基于神经网络与证据理论的煤矿通风机故障诊断

为了能够从多方面反映煤矿通风机系统状态,实现对故障模式的自动识别与准确诊断,将数据融合技术与神经网络相结合,建立通风机故障诊断系统。采用并行神经网络进行局部诊断,获得彼此独立的证据,再运用D-S证据理论融合算法对各证据进行融合,实现对通风电机故障的准确诊断。     

基于D-S证据理论和BP神经网络的齿轮箱故障诊断

在故障诊断时,需要从多方面获得关于同一对象的多维信息并进行融合,才能对设备进行更可靠更准确地诊断,以求得最佳诊断结果。以齿轮箱故障作为研究对象,提出了一种基于D-S证据理论和BP神经网络相结合的信息融合诊断方法,并进行了验证。首先利用BP神经网络对测量数据进行分析诊断,最后用D-S理论对诊断结果进行融合,结果满足需求,从而证明了D-S理论和BP神经网络相结合的诊断方法的实效性。     

煤矿灾害风险预警的方法及模型

通过构建由三违、设备故障、环境参数异常、隐患及事故所构成的煤矿灾害风险记录体系,建立了利于实现多源信息融合及煤矿生产条件动态变化的煤矿灾害风险组合式指标体系。采用控制图与柱状图相结合的方法,可确定煤矿灾害异常风险的时空坐标。提出了由回归模型和GM(1,1)模型构成的灾害风险多模型预测方法,并建立了基于小误差概率—后验差比、相关系数—置信概率的两种预测模型优选策略。根据5类风险记录体系和3种风险预警分析方法,建立了煤矿灾害风险预警的信息流模型,可为煤矿灾害的防治提供一定的指导。     

基于证据融合理论的煤矿顶板安全评价模型

针对顶板监测数据来源的复杂性及不确定性,由各监测系统的传感器获得不同信息,根据设定的阈值产生对顶板安全状态的度量,通过构造的基本概率分布函数,对所有的命题赋予一个可信度,应用基于Dempster-Shafer证据理论的合成法则进行多证据融合后,即可凸显顶板安全状态。通过与历史数据对比分析,发现该模型能显著降低监测系统的虚警率,提高顶板安全状态判定的准确性。     

基于BP神经网络的矿山排土场滑坡预警模型

排土场滑坡是矿山的重大灾害之一,威胁矿山的安全生产。提出了矿山排土场滑坡预警指标体系,针对综合预警指标,建立了基于BP神经网络的排土场滑坡预警模型。将黏聚力、内摩擦角、地表位移、内部位移、降雨量等10个指标作为网络的输入单元,选取合适的激励函数和学习步长,利用实际工程的20组样本数据,采用改进的梯度算法完成了BP神经网络的学习。应用学习好的预警模型对贵州某矿排土场进行了滑坡预警分析,结果与实际情况一致。该预警模型合理可靠,具有推广应用价值。     

基于模糊神经网络和D-S证据理论的煤矿瓦斯突出危险等级评判研究

介绍了模糊神经网络和D-S证据理论的煤矿瓦斯突出等级的评判方法,综合了模糊神经网络和D-S证据理论的优越性,建立了基于模糊神经网络和D-S证据理论的综合评判模型,通过对实验测试,证实了模糊神经网络和D-S证据理论的综合评判策略比单独使用一种策略更有效,精度更高。     

基于证据理论混合算法的煤矿通风机故障诊断

为了提高煤矿通风机故障诊断的准确性,提出了基于证据理论的混合诊断算法。即先用灰色建模方法实现故障特征量的累加处理,以增强数据的规律性。然后,采用2个并联的灰色BP网络进行故障局部诊断,获得彼此独立的证据。最后,再用证据理论融合算法对各证据进行融合,最终实现通风机的故障诊断。实例结果表明,该方法可有效提高诊断的可信度。     

基于模糊理论的煤矿建设项目风险评价模型应用研究

煤矿建设项目的风险评价,进行了不确定性分析之后,对风险的评价以定性为主,缺乏定量的思考,运用模糊理论,建立了煤矿建设项目风险模糊评价模型,通过量化分析,定量的分析煤矿建设项目所面对的风险等级,通过实证检验结果发现,风险评价模型建立准确,使风险分析结果更加科学可靠和直观,有利于煤矿建设决策者做出正确决策和应对措施。     

基于神经网络的矿山安全预警专家系统

为了预防和减少矿山安全事故,本文首先对基于神经网络的矿山安全预警专家系统进行了总体设计,其次采用神经网络训练方法分析系统的安全状态,制定安全级别,提出合适的安全措施计划,然后基于大量规则的知识库,通过传统BP与改进BP的实验仿真,采用优化后的BP神经网络算法进行推理,大大提高了推理效率,最后系统进行了实验,结果表明系统预测结果与实际情况基本一致,可以在煤矿中推广使用。     

改进的证据理论算法在煤矿带式输送机健康诊断中的应用

针对多传感器在实际运行环境中易受干扰,传统的证据理论在数据融合时具有局限性,提出了一种改进的信息融合方法。该方法将带式输送机传感器获取的信息模糊化,按照一定比例进行融合,从而实现对输送机性能的综合判决。实验表明:该方法提高了输送机工作的安全性、可靠性。     

基于BP神经网络的煤矿安全绩效评价模型

建立了基于BP神经网络的煤矿安全绩效评价模型,并以神华宁夏煤业集团大峰露天煤矿为例对安全绩效评价模型进行验证,根据评价结果对其提出相应的对策和建议,对提高煤矿安全评价工作的效率,增强企业的市场竞争力有着重要的意义。     

基于BP模型的煤矿安全管理投入经济分析

为了合理利用有限资源,通过集成AHP与BP神经网络,建立煤矿安全投入综合评价模型,优化赋权,避免了局部最小点误差,使预测结果更加准确。同时考虑到煤矿系统安全投入不平衡的实际情况,结合西方经济学原理,调整生产函数中各要素投入量,利用已验证的BP网络进行二次预测。经验证优化投入会带来更高的经济效益,是未来发展的新方向。     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。     

基于BP神经网络的煤矿矿井空调模糊控制器设计研究

针对矿井空调被控对象时滞、时变、非线性的特点,基于神经网络方法,设计了一种基于BP算法的神经模糊控制器,通过采用MATLAB提供的神经网络工具箱和Simulink软件包对其进行了仿真。结果表明,该控制器比经典PID控制及单纯模糊控制具有较好的鲁棒性,动态性能好,控制迅速,适于我国煤矿企业广泛使用的矿井空调控制系统。     

基于BP神经网络的煤矿安全管理绩效评价

 建立煤矿安全管理绩效评价指标体系,介绍BP神经网络评价法的结构和原理,构建煤矿安全管理绩效评价的BP神经网络模型,对其输入输出参数、各层连接权值和域值进行界定;以matlab6.0软件为平台,利用其内嵌的神经网络工具箱和样本数据对构造好的神经网络进行训练,同时对煤矿安全管理绩效进行预测。     

基于BP神经网络的煤矿通风系统安全评价

研究了BP神经网络的结构和L-M学习算法的步骤,通过分析煤矿通风系统,建立了多因素控制的煤矿安全评价指标体系。在此基础上,运用Matlab编制BP网络程序并利用导师信号对网络进行训练,建立了煤矿通风系统安全评价模型。仿真结果表明待校验样本的安全等级与实际情况相符,L-M算法收敛速度也满足要求。     

基于BP神经网络的井下定位技术研究

井下定位技术对煤矿安全生产起着重要作用。通过分析BP神经网络的特点,提出一种以接收信号强度RSSI为基础的结合BP神经网络的无线传感器定位方案。仿真结果显示该方法满足井下定位需求。     

基于BP神经网络的煤炭成本预测研究

根据煤炭企业的实际情况,分析并找出影响煤炭价格的主要因素,采用BP人工神经网络作为煤炭价格模型的非线性建模方法,对煤炭价格进行预测并通过误差对比分析其准确性。结果表明,BP神经网络能很好地反映变量之间的非线性相关性,并且能够高精度地预测煤炭价格,为煤炭企业的生产经营决策和政府部门政策体系的建立提供了重要依据。