基于BP神经网络的双能X射线透射的 金属识别算法

双能X射线透射识别技术可识别物质种类,是一种能用于废金属回收的新方法。在废金属识别算法中,目前的曲线拟合识别算法只能在物质厚度较小时能较好的拟合,识别准确性和厚度范围不能满足废金属分选要求,并且不能解决X射线源扇形效应的影响。针对现有算法的不足,基于 曲线提出 识别特征,提高了识别的厚度范围;提出将物料位置作为识别特征,解决了扇形效应;结合 特征和位置特征提出基于BP神经网络算法的废金属分类模型。通过铜和铝物料实验对比,结果表明识别准确率从81.4%提高到了94%。     

基于曲线拟合的双能X射线透射的金属识别研究

双能X射线透射分析技术通过识别物料种类来回收废旧金属.针对传统的识别算法存在识别结果受金属厚度影响大、可识别的金属厚度范围较小的问题,在曲线拟合方法的基础上提出了一种基于野值判断的金属识别方法.采用基于高、低能T值的拟合曲线,减少了厚度因素对拟合曲线相关度的影响,解决了较厚金属无法识别的问题;引入野值判断,提高了识别的...     

煤矿大型机械设备滚动轴承故障诊断改进方法研究

针对传统的特征选择算法用于煤矿机械轴承故障诊断时将嵌入学习和特征排序分开，无法准确选择出能表征高维数据集的子集和故障诊断准确率不高的问题。文章提出了一种基于嵌入学习与稀疏回归的煤矿机械轴承故障诊断方法。该方法首先构造嵌入学习模型，学习高维数据的流形结构；其次，在回归模型中引入具有组稀疏性的l_2,1范数，有效剔除冗余特征；然后联合嵌入学习和稀疏回归构造特征选择框架，选择出能准确表征原始高维数据的本质特征；最后通过与K-最近邻算法相结合进行煤矿机械轴承的故障诊断。实验结果表明，提出的模型显著提高了煤矿机械轴承的故障诊断精度。     

基于案例推理的岩爆预测方法

岩爆的发生受很多因素的影响,K-最近邻是一种简单易行且性能优秀的基于案例的机器学习推理技术.本文提出了基于K-最近邻案例推理的岩爆预测的新方法,该方法通过扫描深部开采中岩爆案例数据库,根据实例近邻性相似度函数,搜索出与预测事件在岩爆发生影响因素上最相似的多个岩爆实例,最后使用投票表决的方式推理预测新的复杂环境下岩爆发生的可能性.南非深部矿山的工程应用研究结果表明,该岩爆预测方法是科学可行的,容易实现且预测精度高,具有良好的应用前景.     

基于案例推理的岩爆预测方法

岩爆的发生受很多因素的影响,K-最近邻是一种简单易行且性能优秀的基于案例的机器学习推理技术.本文提出了基于K-最近邻案例推理的岩爆预测的新方法,该方法通过扫描深部开采中岩爆案例数据库,根据实例近邻性相似度函数,搜索出与预测事件在岩爆发生影响因素上最相似的多个岩爆实例,最后使用投票表决的方式推理预测新的复杂环境下岩爆发生的可能性.南非深部矿山的工程应用研究结果表明,该岩爆预测方法是科学可行的,容易实现且预测精度高,具有良好的应用前景.     

基于特征选择的KNN算法在煤炭勘查工作中的应用

KNN也称作K最邻近结点算法(k-Nearest Neighbor algorithm)的缩写形式,是分类预测的经典算法之一。在煤炭勘探过程中,往往希望将新勘探出来的煤炭产品分类预测,并采取对应类别的煤炭处理和保存措施。文中,将采用基于特征选择的KNN分类算法应用到煤炭勘探分类预测工作中,该方法首先选择煤炭分类中有价值的特征属性,并使用KNN算法完成分类工作.该算法可以有效地提高煤炭分类预测工作的效率,并且有助于煤炭后续的保存和精加工措施。     

基于高分一号特征优选的CART决策树面向对象分类研究

以陕西省神木县部分区域为研究区,采用国产高分一号影像数据,结合目视解译成果,研究基于多种特征的CART决策树面向对象分类,对研究区的地物类型进行自动提取。在训练样本一致的前提下,利用面向对象最邻近分类优化特征空间工具间接优化决策树特征空间,并与其分类结果相对比,证明CART决策树面向对象分类是一种高效、高精度的分类方法,尤其适用于大数据量的高分辨率遥感影像地物类型自动提取。     

基于长程时空特征与多尺度外观特征的锌精选工况识别北大核心

锌精选作为锌浮选的最后一道流程,其工况直接决定锌浮选最终产品质量。现有基于卷积网络的浮选工况识别方法具备挖掘隐藏特征的能力,取得了良好效果,但仍存在表征能力有限、模型参数大等问题。为此,提出了基于长程时空特征与外观特征的锌精选工况识别模型。首先,提出基于分离三维卷积网络(Separable 3D Convolutional Neural Network,S3D CNN)与注意力机制的泡沫视频相邻帧间短程时空特征提取方法,获得特征聚焦的泡沫视频相邻帧间短程时序信息。然后,在短程时空特征的基础上采用双向卷积长短时记忆网络(Bi-directional Convolutional Long Short-Term Memory,BiConvLSTM)提取泡沫视频帧间的长程时空特征,获取泡沫视频帧间的长程动态时序信息。最后,采用基于残差网络和迁移学习的二维卷积网络提取泡沫图像的多尺度外观特征,并融合长程时空特征,对锌精选工况进行识别。实验结果表明,与现有卷积网络方法相比,所提模型在工况识别精度和模型参数上性能更佳。     

液压缸类零件特征信息分类及描述方法的研究与实现

介绍了液压缸各类零件CAPP系统设计过程中对零件的特征分类与组成方法 ,提出以成组技术为基础的特征表面描述法与面向对象技术相结合的零件信息描述思想 ,通过该方法的实现 ,表达了零件各特征要素间的隶属、约束与继承关系。     

小样本下基于改进ACGAN数据增强的X射线矿石图像分类方法

针对工业领域利用深度学习模型对矿石进行在线分类时,矿石样本稀少导致的模型过拟合、分类准确率低的问题,提出一种结合X射线透射成像技术的矿石数据增强分类方法。该方法基于改进辅助生成对抗网络(Enhance-based Classification ACGAN-gp, EC-ACGAN-gp),采用卷积和连续残差块构建判别器和生成器,引入注意力机制捕捉矿石细节特征,生成高质量样本扩充原始数据集,同时使用带梯度惩罚的Wasserstein距离重构判别器的损失函数提高对抗训练的稳定性,避免模式崩溃。通过增加辅助分类器重建样本标签信息,最终实现矿石样本的类别预测。结果表明,该方法能实现矿石品位分类的精准预测,准确率可达89.62%,比现有传统方法提高3.98%。该模型生成的矿石样本泛化性良好,能够显著提高小样本数据集的泛化性,在SVM、LeNet5、VGGNet、ResNet上测试,精度分别提升了2.83%、2.36%、1.89%和3.74%,可进一步用于提升其他分类模型在矿石品位预测方面的性能。     

小样本下结合X射线透射技术的数据增强型矿石分类方法

摘 要：目的 针对工业领域利用深度学习模型对矿石进行在线分选时,矿石样本稀少导致的模型过拟合、分类准确率低等问题,提出一种结合X射线透射成像技术的矿石数据增强分类方法。该方法基于改进辅助生成对抗网络（Enhance-based Classification ACGAN-gp, EC-ACGAN-gp）,可实现对矿石品位的精准预测。方法 首先,在模型架构上,判别器和生成器采用卷积和连续残差块构建,引入注意力机制捕捉矿石细节特征,并使用Wasserstein距离和梯度惩罚重构判别器的损失函数,以提高对抗训练的稳定性,避免模式崩溃。其次,在算法上,增加辅助分类器与生成器协同训练,生成高质量样本并扩充原始数据集。最后利用判别器对矿石样本进行类别预测。结果 实验结果表明,模型分类准确率可达89.62%。结论 所提方法可有效提高小样本条件下矿石品位的分类精度,模型生成的矿石样本泛化性良好,对提高其他识别网络在矿石品位预测方面的性能均适用。     

基于T值映射的双能X射线透射中矿石识别算法与分选技术研究

将与矿石原子序数相关的R值图像映射方法运用在矿物识别中能够较准确的识别矿石,但是由于R值的推导直接忽略了矿石厚度的影响,从而导致其受厚度的影响较大,所以该图像映射方法存在一定的缺陷。与矿石厚度及密度相关的T值算法保留了厚度和密度两个重要参数,因此使用T值得到的图像信息量将会更多。本文使用T值图像映射方法对采集到的双能X射线透射矿石的图像进行验证。首先,对铝和铜进行T值与R值识别算法进行曲线拟合的优劣对比,经过实验可知,R值的相关系数仅为0.9145和0.9855,而T值曲线拟合相关系数分别达到了0.9983和0.9949,因此T值算法相对减小了厚度对物质识别的影响且T值算法更优。本文在此研究的基础上提出一种基于T值的图像映射方法。该方法首先利用灰度值来代替信号强度值计算出T值,得到由T值作为等大小的灰度图像,然后再使用中值滤波以及RGB配色得到最终的图像。经过实验可知,T值映射相较于R值映射不仅在运行速度上得到了提高,而且在图像清晰度以及矿石识别的准确率都得到了较好的提升。     

基于多分辨率图像的矿物特征自动提取与矿物智能识别模型

传统卷积神经网络运用于矿物种属鉴定时，由于其较大的参数量和固定输入图像分辨率的限制，需要充足的计算资源与一定的图像预处理，难以在实际勘探中部署。为此，本文基于深度可分离卷积，结合注意力机制，通过密集连接的方式构建矿物智能识别模型，且该模型可以对多分辨率矿物图像进行训练。实验结果表明，模型内存占用仅为20M，验证准确率与测试准确率均高于90%，分类效果优于经典卷积神经网络，表现出优异的正负例样本鉴别能力。以上结果证明，本文提出的模型在识别性能与内存占用达到良好的平衡，适用于便携式设备，且能有效地对不同分辨率矿物图像进行识别，并有良好的泛化性，具有潜在的应用价值。     

金属矿山溜井系统的设计与优化

溜井系统是金属矿山实现矿废石低成本下向运输的有效方法。面对国内外矿山频繁发生溜井变形破坏的问题,在分析溜井系统变形破坏影响因素的基础上,以孟家铁矿露天转地下开采工程设计为例,进行了溜井运输系统优化,改变了传统的竖井旁侧高段集中溜井的设计模式,提出了竖井旁侧矿仓+采区溜井的溜井系统设计模式和采区溜井的倾斜布置方案。与优化前相比,优化后的方案减少掘进工程量15307.26m~3,减少支护工程量1870.10m~3,减少基建工程费457.8万元,缩短基建工期3.5月,能够有效克服高段溜井在生产使用过程中的各种不利因素。     

基于LMD和模式识别的矿山微震信号特征提取及分类方法

针对岩体破裂信号与爆破振动信号难以自动识别的问题,提出了基于局部均值分解(LMD)和模式识别的矿山微震信号特征提取及分类方法。首先采用LMD对微震信号进行自适应分解得到乘积函数(PF)分量,再利用相关系数和方差贡献率筛选得到PF主分量,进而计算各主分量的相关系数和能谱系数,并以此作为模式识别的特征向量。结果表明:LMD、经验模态分解(EMD)和离散小波变化(DWT)的主分量分别为PF1~PF6,IMF1~IMF6和D2~D7,其中IMFi(i=1,2,…,6)为EMD分解的本征模态分量,Dj(j=2,3,…,7)为DWT分解的细节分量;LMD主分量分类识别结果整体上优于EMD和DWT主分量分类识别结果;能谱系数分类结果整体上优于相关系数分类结果,人工神经网络(ANN)和支持向量机(SVM)识别效果明显优于逻辑回归(LR)和Bayes判别法识别结果,且基于LMD能谱系数的SVM分类准确率达到了93.0%。     

基于贝叶斯网络的某金属矿山风险分析

为了使金属矿山安全管理人员能更有效地对矿山进行风险管理。通过对采矿区间事故数据的统计,依据事故后果严重程度确定其权重值,建立矿山事故灾害事故树模型,并将其转换为贝叶斯网络,对各类生产事故条件概率进行计算。将计算结果与矿山其后几年生产事故数据进行比较,该风险分析模型能有效对矿山事故进行分析。     

矿山岩石节理裂隙检测方法综述

岩石节理裂隙的精确检测是判定矿山开挖稳定性的关键,一般的检测步骤是从原始图像中提取出有效的裂隙信息,通过识别感兴趣区域来获取特征知识,从而完成对图像的理解。首先对矿山岩石节理裂隙的特征进行概括分析;然后对近30 a来岩石节理裂隙检测方法进行分类,系统地介绍了模式识别方法、数学形态学方法和分形学方法的理论依据、优缺点以及研究成果,并对这几种方法进行了分析比较;最后对岩石节理裂隙检测方法的现状及发展趋势进行了总结。     

Feature extraction of induction motor stator fault based on particle swarm optimization and wavelet packet

To effectively extract the interturn short circuit fault features of induction motor from stator current signal, a novel feature extraction method based on the bare-bones particle swarm optimization (BBPSO) algorithm and wavelet packet was proposed. First, according to the maximum inner product between the current signal and the cosine basis functions, this method could precisely estimate the waveform parameters of the fundamental component using the powerful global search capability of the BBPSO, which can eliminate the fundamental component and not affect other harmonic components. Then, the harmonic components of residual current signal were decomposed to a series of frequency bands by wavelet packet to extract the interturn circuit fault features of the induction motor. Finally, the results of simulation and laboratory tests demonstrated the effectiveness of the proposed method.     

金属非金属矿山双重防控体系信息管理系统设计方法

本文针对金属非金属矿山双重防控体系运行过程中风险辨识与评价不及时、安全检查不到位、隐患排查与治理不闭环等难题,研究金属非金属矿山双重防控体系信息管理系统设计与功能模块的实现过程。基于金属非金属矿山双重防控体系的建设思想和要求,结合数字化处理和互联网传输技术,探讨设计了由数据层、功能层、用户层和接入层构成的系统总体架构;通过分析双重预防机制的内部规律和关联逻辑关系,构建了风险管理、安全检查和隐患闭环管理三个核心业务模块的动态运行任务流程;运用流程化表征方法对矿山人机环管涉及的业务流程进行了流程化表征,开发了双重防控体系流程运转程序和表单化表征。最终实现双重防控机制安全信息的实时传递和即时推送,推动矿山全岗位职责全流程闭环管控运行,有效提升金属非金属矿山企业安全管理水平。     

基于改进型粒子群优化的磨矿分级系统溢流浓度控制的研究

提出一种改进型粒子群优化PID控制方案,改进型粒子群优化将粒子速度更新的前一次的改变量引入到粒子群速度更新公式,引入动量因子,减小粒子在速度更新过程中的震荡,收敛速度更快,收敛精度更高。将改进型粒子群优化PID方案应用到磨矿分级系统溢流浓度控制中,对比例、积分、微分系数进行优化。仿真结果表明,该算法计算量小,所得到的控制器参数能够使控制系统获得更好的动态响应特性和满意的控制效果。