差产生的原因,使用学习训练后的BP神经网络建立了双面磨床磨削加工误差补偿模型,详细阐述了网络模型的组织结构与核心算法,提出了实现磨削加工实时误差补偿技术的硬件组成方法,并通过实验验证了模型的使用效果,结果证明,基于BP神经网络的磨削加工误差补偿模型可以有效减小磨削误差,提高磨削加工精度。     

基于改进的SSA优化BP神经网络的导水断裂带高度预测

针对在采煤沉降灾变预警建模中导水断裂带高度难以准确预测的问题，提出一种基于改进麻雀搜索算法（SSA）优化BP神经网络的导水断裂带高度预测模型；为增强预测模型的全局搜索和逃离局部最优的能力，在标准SSA中加入Tent混沌映射初始化种群，提高种群分布的均匀性和多样性，并引入高斯变异、高斯扰动算法以及动态步长因子，提高SSA跳出局部最优的能力和求解精度；通过实践应用，将改进的SSA-BP与SSA-BP、PSO-BP、BP以及前人研究的GA-SVR模型预测结果进行对比。结果表明：基于改进的SSA-BP预测模型的平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、均方根误差（RMSE）和决定系数（R2）分别为1.23 m、2.64%、1.51 m和0.985，均优于其它模型，提高了导水断裂带高度预测的准确性和稳定性。     

矿用巡检机器人的位姿误差补偿研究

介绍了一款矿用巡检机器人，机器人在井下巡检过程中行走在淤泥地面，足端会产生一定的位姿误差，位姿误差直接影响到了机器人的定位精度，而定位精度直接影响到了机器人的工作质量，因此需要对其进行位姿误差补偿研究以提高机器人足端的定位精度。建立了几何误差模型与非几何误差模型，并将几何误差与非几何误差进行叠加建立综合误差，利用输入规划法对各个阶段的综合误差进行了误差补偿，通过仿真来对误差补偿前后进行分析来验证其补偿效果，达到提高机器人定位精度的目地。     

机器人惯性测量系统安装误差快速校准方法研究

针对机器人惯性数据准确测量的需求,对机器人惯性系统中传感器坐标系与机器人运动坐标系之间安装误差的校准方法进行了研究。主要分析了安装误差形成机理,建立了误差模型、研究了误差校准算法及其精度,从而提出了一种机器人惯性测量系统安装误差快速校准方法,并进行了一系列实验验证。实验结果表明:该安装误差的校准方法能够有效提高惯性测量系统中三轴矢量传感器在机器人运动坐标系下测量数据的精度。     

基于多传感器组合的钻锚机器人机身定位方法研究

针对目前煤矿钻锚作业仍以人工为主,作业强度大、环境恶劣且效率低的问题,为提高效率、保障工人生命安全,研发了煤矿钻锚机器人以提升钻锚作业自动化水平。针对工况环境下的钻锚机器人机身定位困难、干扰大、精度低、效率低等问题,提出了一种基于激光测距传感器和激光雷达的组合传感器定位方法。根据钻锚作业需求,研究基于分布式激光测距传感器的钻锚机器人与掘进工作面之间的距离信息,建立"机器人-工作面"定位模型,解算钻锚机器人前移过程中与掘进工作面的位置关系;以机器人后端顶部锚杆为目标,利用激光雷达扫描获取锚杆与钻锚机器人的动态点图信息,建立"机器人-锚杆"定位模型,解算钻锚机器人后移过程中与锚杆的空间位置关系。搭建组合定位系统,通过样机试验验证表明:"机器人-工作面"定位模型距离误差≤10 mm,偏航夹角误差≤1°;"机器人-锚杆"定位模型距离误差≤20 mm,偏航夹角误差≤1.5°,可以实现煤矿巷道钻锚机器人机身自动、准确、实时的定位目标。     

基于SSA-BP神经网络的概率积分法预计参数求取研究

为解决BP(Back-ProPagation,BP)神经网络求取概率积分法预计参数出现的局部最优解和收敛速度慢的问题,采用麻雀搜索算法(Sparrow Search Algortihm,SSA)优化BP神经网络的结构,得到最优的权重值和偏置项,建立了基于SSA-BP神经网络的概率积分法预计参数求取模型。结合50组典型的实测数据,随机抽取45组数据输入SSA-BP神经网络模型进行训练,剩余数据输入训练好的模型求取概率积分法预计参数,并与实测数据对比,分析SSA-BP神经网络模型和BP神经网络模型的优劣;通过改变训练样本和测试样本的数量,讨论模型精度与训练样本数量的关系。研究表明:(1) SSA-BP神经网络模型预计下沉系数q、水平移动系数b、开采影响传播角θ、主要影响角正切值tanβ和拐点偏移距s/H的平均绝对百分比误差分别为1.33%、3.48%、0.49%、3.86%和9.33%,BP神经网络模型的相应取值分别为8.05%、7.34%、3.33%、9.82%和19.60%,可见前者求解精度更高。(2)两种模型求取的预计参数均与实测数据较接近,SSA-BP神经网络模型最大相对误差为21...     

六自由度搬运机器人的误差分析及仿真验证

工业机器人误差的存在导致了其实际运动与预期的指令运动存在偏差,针对这一问题,从修正的MD-H模型入手,综合考虑了外在测量设备构造的机器人坐标系与机器人本身基坐标系不完全重合的问题,通过微分变换推导出了机器人定位误差模型,并以六自由度搬运机器人为例,利用MATLAB软件对推导出的机器人定位误差模型进行了仿真验证,为机器人误差补偿提供依据。     

MEMS加速度传感器动态误差补偿方法的研究

针对MEMS加速度传感器在实时检测中存在动态误差，现有动态误差补偿方法在实时性方面不能满足要求，提出了一种按频域抽取的快速傅里叶变换混合算法进行动态误差补偿的方法，首先分析建立MEMS加速度传感器输出的频率响应模型，其次利用动态误差补偿算法分析加速度的特征频率，实现对特征频率点的加速度进行补偿，通过对加速度传感器的硬件和软件设计，进行实验测试。实验测试结果表明，通过传感器软件数据处理，在0～1 000 Hz,经过动态误差补偿后的传感器在X轴、Y轴、Z轴方向，0～16 g_n量程范围内，实时检测精度均可达到1%以内，实时性及检测的精度完全满足加速度测量要求。     

数控机床轮廓误差预测前馈补偿技术研究

三轴加工中心是一种可满足复杂轮廓零件加工的机床,为进一步提高其轮廓加工精度,预测前馈补偿是一种经济而有效的途径,对数控机床的误差补偿技术进行了讨论,对误差补偿技术步骤、误差补偿的执行和预测前馈误差补偿方法作了详细的分析和介绍,并在MVC510立式加工中心上做了相关的实验进行验证,取得了很好的效果。67%的直线度以及76%的垂直度误差得到补偿。     

基于X-C两轴联动磨床偏心轴廓形误差分析及补偿方法研究

针对现有偏心轴零件的精密磨削工艺的需求,主要对偏心轴的磨削机理、廓形误差分析及误差补偿方法等进行了深入的研究。首先,通过砂轮和偏心轴的几何位置关系推导出X-C两轴联动的数学模型;然后分析了X轴方向的安装误差、砂轮磨损及砂轮架导轨直线度误差等静态误差对偏心轴廓形误差的影响并提出一种基于X轴方向的安装误差补偿方法;最后,搭建试验平台进行测试。试验结果验证了偏心轴磨削机制的数学模型、廓形误差补偿方法的正确性。     

PSO优化算法在尾矿库空间预测中的应用

由于尾矿库的空间变异特殊性,传统的插值法预测精度不高,误差很大。为解决这一问题,考虑到粒子群算法在求解非线性问题时具有更强的全局搜索能力、并行性和多样性、适应性和自适应性,提出了一种基于粒子群算法优化Kriging模型来拟合尾矿库内部参数数据的克里格空间预测算法,旨在提高尾矿库内部参数信息的拟合精度,减少误差。为验证改进算法的有效性,采用多种预测评价指标进行分析,并与传统Kriging进行交叉验证分析,确定优化算法的可靠性。结果表明：相比于传统的加权最小二乘法拟合法,采用PSO算法拟合 Kriging 模型参数时,内摩擦角平均误差率降低了23.36%,黏聚力平均误差率降低了8.45%,证明算法可行和有效。     

细长轴车削加工的PID误差补偿方法的研究

在不提高数控车床现有制造精度的基础上,建立一种新型的加工精度PID控制模型,对加工误差进行补偿,做了一系列的试验来探究该模型对误差补偿效果的影响程度和规律。通过对获得的实验数据的分析,得到相应的结论:应用加工精度PID控制模型对细长轴加工进行补偿,效果显著,尺寸误差减小了1～2个等级,且振荡收敛。     

机床热误差建模研究现状分析

热误差是影响机床精度的主要因素之一,因此减小机床热误差对提高加工精度十分重要。减小热误差普遍采用误差补偿法,其补偿能力依赖于热误差模型的精确性。介绍了几种主要的热误差建模方法,并对其进行比较,讨论了各自的优缺点,且研究分析了热误差建模存在的一些问题并对今后的发展予以展望。     

数控车床热误差辨识模型的研究现状分析

数控机床的热误差是最大的误差源,在热误差补偿技术应用过程中,误差模型的鲁棒性、准确性决定了热误差补偿的精度和有效性,因此建模方法至关重要。介绍了国内几种现行的数控车床热误差建模方法,对他们各自的优点及不足之处做了简要的讨论,最后对相关方面的研究做出展望。     

煤矿用钻孔轨迹仪方位角标定算法应用研究

煤矿用钻孔轨迹仪中方位角主要是依靠3轴磁传感器感知地磁场得到,针对磁传感器本身制作、安装工艺误差和使用过程中磁场干扰等问题,提出一种平面校准、倾斜补偿及陀螺仪偏差补偿三者相结合的方位角标定方法,实现方位角的精确测量,满足现场需求。该方法首先建立误差模型,然后采用改进型的多平面校准法实现磁力计的校准,利用加速度对磁力计进行倾斜补偿,完成标定。使用转台模拟轨迹仪在空间中任意姿态的方位角,经标定补偿后验证,该算法使用时无需制造无磁环境,可将方位角精度提高到1.5°范围内,保障钻孔轨迹测量的有效性,证明该算法在煤矿环境下的可行性和适用性。     

复杂地质条件煤矿巷道多履带钻锚机器人运动学研究

针对复杂地质条件煤矿巷道存在的掘快支慢难题,提出一种集钻、护、锚于一体的多履带钻锚机器人群。依据巷道支护需求,设计钻锚机器人本体结构、钻机布置以及支护工艺,完成钻锚机器人三维建模;基于D-H法建立钻锚机器人钻机运动学模型,分析并求解顶板钻机与侧帮钻机正运动学解和逆运动学解,仿真得到钻机可支护区域的点状云图、末端运动轨迹等。结果表明顶部与侧帮钻机支护作业中能够避免钻机与机器人本体之间的干涉,实现准确、平稳运动至待支护位置,具有较强的稳定性和可靠性。     

基于直线电机驱动系统的轮廓误差研究

为提高多轴机床轮廓加工精度,在分析典型控制结构的基础上提出一种直接轮廓控制法。通过建立新的直接误差模型,利用期望轮廓和实际运动点计算出准确的轮廓误差,在单轴采用模型自适应控制器对摩擦力首次补偿的基础上,将轮廓误差作为被控量对系统进行二次补偿,实现两轴间的交叉耦合控制。仿真结果表明,该方法简单、易于实现,有着较好的跟踪性能和较强的协调性,有效地提高了平台的轮廓加工精度。     

小波神经网络在数控机床热误差补偿中的应用

为了能够提高数控机床热误差补偿的精度和效率,深入研究了利用小波神经网络对数控机床进行热误差补偿的方法。首先,提出了小波神经网络的数学模型;然后,提出了基于遗传算法的小波神经网络模型的训练方法;最后,以数控铣床为例,利用小波神经网络对其进行了热误差补偿计算,并且得出了精度较高的数控机床的小波神经网络预报结果。