基于多尺度模糊熵和支持向量机的采煤机截割模式识别

为解决当前采煤机智能化水平低的问题,提出了一种基于多尺度模糊熵、拉普拉斯分值和支持向量机相融合的采煤机截割模式识别方法.通过提取不同截割模式下摇臂的振动信号的多尺度模糊熵,掌握表征采煤机截割模式的特征向量.同时,利用拉普拉斯分值筛选含有丰富截割模式信息的特征向量,并作为支持向量机的学习样本.搭建了采煤机煤岩截割实验系统...     

基于多尺度熵的中国原油价格动态特征研究

运用多尺度熵分析法对中国原油价格运动的演化过程以及原油市场效率进行实证研究。结果表明,原油市场效率非平凡地依赖于时间尺度。一般的模式是,在小时间尺度上(从日到月)市场效率较高,在大时间尺度上(一个季度以上)市场效率较低,这意味着长期原油价格的可预测性相对较高。并且,由于外部冲击或市场内在动力的改变,市场效率随时间和时间尺度发生显著的变化;在考察期内(2003-2011年),短期原油市场效率水平几乎是一致的,长期原油市场效率水平的演变过程与经济发展轨迹是吻合的。当经济处于繁荣期,长期原油市场效率水平相对较高。当经济处于衰退期,长期原油市场效率水平相对较低。     

基于模糊熵的多目标模糊优选模型及其应用

利用多目标模糊优选法进行方案优选时,对各方案的隶属度越离散,则越有利于方案的优选。为达此目的,在献「１」相对各度及其计算方法的基础上,将模糊熵引入到多目标模糊优选模型的建模之中,提出了基于模糊熵与加权距优距离、加权距劣距离之和最小的目标模糊优选模型,并将其用于矿山安全监测系统的方案优选,结果表明,该模型具有更大的优越性。     

基于多传感器信息融合的球磨机负荷检测系统

在磨矿过程自动控制中,影响磨矿过程作业指标的因素很多：（1）属于物料性质方面的有：矿石可磨度、给料粒度、产品细度等;（2）属于磨机结构方面的有：磨机规格、型式、衬板形状等;（3）属于操作方面的有：介质形状、尺寸配比及材质、介质充填率、磨机转速率、加球制度、料球比和磨矿浓度等。而这些因素本身又相互影响。在上述因素中,第一类和第二类因素被确定以后通常就不再改变;如果设备维修以及添加钢球的材质都正常,则其可改变的条件只是磨机转速率、介质充填率、料球比和磨矿浓度,而一旦磨机转速率固定,则仅仅其余三个因素是可变的。所以,介质充填率、料球比和磨矿浓度占矿浆总重量是球磨机负荷检测和控制中研究的三个主要参数。这三个参数间接地反映了球磨机的负荷（包括球负荷、物料负荷以及水量的各自数值）,能否准确地检测出球磨机的负荷是整个球磨机优化控制成败的关键。     

基于LMD模糊熵和概率神经网络的滚动轴承故障诊断

滚动轴承是机械传动系统重要的组成部分,其故障发生率极高,直接影响机械设备的正常、安全运行。基于此提出基于局部均值分解(LMD)模糊熵和概率神经网络(PNN)的滚动轴承故障诊断方法,原始振动信号应用LMD自适应分解为7个PF分量;设定模糊函数,提取每个PF分量的模糊熵,实现各PF分量的特征量化;并利用概率神经网络实现故障类型识别。实验结果证明利用该方法滚动轴承故障诊断识别率可达86.25%,是一种有效的滚动轴承故障诊断方法。     

球磨机负荷检测的现状与发展趋势

这是一篇矿业工程领域的论文。选矿厂节能降耗需求强烈,球磨机负荷检测是实现磨机控制、优化磨矿流程的关键技术。本文归纳了近年来磨机负荷的检测方法：压差法、磨音法、振动法、功率法、超声波法、基于多源信号融合的间接检测方法;总结并分析了磨机负荷的建模方法。未来一段时间内,多源信息融合的间接法将仍是检测磨机负荷的主要方法,改进神经网络为基础的建模方法、新型在线检测方法以及建立高效精准的负荷检测模型是磨机负荷检测的主要发展方向。     

基于OLAP技术的磨机负荷模糊控制系统研究

磨机是冶金、矿山、化工、电力、建材等行业的主要设备之一,磨机负荷的优化控制对防止“饱磨”和“空磨”现象发生,实现粉磨过程的稳定,提高磨机产质量,降低磨机能耗等具有着较大的影响。     

锚杆锚固质量的多尺度熵评价方法研究

建立了基于应力波法检测锚杆锚固质量的有限元分析模型,研究了锚固系统缺陷轴向长度增加情况下应力波的传播特性。计算了反射信号的多尺度熵,发现有缺陷锚固系统反射信号的多尺度熵在大部分时间尺度上比无缺陷的大,即有缺陷锚固系统反射信号的复杂度高。引入伪判定系数参量定量描述有缺陷和无缺陷时反射信号多尺度熵值曲线之间的偏离程度,计算发现缺陷的轴向长度越长,伪判定系数越小,说明2条多尺度熵值曲线的偏离程度越大,即该缺陷长度对应信号的复杂度越高。结果表明利用多尺度熵方法可对锚杆锚固质量进行有效的评价。     

基于神经网络与SOPC的球磨机负荷检测系统

提出“三因素”法检测球磨机的外部响应,应用神经网络建立球磨机内部负荷与外部参数之间的关系模型对负荷进行预测。同时,应用基于嵌入式处理器核Nios的SOPC(System On Programmable Chip)技术来完成球磨机负荷检测系统软硬件设计。测试结果表明该系统能实时、准确地检测球磨机负荷,为解决球磨机外部响应与内部负荷参数之间的建模问题提供了一种行之有效的方法。     

建筑物采动损害的熵权模糊识别模型

针对采动区建筑物损害影响因素的多样性、模糊性、权重不均衡性等特点,提出了建筑物采动损害的熵权模糊识别模型。在分析建筑物采动损害影响因素的基础上,收集学习样本数据,通过建立单因素隶属函数确定隶属度,并采用熵权法确定各影响因素的权重,根据模糊数学理论计算研究对象的模糊综合隶属度,然后按照最大隶属度原则评判建筑物的损害等级。实例分析表明,熵权模糊识别模型评定结果与实际情况一致,该模型综合采动区地质、采矿条件及建筑物状况等多种因素的影响,并顾及了各影响因素之间的不同权重,且算法简单,便于实现,具有较高实用价值。     

基于多尺度监测的高陡边坡安全性多因素综合评判研究

基于先进的传感器感知技术,针对连云港港主体港区东疏港高速公路两侧形成的岩质高陡边坡工程实例,构建了多尺度安全监测系统.并综合考虑边坡安全性的多因素影响,在模糊数学的基础之上建立了高陡边坡的安全性综合评判模型.结果表明该方法可以全面的反映出具有不确定性的各个影响因素对边坡安全性的影响程度,并合理得到边坡安全性等级,对工程决策具有重要的意义.     

基于模糊神经网络振动磨机控制系统研究

针对振动磨机破磨过程的复杂非线性,设计了二维模糊控制器;模糊控制过于依赖领域专家的先验知识,缺乏在线学习功能。将模糊逻辑推理与神经网络的自学习功能结合起来,提高整个系统自学习能力及表达能力,进一步改善了控制系统的动态性能,提高自适应能力。仿真实验证明了所提出BP算法的有效性。     

基于熵权法和模糊理论的采空区稳定性分析

为了准确、客观地获得采空区的稳定分级,提出了基于熵权法的采空区稳定性模糊综合评判模型。从众多采空区复杂、不确定影响因素中,选取工程地质情况、采空区形态参数及其他因素3大类共15项因子,建立了模糊评判指标体系;通过构建因素集、评判集、权重级,建立了采空区稳定性模糊综合评判模型;引入熵权法确定权重,使得权重分配更加科学、客观,结合模糊平均加权法及置信度准则得出最终评判结果。以某地下金矿开采采空区为例,利用该模型进行稳定性分析,其评价结果与现场实际较相符,验证了此方法的可行性。     

基于小波包熵和流形学习的垮落煤岩识别

针对垮落煤岩识别的技术问题,基于垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于小波包熵和流形学习的特征提取方法。该方法首先对振动信号进行小波包分解并单支重构,计算该信号的小波包能量熵,从而确定信号能量分布的复杂度,计算各频带的样本熵,从而确定各频带小波包系数的复杂度。以小波包能量熵和频带样本熵构造特征向量,输入BP神经网络识别垮落煤岩。然后利用局部线性嵌入(LLE)挖掘特征向量的低维流形结构,并输入神经网络对比其识别效果。并提出了未知样本低维估计方法以得到其低维嵌入。结果表明:基于小波包熵和LLE提取的特征向量准确又简单,输入神经网络识别率达到92.5%;基于低维估计方法得到的未知样本低维嵌入也较准确。     

基于多尺度卷积和注意力机制的MCA-GRU瓦斯浓度预测模型

为了有效地提取关键信息的多尺度特征,从而提高瓦斯浓度的预测精度,提出了一种多尺度卷积和注意力机制的门控循环单元神经网络模型(MCA-GRU)。首先将处理后的瓦斯浓度数据经过多尺度卷积层,提取到数据的多尺度特征;其次经过空间注意力模块对特征信息进行注意力权重分配,以捕捉时序数据中的重要模式和动态变化;最后经过GRU层充分提取时间序列的相关性信息。本模型能够有效获取并聚焦瓦斯浓度时间序列的重要特征,从而提高瓦斯浓度的预测精度。以某矿瓦斯监测数据为样本,该模型与传统CNN-LSTM模型和CNN模型的对比结果表明：MCA-GRU模型克服传统预测方法无法获取多特征和关键信息的缺点,其总体预测效果最优,尤其在预测峰谷值时更为突出;MCA-GRU模型的泛化能力较强,与CNN-LSTM模型相比,其平均绝对误差和均方根误差分别降低了14.3%和20%,R²提高了4.5%。     

基于熵权-模糊可变集理论的煤矿井突水水源识别

在阐述熵权法和模糊可变集理论的基础上,针对平顶山煤田首山一矿和十三矿4个充水水源中所提取的23个水样,构建了识别矿井突水水源的数学模型,并利用该模型对8个水样进行了来源识别。结果表明:各类充水水源中Ka~++Na~+,Ca~(2+),Mg~(2+),Cl~-,SO_4~(2-)和HCO_3~-等6项化学指标值在区间特定值附近出现的概率比较高,可用模糊可变集理论识别突水水源;熵权法计算的Ka~++Na~+和Ca~(2+)权重值分别为0.270 8和0.371 3,远高于其他指标的权重值,且其权重值之和占64.21%,说明两项指标在矿井突水水源识别中起主要作用;8组水样识别时,除水样8识别结果不符合实际外,其余均与实际类型相符,其准确率为87.5%;对于平顶山煤田来说,识别模型中的优化准则参数a选取2时,熵权-模糊可变集模型识别突水水源的准确性更高;应依据丰富的时空水质检测数据来建立模型并及时应用新的资料予以修正,以保证所建识别模型符合实际并与时俱进。     

基于模糊神经网络的岩性智能识别及其应用

在对岩石分类的基础上进行岩性识别。提出了基于神经网络驱动模糊推理方法,目的在于将神经网络和模糊推理二者所长能够较好地结合起来,使得分析系统既具有推理功能,又具有很强的学习能力,这样更能适合变化复杂的牙轮钻进过程,更能接近人的思维方式,为难以模型化的牙轮钻进自动控制以及未来的智能钻机研究开辟了一条有效途径。在具体的分类、学习推理和计算应用中,比较使用了改进的BP网络、采用L－M算法的BP网络及径向基函数网络（RBFN）等。     

基于熵技术的隧道施工安全模糊综合评价

根据隧道施工安全评价所存在的模糊性和随机性的特点,在建立多级模糊综合评价的指标体系的基础上,借用信息论中熵的概念计算客观权重的方法,运用模糊数学理论,建立二级模糊综合评价模型,提高了隧道施工安全现状评价的客观性和科学性,具有一定的工程实际应用价值.     

MED结合分层模糊熵在刮板输送机故障识别中的应用

对刮板输送机进行故障识别可保障刮板输送机实现快速故障定位与维修,减少故障维修带来的经济损失。对刮板输送机故障类型进行分类,以表征各个易损部件状态的参数作为故障诊断的输入信号,构建基于最小熵解卷积(MED)和分层模糊熵的刮板输送机故障诊断模型。分析基于MED结合分层模糊熵的刮板输送机故障诊断流程,对比采用MED、分层模糊熵和MED结合分层模糊熵算法在不同样本集中的准确率。结果表明,采用MED结合分层模糊熵得到的诊断结果准确率更高且更为稳定,在复杂结构的故障诊断中表现出明显的优势。     

基于熵权模糊综合评价的矿井突水水源判别方法

介绍了熵权模糊综合评判方法的基本原理,通过实例分析,逐步建立了单因素和模糊综合评判矩阵,利用熵权法确定了各指标对评价结果的贡献系数,通过模糊综合评判模型实现了待判水样突水水源的准确判别。结果表明:定量化的模糊判别方法可有效解决模糊水源层的识别问题。