基于PSO优化BP神经网络的露天矿边坡位移预测模型

BP神经网络的初始连接权重和阈值对露天矿边坡位移预测的精度和收敛速度有重要影响。鉴于粒子群优化(PSO)算法具有全局搜索性能和收敛速度快,引入PSO算法对BP神经网络的初始连接权重和阈值进行全局优化,提出了基于PSO优化BP神经网络的露天矿边坡位移预测模型。将所提出的模型应用于实际案例中,并与BP神经网络进行对比。结果表明:该模型能够提高BP神经网络在露天矿边坡位移预测中的精度和收敛速度,预测结果的最大相对误差和平均相对误差分别是0.566 8%和0.353 0%,具有较好的精度和实际应用价值。     

共轭梯度法优化的BP神经网络焦炭质量预测模型

针对目前焦炭质量预测线性方法的现状及不足,建立了共轭梯度法优化的BP神经网络焦炭质量预测模型。该模型既能满足焦炭质量预测的非线性关系,又克服了神经网络收敛速度低、易陷入局部极小值的缺点。模型的实例验证分析表明,共轭梯度法优化的BP神经网络焦炭质量预测模型有较好的适应性和预测精度,具有一定的实际应用价值。     

基于改进BP神经网络的车削加工精度预测

针对标准BP神经网络收敛速度慢,容易陷入局部极小等缺陷,采用改变传递函数和改变学习率寻找最优权2种方法对其改进。通过分析车削零件表面粗糙度的影响因素,应用改进的BP神经网络,借助计算机编程计算,进行车削加工的精度预测。仿真结果表明,此方法能够达到较好的预测效果。     

基于改进狮群算法和BP神经网络模型的磨矿浓度预测

针对当前选矿生产过程中磨矿参数难以实时测量,导致的无法对磨矿流程控制进行有效实时优化的问题,提出了一种基于改进狮群算法和BP神经网络的磨矿浓度预测方法。传统的狮群算法(Lion Swarm Optimization, LSO)存在容易陷入局部最优解和局部搜索能力弱的问题,通过改变狮王更新方式的同时加入衰减因子,来提升全局搜索能力,避免陷入局部最优解,对于母狮和学习狮的更新方式引入了动态学习策略,来优化局部搜索能力,并在仿真测试中验证了改进算法的优越性。同时利用改进的算法代替BP神经网络中的梯度下降法,来搜索最优的权值和阈值,提升BP神经网络收敛速度和收敛精度。试验结果表明,改进狮群算法优化的BP神经网络(Improved Lion Swarm Optimization-BP,ILSO-BP)在此预测问题上有更好的效果。     

神经网络在煤与瓦斯突出预测中的应用

应用神经网络中的BP网络模型对金竹山矿区煤与瓦斯突出进行了预测。为了加快神经网络模型的收敛速度,增强其跳出局部极小点的能力,采用了自适应变步长法和改进模拟退火法(SA法)相结合的方法。实际应用表明,该模型预测准确性高,是一种有效的煤与瓦斯突出危险性预测方法。     

改进BP神经网络在煤与瓦斯突出预测中的应用研究

影响煤与瓦斯突出的因素较多,且呈现出复杂的非线性关系,采用传统的BP神经网络对煤与瓦斯突出进行预测,存在收敛速度慢及易陷入局部极小两个突出问题。为了克服缺陷、提高煤与瓦斯突出预测的精准性,笔者提出了一种改进的BP神经网络,并将其应用到煤与瓦斯突出预测中,建立了基于MATLAB神经网络工具箱的改进BP神经网络模型,并以此模型为基础,研发了煤与瓦斯突出预测系统。通过试验可知,该系统可使煤与瓦斯突出预测管理工作更加准确、可靠和高效。     

改进BP算法在旋转机械故障诊断中的应用

针对BP算法在实际诊断中表现出来的“学习收敛速度慢”、“易于陷入局部最小点”等局限性 ,改进BP算法的神经网络方法已经被提出 ,并且应用于对设备的故障诊断和分析研究。用转子试验台模拟了几种常见的故障 ,对其进行诊断研究 ,从中得出结论 :将代表故障的信息输入训练好的神经网络后 ,由输出的结果 ,便可以判断发生故障的类型 ,此外 ,改进后的BP算法大大地提高了网络收敛速度和稳定性 ,更能满足实时在线诊断的要求     

基于RBF-FCM-OLS的边坡稳定性评价方法

RBF神经网络具有很强的非线性并行处理能力和泛化能力,并且有很快的学习收敛速度,不易陷入局部极小,在边坡稳定性评价中已得到广泛的应用.但其过分依赖于隐含层数据中心的选取是否合适,故引入模糊-C均值聚类(FCM)算法对其进行优化.以122组边坡样本作为样本总体,其中1～114组为训练样本,115～122组为测试样本,运用FCM算法在边坡训练样本中初选多个RBF网络的数据中心,在此基础上运用正交最小二乘法(OLS)训练网络,利用训练后得到的回归矩阵信息在初选结果中重新选择RBF网络的数据中心,从而使数据中心得到优化,简化了RBF神经网络的结构.将优化后的RBF神经网络应用到边坡测试样本的安全系数的预测中,得到较高的预测精度.该方法加快了RBF神经网络的训练速度,提高了运算速率,与传统的BP网络进行比较,进一步证明RBF及其学习算法的优越性和实用性.     

RBF神经网络在边坡稳定性中的应用研究

为克服BP网络模型具有算法收敛速度慢、易陷入局部极小值的缺陷,应用RBF神经网络建 立了边坡稳定性分析模型.预测结果表明,基于RBF神经网络建立的模型是合理的、可靠的.在此 基础上分析了3种影响因素对边坡稳定性的敏感性,按照敏感性自高而低的顺序依次是内摩擦角、内 聚力、岩体容重.     

露天矿高陡边坡变形预报的最优LMBP算法研究

为提高BP神经网络在露天矿高陡边坡变形监测数据预测的精度与可靠性,建立了基于LM算法改进的LMBP神经网络预测模型。以某露天矿边坡监测数据为样本,构建了LMBP最优网络拓扑结构,通过MATLAB编制程序进行了网络训练和预测,应用结果表明:LMBP神经网络具有良好的函数逼近能力及较快的网络收敛能力,且该模型计算结果较为精确,预测精度较高。     

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。     

合同与侵权责任竞合时诉讼请求权的选择

合同责任与侵权责任是民事法律关系中两种重要制度，二者的构成要件不同，责任承担方式不同。当发生合同责任与侵权责任竞合时，如何选择适当的诉讼请求权，具有十分重要的意义。