一种分块建立决策表的粗糙集理论故障诊断与决策方法

提出一种新的基于粗糙集理论的故障诊断方法．该方法的思路是首先对故障诊断系统的多个条件属性进行分块，建立分块决策表；然后根据不相容算法及粗糙集的约简理论对分块决策表进行约简；最后根据粗糙集的最小化方法求出分块的最小化的决策表，再将分块的最小化的决策表合成，建立整个系统的最小决策集．这种方法和根据粗糙集理论直接建决策表相比，主要优点是：前者决策表的规则数仅为后者的1／5，使约简工作量大大简化；约简和最小化过程简单明了、直观．在此基础上。研制开发了一种基于粗糙集理论的双局部通风机瓦斯故障诊断及其自动切换装置。并在铜川矿务局现场试验成功．     

基于虚拟仪器的煤层自燃监测预报系统

井下煤层自燃严重危害着安全生产。利用煤层自燃的物理和化学特性,设计了一种基于虚拟仪器技术的监测预报系统,实现了实时监控和自燃预报。     

煤矿安全网中基于已知样本的快速聚类入侵检测算法

针对煤矿安全生产信息系统中出现的网络入侵问题,在网络入侵异常检测技术中提出一种基于已知样本的快速聚类入侵检测算法.该算法通过对已知样本训练来准确获得初始聚类中心,同时运用对象分离的方法计算聚类中心和非相似度,解决了由于传统聚类算法随机选取初始聚类中心和只能计算单一连续属性或离散属性带来的网络异常检测中误报率高而检测率低的问题.实例验证表明:该算法比传统聚类算法的检测率提高了30%,误报率降低了25%,并且能获得对新型攻击的检测.     

基于小波变换的变压器励磁涌流鉴别的新方法

为正确鉴别变压器励磁涌流和匝间短路电流以防止变压器保护装置的误动作,提出了一种基于小波变换鉴别励磁涌流和匝间短路电流的新方法。该法利用小波分析能准确捕捉信号突变的特征,选用B样条小波对Matlab仿真产生的样本数据进行分析,通过分解后的局部模极大值处对应的小波系数求得表征信号奇异度大小的李氏指数值,用此值的大小作为识别量来区分励磁涌流和短路电流。分析表明励磁涌流的李氏指数值较小,而短路电流的李氏指数值较大,通过对不同参数的变压器及其不同类型故障的仿真,找出了其定量参考值。结果表明该方法可在采得一个周期数据后实现正确鉴别。     

基于免疫蚁群融合算法的机械臂目标图像边缘检测*

针对工业机械臂目标自识别所需的高效图像边缘检测要求,提出了一种基于免疫蚁群融合算法的图像边缘检测方法。该方法以信息素为基准,通过注射疫苗进行免疫选择从而优化启发信息,提高后续遍历效率并有效缩短检测时间。避免了蚁群在游历全图时可能产生的局部最优、收敛停滞等问题,从而得到符合机械臂自识别要求的图像处理结果,并能够较好地提高迭代遍历效率,缩短后续处理时间。仿真实验结果表明,该算法能够得到较好的边缘检测结果。     

基于神经网络的带式输送机火灾预警算法

针对传统的带式输送机火灾预警算法大多仅根据单一特征信号进行火灾预警而导致误报率较高的问题,提出了一种传统火灾预警算法与神经网络相结合的带式输送机火灾预警算法。该算法将多种传统火灾预警算法提取的单一特征变量作为神经网络的输入量,利用实验室所测得的样本数据来训练神经网络,并将神经网络的输出作为火灾预警算法的最终输出。实验结果表明,该算法能够有效识别出样本数据中的火灾预警状态,误报率低。     

一种基于改进遗传算法的单神经元控制方法

为实现在实际的炉群多变量燃烧系统中,对各个燃烧的子系统的控制参数进行优化,提出了一种基于改进适应度函数的遗传单神经元控制算法,该算法克服了采用神经网络方法收敛速度慢、在求解过程中陷入局部极小点等缺点,利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元控制相结合,实现对一类非线性系统的参数进行优化。模拟实验和真实结果验证了这种方法是可行的。     

矿井电网漏电暂态特征分析及仿真

为了便于利用暂态特征实现矿井电网漏电识别的快速性与可靠性,建立了矿井低压电网单相漏电暂态过程的数学模型,分析获得了漏电的零序电压、零序电流、接地电流、各相对地电压等的动态时域数学描述。以某矿井660 V电网为例,利用Matlab的Simulink软件包,搭建了接近实际的漏电模型;对理论建模分析的正确性,不同漏电电阻、不同漏电角、不同漏电点和线路长度等与漏电特征之间的关系等进行了大量仿真;仿真波形的重合性和相似度证明了理论建模的正确性。在暂态过渡阶段,零序电压、零序电流及它们冲击值等随漏电电阻的增大而减小,     

多阈值S-F的光照不均图像分割

针对钢管识别统计系统开发中,图像分割环节易受光照不均匀影响的问题,以及对图像增强处理后再分割导致目标错分的不足,本文提出一种多阈值S-F(分割-融合)的图像分割方法。该方法根据改进的Otsu多阈值法,采用形态学操作与图像融合技术,实现堆垛钢管目标的提取。实验结果表明,在光照不均匀情况下,该方法对钢管图像的分割效果明显优于传统方法,具有不受光照优劣程度影响、适应性强的特点,可应用于机器视觉领域的目标识别。     

智能自适应内模控制

针对纯滞后的非线性系统提出了一种基于内模控制（ＩＭＣ）的控制方案，该控制系统主要由预测模型和逆控制器组成，前者完成被控对象模型的建立，后者完成最优控制器的实现，在参数估计器中，采用随机干扰下的随机逼近算法来实现参数的辨识，最后的仿真结果表明，采用内模控制使系统的性能和鲁棒性能都到改善，控制效果很好。