基于GA-BP神经网络的矿井突水判别数学模型研究

针对传统矿井突水判别方法存在错误率高、精度低以及稳定性差等问题,提出了一种基于GA-BP神经网络的矿井突水判别数学模型。首先矿井突水判别数学模型采用6种特征离子作为判别因子,然后采用遗传算法(GA)对BP神经网络的权值和阈值进行优化,进而构建GA-BP神经网络矿井突水判别数学模型。以某实际矿区的多种水源样品为例,将其作为判别模型中的训练样本,GA-BP神经网络模型对其进行训练,实现待测水源样本的判别。结果表明,判别模型具有更高的突水判别精度和可靠性。     

PCA和GA-BP神经网络在边坡稳定性预测中的应用

针对现有边坡稳定性预测模型存在的不稳定性和精度不高的问题,采用主成分分析方法 PCA和遗传算法GA对传统BP神经网络模型进行优化。PCA方法将露天矿边坡稳定性的6个评价指标转换为4个主成分,作为BP神经网络的输入变量;遗传算法对神经网络的初始权阈值进行了筛选优化。经优化后的模型既减少了神经网络的输入变量,提高了学习训练效率,又使得传统BP神经网络模型的精度大大提高。最后将PCA-GA-BP模型、GA-BP模型和传统BP模型得到的预测结果进行对比和误差分析。结果表明,基于PCA-GA-BP神经网络模型的预测精度较好,对露天矿边坡稳定性的预测具有一定的参考价值。     

基于遗传算法与BP神经网络的支架跟机自动化研究

针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作。组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线。通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模型具有更快的训练速度和更高的预测准确率。相比较于单一的BP神经网络模型和GA模型,GA-BP组合模型可以很大程度地提高液压支架跟机过程中的推移精度,从而更好地适应综采工作面的环境和设备变化。基于对模型稳定性的分析,绘制组合网络的适应度曲线,种群在第5次迭代后趋于收敛,在第5次到第15次迭代的适应度值就已基本达到稳定,在迭代第15次后种群已达到最优参数集且恒定不变。采用上述方案的液压支架电液控制系统能够自主感知设备各项运动参数的变化,实现支架自身的静态调整和动态演化,可为综采工作面无人化建设提供技术支撑。     

基于GA-BP算法的气化配煤灰熔点预测

为了提高气化配煤煤灰流动温度预测的精度和稳定性,提出将遗传算法(GA)与误差反向传播神经网络(BP)相结合的预测方法,采用GA优化BP神经网路的权值和阈值,再用BP算法训练网络,结合仿真实验分析比较了GA-BP网络算法与常规BP神经网络方法的精度和稳定性。结果表明:GA-BP网络改善了BP网络容易陷入局部极小值和收敛速度慢的缺点,经GA优化的BP神经网络预测方法的预测精度高于BP网络算法,将其应用于气化配煤灰熔点预测有效可行。     

混合遗传BP算法及其在影像分类中的应用

通过对遗传算法和神经网络的优缺点的对比分析,将遗传算法改进BP神经网络的混合遗传BP算法(GA-BP)应用于遥感影像分类。算法程序在MATLAB环境下实现,通过采用GA-BP算法和Levenberg—Marquart算法(L—M)改进BP算法分别对同一算例进行试验,得到了精度相当的结果,验证了GA-BP算法在影像分类应用领域的可行性。     

神经网络在矿井水源判别中的应用

矿井突水是威胁煤矿安全生产的最大隐患之一,准确判别矿井水源是矿井防治水的前提。介绍了BP神经网络模型及其具体算法,并将其运用到矿井水源判别中。利用BP算法对训练样本进行学习,确定判别模型,根据已训练好的神经网络对样本进行判别。结果表明,采用人工神经网络对矿井水源进行判别,能得到较好的结果。因此,BP神经网络是判别矿井水源的一种有效方法,从而为矿井水源判别开辟了一条新途径,具有广泛的应用前景。     

基于Elman神经网络的导水裂隙带高度预测模型

准确预测导水裂隙带高度对于矿区煤炭资源安全开采具有重要意义。本文提出一种基于Elman神经网络的导水裂隙带高度预测模型,该方法克服了BP神经网络训练速度慢,稳定性差等问题,通过在结构层中增加一层承接层,作为一步延时算子,达到记忆的目的,增加了全局的稳定性;本文选择开采深度、开采厚度、覆岩结构、工作面斜长、煤层倾角作为影响导水裂隙带高度的主要因素,通过采用43组训练样本和3个测试样本数据建立了基于Elman神经网络的导水裂隙带高度预测模型,并与BP神经网络算法进行了对比。结果表明：BP神经网络与Elman神经网络的最大相对误差分别为16.35%和7.49%,Elman神经网络的预测精度更高。     

基于遗传BP神经网络模型的矿区开采沉陷预计

为解决常规方法监测矿区开采沉陷的可控性、可操作性差及精度低等问题,采用BP神经网络模型拟合矿区高程值对开采沉陷进行预计是一种有效方法。但传统BP神经网络模型为反向传播算法,在训练时需多次试算方可确定神经网络系统的连接权值和阈值,具有易陷入局部最小值、收敛慢等不足。为此,采用遗传算法（Genetic algorithm,GA）对BP神经网络模型参数进行优化以提高其泛化能力,构建了遗传BP神经网络模型（GA-BP）。以某矿区首采工作面地表25个已进行了三等水准联测的高程监测点数据作为遗传BP神经网络模型（GA-BP）的训练样本（15个监测点数据）和测试样本（其余10个监测点数据）,分别采用BP神经网络模型、二次曲面拟合等方法与其进行试验对比,结果显示：遗传BP神经网络模型（GA-BP）具有更高的内、外符合精度及更小的残差,表明该方法有助于实现对矿区开采沉陷的高精度预计。     

基于GA-BP的煤巷围岩稳定性分类与应用

为了对煤巷围岩稳定性进行科学分类,统计24篇分类文献,建立SPSS分类指标数据库,进行频数分析,研究指标的频数和分布特征,得出重点分类指标,同时考虑指标选取原则和山西焦煤实际情况,确定了11个分类指标。联合应用遗传算法和BP神经网络,建立GA-BP煤巷围岩稳定性分类模型,通过GA全局启发式搜索构建网络拓扑结构,通过GA全局寻优和BP局部优化确定最优权值阈值,应用MATLAB对该模型进行编程。设计含80条山西焦煤煤巷的训练样本,使模型学习并获得分类能力,并应用于山西焦煤20条煤巷。结果表明:GA-BP分类模型准确率为95%,具有较高非线性映射精度,适用于对山西焦煤煤巷进行稳定性分类。     

基于多元统计分析的矿井水源的Bayes逐步判别及混合模型

综合利用多元统计技术、Bayes逐步判别分析法和混合计算理论,依据地下水含水层组分的水化学数据,分别建立祁东矿区的Bayes逐步分析单一水源判别模型和混合水源判别模型,并分别对模型进行验证.结果表明:Bayes单一水源判别模型正确率比模糊评价法、BP神经网络方法高,与聚类分析相同;混合水源识别模型判别水源比例精度高,其回代估计法得到的误判率小,具有较强的水源识别能力,对矿区水源判别工作有很大帮助.     

混联二自由度机械臂的运动学研究

提出了一种混联机械臂,该机械臂是串并联混合机构,具有串联机构工作空间大和并联机构承载能力高的优点,可以实现较大活动空间内对重物的搬运仓储。对该机械臂进行了自由度分析,得到该机械臂的自由度为2,具有平面内的一个移动和一个转动自由度。基于几何解析法分析了该机构的运动学正反解,并且给出了5组正反解分析数值算例,验证了正反解分析的正确性。     

煤中镜质组反射率的测定

介绍了煤中镜质组反射率的测定原理及在测定过程中应注重的问题,从镜质组富集程度的差异性、样品处理、镜质组颗粒鉴别、测试条件和技术方法等方面探讨了其反射率测定的影响因素,并概括论述了煤中镜质组反射率在生产实践中的确定煤级、指导炼焦配煤等实际应用。     

某高速公路岩石单轴抗压强度结果的不确定度评定

依据JTG E41—2005《公路工程岩石试验规程》,结合工程项目实例,对岩石单轴抗压强度进行了试验,对试验结果采用JJF 1059—2012《测量不确定度评定与表示》进行分析与评定,了解测试中造成误差的因素,结果显示影响该项目单轴抗压强度试验的主要因素来源于样品的不均匀性和压力试验机的测量。     

磨机筒体螺栓孔漏料问题分析

对球（棒）磨机筒体衬板螺栓孔漏料、螺栓易松动及断裂原因进行了深入分析,找出了问题的根本所在,提出了处理措施,并给出了全新的结构方案。     

复杂管类零件空间尺寸加工误差分析

介绍某柴油机排气过渡管的加工工艺,分析空间尺寸较多的复杂管类零件的加工工艺及角度误差对空间尺寸的影响。通过角度在公差范围内的微量调整,解决了排气过渡管由于毛坯铸造及加工时找正存在的误差而造成气口处壁厚不均的问题。     

影响横轴式掘进机截割机构振动特性的因素分析

在横轴式掘进机截割机构横向截割的刚体动力学模型基础上,利用计算机模拟方法获得其在不同参数下的振动特性曲线,并分析了截割头质量、悬臂质量、液压系统刚度及阻尼变化对掘进机截割机构振动特性的影响,为研究横轴式掘进机的振动特性,改进机器设计创造了条件.     

煤矿提升机齿轮箱振动分析

提升机作为煤矿中的重要设备,其故障率对于煤炭的安全高效生产有着极为重要的作用。在详细分析了煤矿提升机工作环境和工作特性的基础上,建立了提升机齿轮箱振动的数学模型,分析了速度和载荷变化情况下的提升机齿轮箱振动的特点,分析了变工况条件下齿轮箱故障信号的分布特征,为变工况条件下提升机齿轮箱的故障诊断提供了一定的理论基础。     

矿柱流变对采空区顶板稳定性的影响

为研究岩石流变特性对采空区长期稳定的影响,基于Reissner厚板和流变力学理论构建了矿柱-顶板流变力学模型,并推导出顶板沉降位移关于流变时间的关系式;依据不同边界条件将顶板破坏过程划分为固支、固支-简支、简支和内部破坏四个阶段。研究结果表明:所建立的流变力学模型可用于对采空区稳定时间的预测,并为采空区及时处理提供参考。