基于RBF神经网络的露天矿爆破效果预测研究

露天矿爆破是一个受诸多因素共同影响的系统工程,是露天开采的重要环节之一,其爆破效果的优劣直接影响后续工序的完成。提高爆破技术水平和爆破质量,对矿山安全和生产具有重要的意义。本文通过随机森林选择影响爆破效果的主要参数,结合模糊评价确定爆破综合效果,建立了RBF神经网络爆破效果预测模型。将该模型应用于矿山爆破效果预测中,并将爆破现场实测的11组数据作为模型训练样本,另外5组现场数据作为预测样本进行测试,通过与BP神经网络比较,发现RBF神经网络的预测性能更为优越,可广泛应用于现场实践中。     

基于有限元的MEMS惯性传感器保护装置研究

本文基于齐大山现场爆破中的MEMS惯性传感器保护装置崩落的现场情况,对该崩落撞击过程中的动力学特征进行了分析研究,并利用有限元软件Solidworks/Simulation,对该MEMS惯性传感器保护装置进行模拟、仿真,得出了MEMS惯性传感器保护装置结构件在崩落撞击过程里的应力、应变云图,和不同结构件的加速度随时间变动轨迹的测量数据。通过模拟仿真结果,系统分析了MEMS惯性传感器保护装置结构件受崩落撞击影响情况,从而为矿山爆破时的MEMS惯性传感器保护装置抗崩落、撞击研究提供重要参考和依据。     

爆破参数智能设计的T-S模糊神经网络方法

针对地下矿山爆破参数设计的工作繁琐、任务量大等问题,建立基于T-S模糊神经网络的地下矿山爆破参数智能设计模型,实现爆破参数快速、智能设计。以某矿山地下矿中深孔爆破为研究对象,收集大量矿山现场实测数据,以抗压强度、抗拉强度、初始弹模、弹性模量、泊松比、黏聚力、内摩擦角、孔底距和排距为输入量,利用BP神经网络和T-S模糊神经网络,建立不同的地下矿山爆破参数预测模型,结果表明,T-S模糊神经网络具有更高的准确性以及更快的运行时间,能够更好地表达地下矿爆破参数与主控因素之间的非线性关系,网络预测值与目标值的均方误差达到1.375 9×10^-5,模型预测效果最佳,为矿山地下矿爆破参数设计提供了参考依据。