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.     

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。     

DSA体模研究及遥控装置的应用

为解决医用诊断数字减影血管造影(DSA)系统性能检测及检测人员操作时不受X射线的辐照,研制一套改进的DSA计量性能体模装置。体模的设计采用有机玻璃材料进行加工;模块的移动采用无线电信号遥控的方法;体模的性能试验在正常状态的DSA系统上进行。研究设计有机玻璃动脉模拟模块插件、骨骼模块插件、对比度线性模块插件和低对比度分辨力模块插件;模块的移动利用遥控驱动装置。试验得到:在不加载骨骼模块时,能看到直径为1mm的动脉模拟血管,同时能分辨直径2mm的模拟血管上1/2血管大小的血管瘤或栓塞;加载骨骼体模块后,可以分辨碘浓度为150mg/cm3、直径2mm的模拟动脉;遥控装置遥控距离50m,移动速度28mm/s。结果表明:体模装置完全符合国家规程JJG 1067——2011《医用诊断数字减影血管造影(DSA)系统X射线辐射源》要求;应用无线电遥控移动模块插件,避免操作时受到X射线的照射。