鲍店煤矿机电设备管理信息系统的开发

利用客户机/服务器系统开发了一套煤矿机电设备管理系统,实现了对机电设备采购管理信息的操作、维护和保存。其中,服务器端采用Microsoft SQL Server6.0 for Windows NT为数据库服务器,客户端采用Delphi7.0编写客户软件。     

煤矿热动力重大灾害中的几个科学问题

为实现矿井外因火灾的静态辨识,给出了外因火灾辨识条件下影像轮廓圆形度、矩形度计算方法和尖角特征辨别的详细实施方案。考虑到复杂的矿井摄像系统具有结构未确知、参数不完整、对成像误差存在积分效应的灰色特征,采用GM(1, 1)灰色模型和新陈代谢迭代建模方法,对测量误差的演化趋势进行预测。采用火焰与摄像机的距离作为原始数据建立灰色模型,并利用最新景深数据新陈代谢进行迭代优化。结果表明,采用大基线摄像机可以降低距离测量误差,基于机器视觉和新陈代谢机制的灰色建模方法可有效提高外因火灾辨识与定位精度,在发展系数小于0.3时5步之内的预测精度在97%以上,适用于中长期预测。

     

融合学习策略与导向果蝇机制的气味源主动定位方法研究

工业生产过程中常发生由有害气体泄漏引起的火灾或爆炸事故,利用载有气体传感器的移动机器人实时监测并搜索定位泄漏气体源是预防重大事故的有效方法,而高效的搜索策略是保证机器人快速准确定位气味源的关键因素.现有的气味源搜索算法存在定位成功率不高和对气味源定位不准的问题,本文提出一种将仿生果蝇算法和学习策略相融合的气味搜索策略.针对传统果蝇算法易陷入饱和收敛的问题,提出一种新的导向果蝇极值更新方式;针对寻优不精的问题,进一步提出一种基于学习策略的导向果蝇气味源搜索算法(OCGFOA).仿真实验结果表明OCGFOA算法完成定位速度更快且离泄漏气味源位置更近,其定位效果更能满足对危险气味源定位的要求;最后,在物理场景下进行气味源主动定位验证实验,证明本文所提算法在实际场景下也具有可行性.     

人工智能技术在矿山智能化建设中的应用初探

介绍了人工智能技术的相关概念、发展概述及其在煤炭行业发展中的应用,指出目前人工智能技术在矿山应用只是点状结合和浅度结合,没有实现人工智能技术和矿山某个生产或管理系统层面的深度融合。概述了智能矿山的发展历程,指出智能矿山是人工智能技术、大数据技术、物联网技术和矿山实体的深度融合体,利用智能通信、智能控制和智能计算技术实现数字化矿山的计算、处理,构建数字孪生矿山,通过数字孪生矿山和物理矿山的智能交互演化,达到对煤矿安全、高效、绿色的生产控制。构建了将人工智能技术和矿山深度融合的包括设备层、智能层、应用层的智能矿山三层构架:应用层处于智能矿山的最高层,其中的数字孪生矿山子层相当于“数字大脑”,实现矿山最高层次的智能控制;智能层中的智能体要求子系统不仅仅是应用人工智能技术处理子系统所产生的数据,而是从架构上就要将智能计算、智能通信、智能控制融为一体。展望了智能矿山建设的发展趋势:智能化矿山需要加强人工智能技术和矿山融合度的深入研究,将现有的基于人工智能的故障检测、诊断及超前干预技术应用到机器人系统中,智能计算、智能通信、智能控制融合的巡检机器人将是最早能推广的井下智能体之一;智能化矿山需要进一步加强复杂巨系统建模技术的研究,只有建立了矿山的复杂巨系统模型,才能实现采矿活动和环境的协同互动,实现采煤活动的精准控制,复杂巨系统模型的缺乏将是未来智能矿山建设亟需解决的问题。     

黄金矿山企业设备管理信息系统设计及实现

针对黄金矿山设备管理的特点，研究基于C／S和B／S混合模式的设备管理信息系统，描述了软件系统功能模块设计、所能用到的软件技术以及安全性数据库技术。该系统已在山东某黄金集团公司投入试运行，为企业生产自动化、管理规范化打下了良好基础。     

物联网、大数据及云计算技术在煤矿安全生产中的应用研究

阐述了物联网、大数据及云计算技术的研究现状,指出3种技术之间的关系,即物联网产生大数据,大数据助力物联网;大数据需要云计算,云计算增值大数据。结合煤矿综合自动化的建设发展历程,研究了3种技术在煤矿安全生产保障中的作用和地位,提出了3种技术在煤矿生产安全保障中的关系:物联网是煤矿各个子系统建设的技术框架和路线图,大数据是矿山物联网建设的产物,云计算则是对大数据处理利用的技术手段,并指出基于物联网、大数据及云计算技术的煤矿安全生产监测监控系统将是主动式、多参数融合、具备预警功能的监测监控系统,可有效提升煤矿安全生产水平。     

基于CAN总线的楼宇火灾监控系统

介绍了基于CAN总线的楼宇火灾监控系统的构成、硬件和软件的设计。     

基于信息融合技术的矿井通风机故障模式识别

依据多传感器信息融合技术及Dempster-Shafer理论,分析了故障检测中信息融合系统的工作原理以及分类决策策略,在此基础上进行了基于信息融合的故障分类与识别的初步试验研究.     

基于背景值和结构相容性改进的多维灰色预测模型

现有的多变量灰色预测模型的背景值估计误差及模型结构单一是导致该模型预测性能不稳定的重要因素, 致使该模型在实际预测领域中应用并不广泛. 本文通过分析背景值函数的几何意义, 结合积分几何面积公式, 提出一种改进的背景值优化方法, 使预测模型在背景值系数的选取上更加灵活.在此基础上, 模型中加入灰色作用量, 提出一种改进背景值及结构相容性的多维灰色预测模型(Improved background value and structure compatibility of grey prediction model, IBSGM(1, N)). 通过对模型参数的改变分析, 新模型理论上可达到与传统单变量和多变量灰色预测模型的兼容性. 为检验新模型的性能, 本文进行了三个案例对比分析, 实验结果表明, 与现有的灰色预测模型(Grey model, GM) GM(1, 1)和GM(1, N)相比较, 所提出的IBSGM(1, N)模型在背景值参数估计上误差明显减小, 结构相容性更强, 泛化性能更好, 具有更高的预测精度.     

基于时空扩展模型的瓦斯浓度场重构

为了有效监测井下瓦斯浓度分布,避免因瓦斯聚集发生安全事故,快速精确地对瓦斯浓度场分布进行重构是一种有效途径.针对矿井瓦斯数据稀疏分布的特点,提出了一种基于时空扩展模型的瓦斯浓度场重构方法,以时空半变异函数为理论基础,挖掘数据的时空关联性,提高了重构精度和平滑度,同时以加权反比为模型框架降低了重构计算量和模型复杂度.使用有限元分析构建工作面模型,通过仿真和真实气体扩散数据交叉验证对重构效果进行定量分析.结果表明:基于时空扩展的井下瓦斯浓度场重构方法能够有效改善传统插值方法在监测点邻域内的重构平滑度,同时提高了插值精度.改进的重构模型充分考虑了时空维度上的关联性,适用于稀疏采样点条件,为瓦斯浓度场全局精准监测提供了新方法.