基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

王引河芒山闸除险加固可行性研究

永城市王引河芒山节制闸始建于1959年,1975年进行扩建。自扩建以来已连续运行40多年,虽经多次维修,目前仍存在许多安全隐患。经河南省水利厅核查,该水闸安全级别为四类,按相关规定的要求应当拆除重建,但由于下游海漫段被现有省道桥梁占用,在原址重建已不具备条件。因此,文章对该闸目前存在的各类问题进行总结,并对该闸除险加固的必要性及移址重建的可行性进行分析,以期为该闸移址重建提供相应参考。     

丰满大坝重建工程施工期度汛对老坝稳定的影响分析

丰满大坝重建工程是在老坝下游120 m处建设一座新坝,恢复电站的原有任务和功能。老坝兼作为新建工程的上游围堰使用,老坝仍需正常挡水运行。新坝建设期度汛时,老坝下游水位与原运行状态相比发生了变化,会对老坝的安全稳定产生影响,因此,对老坝的典型坝体遭遇不同标准洪水时的抗滑稳定性进行了分析。分析结果表明断层坝段的安全裕度不满足规范要求,但与现状相比并没有恶化,而其余坝段安全性满足规范要求。     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。