基于仿生嗅觉的电子鼻在煤矿火灾预报识别的应用研究

在煤矿井下存在多种复杂易燃混合气体,当外界温度或其他因素发生不稳定变化都可能引发火灾或其他事故;为了避免发生事故,提高预警机制,提前进行预报,根据生物嗅觉系统的模糊神经机理在嗅觉感知中所起的关键作用,构建了更接近生物嗅觉的模糊优化神经网络,使电子鼻系统具有仿生特性;最后通过MATLAB实验测试,根据不同温度下煤矿中的混合气味成份的不同进行成份模拟实验,实验结果表明,该电子鼻不仅具有辨识的快速性,还提高了自适应辨识的精度,从而能够准确做出预报。     

基于双缓冲机制的多尺度导航电子地图显示设计

为了提高电子地图数据的精度和画面显示的速率,对地图数据格式加以改进,新增isvl参数准确标识出被描绘数据情报的尺度,对检索的数据缓存做了优化性能管理,依据地图数据的格式提出了坐标变换、数据解析和描画范围定位的准确算法,采用双缓冲机制绘制地图;经实验证明,使用该套方案实验的结果,具有以下特性:1)高精度,多尺度;2)画面合理的表达了空间关系;3)支持实时动态快速显示;可应用到电子地图的研发中。     

基于径向基的瓦斯涌出量灰色预测模型

为了进一步预防煤层瓦斯突出,实现准确、快速预测煤矿瓦斯涌出量的大小,首先采用1-AGO对样本数据进行处理,建立灰色(GM)预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值;采用阜新煤矿某工作面瓦斯涌出量的历史数据进行建模,实验结果表明,GM-RBF组合模型在预测精度及训练误差方面均优于单一的GM模型和RBF神经网络预测模型;算法计算简便,减弱了数据的随机性及模型误差,煤矿瓦斯涌出量的预测平均误差减小到1.57%。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

基于FLUENT的综掘面风幕集尘除尘系统结构研究

针对目前井下综掘面防治粉尘难的问题,研发了一种新型风幕集尘除尘系统,经过模拟论证系统可以达到良好的除尘效果。为了使系统内部结构更好地匹配,现对风幕集尘除尘系统中的除尘风筒结构进行改造,并应用计算流体力学Fluent软件对改造前后两种不同的系统模型进行数值模拟。模拟结果说明了除尘风筒横断面为圆形更利于系统除尘效果。     

基于二极管-电容倍压单元的DC-DC升压变换器

文章基于二极管-电容倍压单元,提出了一种新型高增益升压变换器。该拓扑在实现高增益的同时可以避免使用极大的占空比,并且有效地降低开关管和二极管的电压应力。分析了变换器的工作原理,推导了变换器工作在连续状态（CCM）和断续状态（DCM）下的电压增益、开关器件的电压应力和电感电流纹波。CCM状态下与传统的Boost变换器相比电压增益是其（5-D）倍,电感电流纹波近似减小为原来的一半。最后通过仿真与样机实验验证了理论分析的正确性,表明提出的变换器具有良好的综合性能。     

Analysis of damage localization for ductile metal in process of shear band propagation

1 Introduction Shear localization is an important and often dominating deformation and failure mechanism for Ti and Ti alloy in dynamic loadings[1—10]. The eventual outcome of localized deformation is ductile rupture and material separation. Shear locali…     

同安煤矿4101综放工作面煤氧化自燃的标志性气体研究

煤自然火灾严重威胁着煤炭工业的安全。为了遏制该类火灾的发生,煤自然火灾指标气体的预测预报功能越来越受到人们的重视。本文通过煤氧化反应生产气体的红外光谱实验,分析了同安煤矿4101综放面煤样在升温氧化过程中,在不同温度下煤氧化自燃产生气体的红外光谱图谱,确定了此煤样在氧化自燃过程中在不同温度下出现的标志性气体。建立了标志性气体的预报模型,研究分析了煤样氧化自燃生产的CO、CH_4和C_2H_4气体的浓度与温度的关系。结果表明,4101综放工作面实验煤样氧化自燃生成的气体产物有H_2O、CO_2、CO、CH_4和C_2H_4等5种,CH_4、CO和C_2H_43种气体的浓度随温度的升高有着不同的变化规律。对矿井自燃火灾的预测预报具有重要的指导意义。     

基于蚁群算法的遥感影像传输资源调度方法

针对遥感影像数据量大,多用户并发请求造成服务器负载加重,使遥感影像传输效率逐渐降低的问题,提出一种在多线服务器环境下分块调度遥感影像资源的策略。该策略采用改进的蚁群优化(IACO)算法,通过引入一个线路等待因子γ动态选择当前最优的线路进行传输,从而提高传输效率。对IACO、ACO、Max-min、Min-min和Random算法进行了对比实验,IACO算法在客户端的任务完成时间和服务器端的执行时间与其他算法相比均是最少的,且随着任务数目的增加,效果更明显;同时IACO算法的线路资源的利用率也更高。仿真结果表明:多线服务器分块调度策略与改进蚁群算法相结合,使遥感影像传输速度和线路资源利用率均有一定提高。     

结合双粒子群和K-means的混合文本聚类算法

传统K-means算法对初始聚类中心选择较敏感, 结果有可能收敛于一般次优解, 为些提出一种结合双粒子群和K-means的混合文本聚类算法。设计了自调整惯性权值策略, 根据最优适应度值的变化率动态调整惯性权值。两子群分别采用基于不同惯性权值策略的粒子群算法进化, 子代间及子代与父代信息交流, 共享最优粒子, 替换最劣粒子, 完成进化, 该算法命名为双粒子群算法。将能平衡全局与局部搜索能力的双粒子群算法与高效的K-means算法结合, 每个粒子是一组聚类中心, 类内离散度之和的倒数是适应度函数, 用K-means算法优化新生粒子, 即为结合双粒子群和K-means的混合文本聚类算法。实验结果表明, 该算法相对于K-means、PSO等文本聚类算法具有更强鲁棒性, 聚类效果也有明显的改善。