基于蚁群算法和BP神经网络的矿井通风机故障诊断

采用蚁群算法代替BP算法来训练神经网络的权值和阈值,通过比较2种算法的训练结果,基于蚁群优化的神经网络具有较快的收敛速度,而且能够克服BP算法易于陷入局部最优解的缺陷。采用蚁群算法训练后的神经网络对矿井通风机进行了故障诊断,实验结果表明,该方法是一种有效的故障诊断方法,具有较好的故障诊断效果。     

基于模糊Petri网和BP-ACO的变压器故障诊断

针对油浸式变压器的故障诊断问题,提出了一种基于模糊Petri网模型和蚁群优化BP神经网络(BP-ACO)的变压器故障诊断方法。首先,定义一个十元的模糊Petri网结构并根据产生式规则和推理算法构建了故障诊断模型。然后采用BP神经网络对模型的权值和阈值进行参数训练,并结合蚁群优化对模型各参数进行优化,从而进一步提高故障诊断的精确率。利用真实的变压器历史数据对提出方法的可行性进行了验证。结果表明,相比类似模糊Petri网故障诊断方法,提出诊断方法具有更高的准确度。     

花岗岩冲击力学特性及损伤演化模型

使用分离式霍普金森压杆(SHPB)对花岗岩进行不同应力波波长(0.8~2.0 m)和不同应变率(20~120 s-1)组合下的冲击试验,对其动态力学特性和损伤演化规律进行了研究。试验得出:花岗岩的动态抗压强度与应变率呈线性正相关,动态抗压强度因子与应变率的自然对数呈线性正相关;峰值应变与应变率呈线性正相关,且波长的增加使峰值应变水平整体抬升。通过多次冲击试验得出:在同一波长下,花岗岩的累积损伤随着应变率的增长呈指数型递增形式;当保持应变率范围不变的情况下,增大应力波波长,花岗岩的损伤累积效应加剧,依然呈指数型递增形式;在多次冲击作用下,花岗岩损伤整体发展趋势相似,但增长速率加快;并由此建立以指数函数为基础的损伤演化模型,确定出模型中参数物理意义,该模型能够同时能反映应力波参数和冲击次数影响。通过验证表明模型的合理性及参数物理意义的正确性。     

基于改进蚁群算法优化神经网络的焊缝成形预测研究

为了控制焊接机器人焊缝成形的质量,提出了一种基于改进蚁群算法（ACO）优化BP神经网络的焊缝成形预测模型,实现对焊缝成形尺寸的控制。首先通过Otsu优化Canny算子的方法提取焊接过程中熔池图像的数据样本,然后用BP神经网络来进行训练预测。为了优化初始权阈值,引入ACO优化BP;针对蚁群陷入局部最优的情况,引入遗传算法（GA）中的交叉变异,利用适应度值来确定选择概率的特性,从而加快迭代速度,避开蚁群初期的收敛慢问题,提升预测模型的性能。最后通过与传统BP、GA-BP和ACO-BP的预测实验对比,发现改进后的预测模型准确度高、稳定性好。     

花岗岩损伤型黏弹性动态本构模型研究

采用恒应变率SHPB实验装置对花岗岩的动态力学性能进行测试。 结果表明:花岗岩动 态应力-应变曲线在初始加载段呈线弹性,屈服后具有显著的塑性变形特征,屈服应力、峰值应力 和弹性模量均具有应变率相关性。 基于花岗岩动态力学特性,将朱-王-唐(ZWT)模型本构方程 推广到花岗岩材料并对其进行简化,同时考虑冲击荷载作用下损伤对花岗岩动态强度的影响,引 入应变率型损伤演化方程,建立简明的损伤型ZWT动态本构模型。 应用建立的动态本构模型对 SHPB实验测得的应力-应变曲线进行拟合,两者具有较好的一致性,表明构建的动态本构模型 能够较好地反映花岗岩在动载作用下的力学特性。     

岩石冲击破碎块度分形与能量耗散特征研究

为研究冲击荷载作用下岩石能量吸收与破碎分形特征,应用霍普金森试验系统对0.6、0.8、1.0、1.2、1.4长径比花岗岩进行动态冲击试验,分析了应变率效应和尺寸效应对花岗岩试件的破碎能耗和破坏形态的影响;在考虑时间因素的基础上,提出一种新的能时密度指标来评价能量耗散,结合分形维数计算与能时密度分析,研究岩石在冲击过程中的能时密度与分形特征。结果表明：0.6 ~ 1.4长径比花岗岩试件的应变率和能时密度均符合乘幂关系,同种长径比试件的能时密度随应变率增大呈递增趋势;在48.8 ~124.2 s_^-1应变率区间内,分形维数随应变率增加显著增大;花岗岩试件在动荷载下的能时密度和分形维数符合乘幂关系,单位时间内岩石吸收能量越多,分形特征就越明显;引用能时密度结合岩石破碎块度的分形维数计算,能够定量研究岩石单位时间内的能量吸收规律。     

基于平面黏结接触模型模拟平台巴西圆盘的动态响应和破坏机制

应变率对岩石破坏机理的影响是岩石领域最重要的方面之一,借助颗粒流程序及其内置的平面黏结 接触模型,构建平台角度是 20°和直径是 50 mm 的花岗岩平台巴西圆盘数值模型,从细观力学角度深入探究不同应 变率条件下花岗岩平台巴西圆盘的破裂模式和破坏机制。研究表明：花岗岩平台巴西圆盘的破裂模式主要分为 2 种破裂模式：微破裂裂纹由中心起裂的破裂模式和伴生压碎区的复合微破裂裂纹共同作用的破裂模式,其中,在中 低应变率条件下满足劈裂拉伸试验要求,高应变率条件下已不满足劈裂拉伸试验要求,但对于高应变率的工程问 题具有一定指导意义;随着应变率的递增,试样的损伤程度、诱发微破裂裂纹数量和失效机制均发生了变化,剪切 型微破裂裂纹数目的增量趋势明显大于拉伸型微破裂裂纹数目的增加,即剪切微破裂裂纹数目的增加是导致试件 动态强度增加的主要原因之一;应力与计算时步曲线展示了 3 种模式,即峰后强化、峰后弱化和单峰值,拉伸型微 破裂优先于剪切微破裂生成,在低应变率情况时,剪切型微破裂裂纹产生在第一应力峰值的下降阶段处,拉伸型微 破裂裂纹数目呈现的突变现象,在中高应变率情况时,随着应变率的提高,剪切型微破裂裂纹的产生在由应力达到 应力峰值之后转变为产生在应力达到应力峰值之前,存在拉伸型微破裂和剪切型微破裂呈现共生现象,且具有剪 切型微破裂裂纹数目高于拉伸型微破裂裂纹数目的时刻。     

温度对钻井围岩流变特性影响的数值模拟研究

基于Comsol Multiphysics 5.2和Matlab软件,构建材料参数服从Weibull分布的非均质花岗岩钻井,分析了3000m和4000m埋深下,不同温度对花岗岩蠕变特性的影响。实验结果表明:在相同埋深下,当温度在300℃~480℃区间内,花岗岩钻井围岩稳态蠕变率基本保持不变,当温度超过480℃~500℃时,稳态蠕变率明显增大,即温度阈值为480℃~500℃。在轴压、围压一定的情况下,随着温度升高,钻井围岩初始蠕变应变值明显增大,但在不同埋深下初始蠕变应变值基本相同,体现为热弹性应变。在相同埋深下,花岗岩钻井沿其径向蠕变应变,受温度影响显著,随着温度的升高,钻井围岩的蠕变应变增大。在3000,4000 m埋深下,高温对花岗岩钻井围岩蠕变性能影响显著,在500℃时随时间推移,钻井围岩蠕变应变明显加快,即钻井围岩高温失稳阈值在500℃左右。高温使花岗岩力学性能弱化,在花岗岩内部造成损伤,随着温度的升高损伤不断积累,在500℃左右发生突变,致使钻井围岩失稳破坏。     

蚁群小波神经网络在矿用风速传感中的应用

针对风速传感器输入输出存在的非线性误差,提出应用蚁群小波神经网络进行校正。该算法依据小波变换优良的局部特性,采用小波基函数作为隐含层的激活函数;利用蚁群算法全局搜索寻优特性,优化网络的权值和小波参数,避免陷入局部最优。构建了基于风速传感器非线性校正模型,并与神经网络校正结果进行比较。结果表明,蚁群小波神经网络的校正精度和效率均优于神经网络。     

岩石动力破坏的高速数字图像相关研究

在液压伺服万能试验机上,对某工程现场天然花岗岩材料进行轴向压缩试验。试验机施加的应变率在5×10-3s-1左右,符合地震作用下的应变率范围。结合高速图像采集系统,采用数字图像相关技术研究了花岗岩材料在动力作用下的拉应变场与破坏形态的关系。在3个立方体试样的压缩破坏试验中都发现,岩石材料在破坏前最大拉应变发生的位置,都是最先出现破坏的位置。这说明,动力作用下岩石材料的破坏符合第二强度理论,即最大拉应变破坏理论。研究还表明,数字图像相关技术可以用于岩石材料的破坏研究,甚至有可能用于边坡稳定的监测。     

基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究

为了对煤矿瓦斯监测数据进行有效分析,以实现准确、可靠的回采工作面绝对瓦斯涌出量预测,提出了蚁群聚类算法优化Elman神经网络的绝对瓦斯涌出量动态预测方法。算法通过对Elman神经网络的权值、阈值寻优,建立了基于ACC-ENN算法的绝对瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经蚁群聚类优化后的Elman神经网络绝对瓦斯涌出量预测模型较其他预测模型具有更好的泛化能力和更高的预测精度,有效地实现了煤矿绝对瓦斯涌出量动态预测。     

蚁群神经网络在煤矿安全评价中的应用

煤矿安全评价是预防和控制煤矿灾害事故的重要内容。将蚁群算法和神经网络结合起来,用蚁群算法来训练神经网络的权值,建立了基于蚁群算法的神经网络安全评价模型,并将其应用于煤矿安全评价。经实践证明,该模型具有神经网络广泛映射能力和全局收敛的性能。     

基于蚁群算法的煤矿企业计算机网络IP流量矩阵估计

能够完整性地将相应网络中IP流量分布情况进行描述的流量矩阵,它是煤矿企业计算机网络流量的概览,而且它与网络路由信息结合时反应度比较高,能够清晰明了地反映出来网络中的各个链路的流量成分,是网络管理和网络IP流量工程的一种关键性的输入参数值。概述了流量矩阵的含义与应用情况,分析了蚁群算法的机制与优缺点,具体论述了基于蚁群算法的煤矿企业计算机网络IP流量矩阵估计方法与模型建立,取得了很好的测试效果。     

基于小波神经网络的煤岩破裂电磁辐射预测模型研究

针对电磁辐射信号的特点,提出用小波神经网络建立煤岩破裂电磁辐射预测模型,用最大最小蚁群算法来训练网络初始参数,改善网络性能,并引入扰动因子和惩罚因子来解决算法的局部收敛和收敛速度慢的问题。以开滦煤样为例,应用结果表明,该模型精度高、响应快、实时性较好,具有良好的应用前景。     

基于蚁群算法的煤炭物流网络建设研究

为了提高煤炭物流网络的高效性,降低煤炭运输成本,采用蚁群算法对煤炭物流网络进行线路规划。先对我国煤炭地理分配不均的实际情况进行描述,接着对蚁群算法数学模型进行详细分析,最后进行实例仿真,验证蚁群算法在煤炭物流网络线路规划的性能。实验证明,采用蚁群算法对运输路线进行规划,可寻得最优路径,具有一定的研究价值。     

Hybrid optimization model and its application in prediction of gas emission

According to the complex nonlinear relationship between gas emission and its effect factors, and the shortcomings that basic colony algorithm is slow, prone to early maturity and stagnation during the search, we introduced a hybrid optimization strategy into a max-min ant colony algorithm, then use this improved ant colony algorithm to estimate the scope of RBF network parameters. According to the amount of pheromone of discrete points, the authors obtained from the interval of network parameters, ants optimize network parameters. Finally, local spatial expansion is introduced to get further optimization of the network. Therefore, we obtain a better time efficiency and solution efficiency optimization model called hybrid improved max-min ant system (HI-MMAS). Simulation experiments, using these theory to predict the gas emission from the working face, show that the proposed method have high prediction feasibility and it is an effective method to predict gas emission.     

基于蚁群算法的分布式配电网局部故障定位方法

为快速精准定位分布式配电网局部故障，隔离故障分支降低经济损失，提出一种基于蚁群算法的分布式配电网局部故障定位方法。利用蚁群集体行动的信息正反馈机制组建故障定位模型，创建蚁群算法评价函数，使用随机比率准则计算蚂蚁转移概率及残留信息，引入信息素更新方法动态调节原始信息素浓度，通过信息缺失校准策略提升算法容错性，依照评价函数大小，在可能解对应设备状态中释放信息素，避免产生局部最优解，能够精准定位分布式配电网局部故障位置。仿真实验结果证明，该设计方法可以有效地对分布式配电网局部故障进行高精度定位，故障定位计算收敛速度快，耗时短，拥有极强的实用性，为分布式配电网的可靠应用发挥应有作用。     

矿井防尘供水管网粒子群-蚁群融合算法的优化

矿井防尘供水管网研究重难点是将最低管网费用与最可靠管网性能良好结合。为最大化提升优化搜索的速度与精确度,结合相关粒子群和蚁群算法的优势,提出新的算法,对矿井防尘供水管网进行优化。以管网年费用折现值和运行维修管理费用之和为目标函数,以流量、压降、流速、水压和管网直径为约束条件构建管网优化数学模型,用MATLAB编写粒子群和蚁群的融合算法进行求解。最后将该算法应用到开滦集团某矿中,得到该算法的优化效果,同时通过对比分析验证其提高优化速度和精确度的能力。     

用BP神经网络建立脉动高梯度磁选过程模型

用BP神经网络建立脉动高梯度磁选过程模型．对不同隐含层节点数的神经网络模型预测性能进行了评价，隐含层节点为13的神经网络模型选择为最佳模型．利用选择的最佳模型，对黄铜矿高梯度磁选进行模拟研究．模型研究结果表明，在相当宽操作的范围内，模型能够很好地预测磁选精矿中铜的品位和回收率．这说明建立的高梯度磁选模型合理可行．