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.     

境外炼化工程项目投标竞争者分析报价策略

全球炼化工程总承包市场呈现出垄断竞争型特征,欧美和日韩国际工程公司由于技术和报价竞争力较强,一直占据本行业高端市场,中国炼化工程企业尚有差距.文章综合考虑投标报价阶段竞争者分析路径,提出了随机型和不完全信息静态博弈综合集成分析的投标报价最优决策模型,并以中东海湾地区某炼化工程总承包项目为例,进行多维度的实证分析,提出模型的有效性和可行性,为中国炼化工程企业"走出去"高质量发展提供有益的决策支持和信息参考.     

麦克流量|高精度流量标定装置

应用背景:高品质电磁流量计的制造离不开高精度的流量标定装置。流量标定装置是计量部门和流量计制造企业进行量值传递、溯源与检定测试工作的标准设备。麦克团队研发建造了一套以高位水塔为稳压源,采用静态质量法与标准表法结合,专用于电磁流量计的标定装置。该装置不确定度优于0.05%的一等流体流量装置级别,通过了陕西省计量院鉴定审核。     

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。