基于RSSI的矿井移动目标加权质心定位算法

基于接收信号强度(RSSI)定位技术,通过优化质心定位算法和权值因子来提高煤矿井下移动目标的定位精度。该方法将接收到的RSSI值进行高斯混合滤波,利用最大期望算法(EM算法)对数据进行聚类分析,然后根据赤池信息量准则(AIC)选取AIC值最小的分布模型作为算法计算模型,最后将加权质心算法引入幂值求得定位坐标;用CC2530传感器节点作为通信节点进行实验验证。实验证明,优化后的加权质心算法的定位误差较小。     

指数平滑法在地下水水质预测中的尝试

指数平滑法是一种非统计性的预报方法，该方法计算简便、易于掌握。本文简要地介绍了指数平滑法的原理和计算方法，并以武昌华中师范大学生产井岩溶地下水中硫酸根离子等变化为预测对象，进行尝试性计算和分析，结果是令人满意的。     

基于改进PSO算法的煤矿相机参数优化设计

为提升基于PSO算法的煤矿相机参数选取的准确性,提出了一种基于惯性权重调整对粒子群算法进行优化的方法。在优化中在结合e指数法的基础上,通过粒子适应度函数值对惯性权重进行动态调节,在迭代的前期阶段,此时的适应度值较大,根据迭代次数对惯性权重进行调整,在迭代的后期阶段,此时的适应度较小,则根据适应度值对惯性权重进行调整,从而达到减少迭代次数、提高精度的目的,通过优化后的算法对张氏标定法得到的相机内参进行调节。为验证算法优化后的效果,对优化参数后的相机进行标定试验,经标定试验可知,改进PSO算法对煤矿相机参数优化后,平均误差为0.451 7 piexl、标准差为0.298 9 piexl、迭代次数为213次,对比标准的PSO算法、e指数法,能够明显提高相机参数的精准度、降低迭代时间。     

基于常态挖掘路径的液压挖掘机轨迹规划方法

针对真实挖掘路径的轨迹规划问题,提出了一种在常态挖掘路径下的轨迹规划方法,以挖掘机3组液压缸长度变化量最小化为优化目标,将铲斗姿态角作为设计变量,在挖掘机几何约束和位置盲角约束条件下,采用粒子群优化算法寻找姿态角的最优值.由经验法、MATLAB优化工具箱和粒子群优化算法计算得到了液压缸长度变化量,又通过试验得到了真实的路径数据,对比了采用2种优化方法和试验得出的液压缸长度变化量,验证了所提出方法的有效性.研究结果表明:使用粒子群优化算法对复合挖掘路径进行轨迹规划,得到的各关节角位移、角速度变化曲线平滑连续,角加速度变化曲线连续,且能够有效减少液压缸长度变化量和变向点数量,降低能耗.     

开采沉陷动态精准预计的时效Knothe函数方法研究

针对当前开采沉陷动态预计不精准问题,综合利用实测分析和理论研究方法,提出了基于时效Knothe函数的开采沉陷动态精准预计方法,主要取得如下成果：①Knothe时间函数的参数C值在开采过程中呈现近似正态分布,采动结束后C值呈负指数衰减直至趋于定值;②预测时效Knothe函数C值的实验结果表明：就整体性预测而言,AR模型的整体性最好,传统的GM（1,1）模型误差较大,3次指数平滑法的预测结果出现粗差;就单期预测而言,传统的GM（1,1）模型和AR模型对C值的预测存在不稳定性,3次指数平滑法各期预测值误差均小,较稳定。研究成果对研究开采沉陷动态精准预计具有参考意义。     

改进RRT算法的机械臂路径规划研究

针对基本快速扩展随机树(RRT)算法在机械臂路径规划过程中随机性大、冗余节点多、路径拐角多、不光滑等缺点,提出一种增强目标导向性、减少冗余节点、优化路径平滑性的改进RRT算法。首先针对基本RRT算法产生冗余节点多、搜索时间长的问题,在采样过程中添加概率采样策略,增强目标导向性;其次,针对规划后路径平滑性差的缺点,添加贪婪优化策略,优化路径,对优化后的路径进行三次样条插值优化,将转折路径优化为平滑的路径。在MATLAB仿真环境中,对二维地图、三维地图及机械臂算法追踪进行了算法验证,实验结果表明改进算法的迭代次数、规划时间、路径长度和平滑度均得到有效提升。     

改进三次指数平滑法预测矿山压力显现研究

以黄沙矿2上采煤工作面为研究对象,分析了该工作面矿山压力显现的规律与特点;以三次指数平滑法为基础,结合最小二乘法原理,建立了改进三次指数平滑法,并运用该方法对黄沙矿2上采煤工作面矿山压力进行了预测研究.研究结果表明:该工作面矿山压力显现具有明显的非线性和非规律性特点,且周期来压特性不明显,建立的改进三次指数平滑法可以用来对矿山压力进行预测研究,且预测精度较高;该方法对矿山压力的非现性、非规律性适应能力较强.     

指数平滑法改进灰色模型及其在形变数据分析中的应用

基于指数平滑方法,提出改造短形变观测值序列方法,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性;对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列.实例分析表明,指数平滑改进的灰色预测模型有较高的预测精度.     

基于WI-FI的矿井人员精确定位算法

提出了一种基于WI-FI的矿井人员精确定位新算法,介绍了定位系统结构及信号模型,给出了一种基站节点优先选择的方法,在此基础上通过对全交点质心定位算法的分析,给出了加权全交点质心定位算法。为进一步提高定位精度,对加权全交点质心定位算法进行改进,最终提出一种运用最大似然估计滤波法对RSSI值进行滤波优化的新算法。仿真实验结果表明,新算法提高了定位精度,具有可行性和优越性。     

新疆准东五彩湾煤田区不同深度土壤重金属污染评价、来源分析与空间分布特征

选择新疆准东煤田五彩湾露天煤矿区域作为研究区,对研究区周围的不同采样点的土壤样品进行采样及室内试验分析,测定了土壤中0-10cm、10-20cm、20-30cm三层土壤中的Hg、As、Zn、Cu、Cr、Pb六种重金属的含量,采用了多元统计分析、内梅罗综合污染指数法、地积累指数法,潜在生态危害指数法、主成分分析法、GIS空间插值和降尘重金属分析等方法对六种重金属在该区域的污染程度,空间分布特征,污染范围和等级,污染来源进行分析和评价。结果表明：从重金属含量上看,Hg、As、Cr三种元素的均值含量超过了新疆背景值,分别约为背景值的3.0倍、2.8倍和1.6倍。其中Zn和Cu相关性成线性正相关,相关系数较高,根据主成分分析可以确定这两种元素主要来源于土壤母质,Hg元素主要来源受人为因子影响,As、Cu、Cr元素不仅来源于土壤母质,也受人为因子影响。综合污染评价表明,Hg和As处于重度污染,其中Hg污染程度极重,Cr处于中度污染,Cu,Zn和Pb处于轻微污染状态。潜在生态风险表明,Hg处于较高生态风险,其他元素生态风险较低,该区域的潜在生态风险处于较高。从空间分析看,重金属高污染区域主要集中在矿区周边,公路附近和两个工业园区附近的区域,煤矿开采,运输,煤化工生产和能源工业等人类对土壤重金属的空间分布影响较大。     

指数平滑法在基坑深层位移预测中的应用

将指数平滑法应用于基坑深层位移预测中, 并利用累计方差和最小准则选取平滑系数α。运用指数平滑法对某基坑工程3^#测斜孔20 m深处监测数据进行预测分析, 得到最大绝对误差为0.41 mm, 远小于规定值, 表明预测效果良好。通过比较3^#测斜孔15 m深处与20 m深处的同期预测数据的平均绝对误差与均方差, 得出15 m深处预测误差较20 m深处大, 表明20 m处预报较准确。     

石灰石矿山台阶边坡爆破振速安全阈值研究

爆破是矿山露采的必要手段,爆破振速安全阈值的确定对矿山台阶边坡的安全开采起着重要的作用。以四川兴联石灰石矿山台阶边坡为例,采用速度判别法,选取规范中的爆破振速安全阈值为拟静力法和动力显示分析法作参考;采用拟静力法,选取优势结构面作为潜在滑动面反演得到爆破振速安全阈值;采用ANSYS/LS-DYNA的动力显示分析法,建立台阶边坡模型,选取模拟监测点数据与实际监测数据进行对比,并结合质点振动速度与应力进行回归分析得到爆破振速安全阈值。通过对三种方法的对比研究得到,拟静力法与动力显示分析法得到的结果接近,且符合速度判别法中的规范。综合三种分析方法最终对台阶边坡爆破振速安全阈值进行合理取值。     

基于WOA优化神经网络的斜坡道拱顶沉降预测研究

为了更准确地预测地下矿山中斜坡道拱顶沉降的趋势,并控制预测精度,以保障矿山安全。本文提出鲸鱼算法优化神经网络的斜坡道拱顶沉降预测方法。主要步骤为：首先采取邻点中值平滑处理的方法对原始数据进行处理,将处理好的监测数据作为输入样本对BP、Elman神经网络进行训练、测试;再利用鲸鱼算法对初始权值和阈值优化,最后通过不同模型输出预测值。通过仿真实验研究表明:鲸鱼优化后的BP、Elman神经网络模型相比优化前均能更准确地预测斜坡道拱顶沉降;WOA-Elman模型的决定系数为0.948,优于WOA-BP模型0.941,但WOA-Elman模型运行时间耗费671.214 s远超于WOA-BP模型307.226 s,WOA-Elman耗费了更多的训练时间换取了少量的精度提升,大幅降低了训练效率;结合工程实例实测值、预测值的分析比较,鲸鱼算法(WOA)优化后的BP神经网络表现出了更高效且准确的斜坡道拱顶沉降预测能力。     

提升路基沉降预测能力的方法

由于沉降复杂的随机动态变化过程,数学模型在沉降预测中的可靠性和预测能力总是受到限制。为了提升数学模型的预测能力,利用黄土地区某高速铁路的路基沉降监测数据,采用不同步长的3次指数平滑法模型,采用交叉验证法和后验精度分析法,对模型的拟合精度和预测精度进行比较验证,获得可靠的最优预测模型;然后,采用平行修正预测法对模型的预测结果进行修正预测,提升模型的预测能力。结果表明,采用交叉验证法和后验精度分析法可获得最优的预测模型,平行修正预测法不但提高模型的预测精度,还增加了预测长度,提升了综合预测能力。该方法原理简单,操作容易,适应性强,也可以应用到其它数学模型中。     

指数平滑法在贵州省煤炭产量预测中的应用初探

利用EXCEL软件中的指数平滑分析工具对贵州省2000年至2010年11年的煤炭产量数据进行分析,分别测算几个不同平滑指数下的一次指数平滑结果,根据偏差平方最优原理选择合适的平滑指数,再通过二次指数平滑,得出贵州省煤炭产量的趋势模型。     

GRNN神经网络在矿区地表变形预测中的应用

针对矿区地表变形预测受多种因素影响的复杂性、非线性等特点,基于新型广义回归神经网络（GRNN）,构建了矿区地表变形预测模型。首先,介绍了GRNN的建模原理,并对影响GRNN网络预测的关键因素进行了讨论;其次,为了提高网络的泛化能力及预测精度,采用滚动建模方式对网络进行建模训练,并基于最小均方误差原理提出了交叉验证搜索算法对GRNN网络预测关键参数平滑因子SPREAD进行优选;最后,将优化后的GRNN网络应用于某矿区地表变形预测,并与LM-BP、RBF、回归分析3种模型的预测效果进行了比较,结果表明,GRNN网络泛化能力强、算法稳定,且预测精度较高,适合于矿区地表变形预测。     

采煤工作面瓦斯涌出量LMD-BP神经网络建模预测

 详细阐述了局部均值分解(Local mean decomposition,简称LMD)非平稳信号处理方法, LMD算法具有高度的自适应性,能够分解得到数据本身所具有的特征参量,也就是它能够将任意一个非常复杂的非平稳信号分解成若干个具有一定物理意义的PF(Product function,生产函数)分量之和,通过对收集得到采煤工作面瓦斯涌出量数据进行LMD分解,得到多个PF分量。而后再用改进的神经网络方法对其分别进行预测,再把不同预测结果进行叠加重构合成,进而获得瓦斯涌出量预测值。通过对瓦斯实际监测数据进行分析,可以得出,此方法预测效果比常规的神经网络方法预测精度更高,因为通过LMD方法分解得到的PF分量更具有一定地规律性,所以能够更大幅度提高瓦斯涌出量的预测精度,实例分析也表明,其预测结果与实际监测结果极高的一致性。     

基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究

为了对煤矿瓦斯监测数据进行有效分析,以实现准确、可靠的回采工作面绝对瓦斯涌出量预测,提出了蚁群聚类算法优化Elman神经网络的绝对瓦斯涌出量动态预测方法。算法通过对Elman神经网络的权值、阈值寻优,建立了基于ACC-ENN算法的绝对瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经蚁群聚类优化后的Elman神经网络绝对瓦斯涌出量预测模型较其他预测模型具有更好的泛化能力和更高的预测精度,有效地实现了煤矿绝对瓦斯涌出量动态预测。