变分布的量子行为粒子群优化算法求解工程约束优化问题

针对工程形状设计领域中带有多个约束条件的非线性设计优化问题,提出了一种自适应的基于高斯分布的量子行为粒子群优化(AG-QPSO)算法。通过自适应地调整高斯分布,AG-QPSO算法能够在搜索的初始阶段有很强的全局搜索能力,随着搜索过程的进行,算法的局部搜索能力逐渐增强,从而满足了算法在搜索过程不同阶段的需要。为了验证算法的有效性,在压力容器和张弦设计问题这两个工程约束优化问题上进行50轮独立实验。实验结果表明,在满足所有约束条件的情况下,AG-QPSO算法在压力容器设计问题上取得了5890.9315的平均解和5885.3328的最优解,在张弦设计问题上取得了0.01096的平均解和0.01096的最优解,远优于标准粒子群优化(PSO)算法、具有量子行为的粒子群优化(QPSO)算法和高斯量子行为粒子群(G-QPSO)算法等现有的算法的结果,同时AG-QPSO算法取得的结果的方差较小,说明该算法具有很好的鲁棒性。     

基于云服务的煤矿水害监测大数据智能预警平台构建

针对华北型煤田煤层底板突水监测预警问题,以底板"下三带"理论为基础,开展了微震-电法耦合系统水害监测预警。在分析微震-电法耦合系统监测数据基础上,采用Flume设计数据迁移子系统,以流处理方式对监测源数据进行预处理,对关键目标数据进行采集、聚合和传输,实现了有效监测数据的实时迁移。此外,针对煤矿水害多源监测预警过程中数据规模大、数据实时处理要求高等特点,结合多源异构数据关联分析和时空属性数据分析处理需求,基于Spark和HDFS设计实现了具备TB级数据存储处理能力的煤矿水害多源监测大数据存储平台。该平台采用HDFS设计构建统一的多源时序大数据存储体系,通过MapReduce实现大数据并行处理,利用YARN实现资源的调度与管理,为海量数据存储提供支撑。平台采用Spark Streaming框架搭建了数据实时处理中心,通过流处理方式实现监测数据高速处理,并通过智能预警算法模块和远程服务接口为预警系统现场应用提供支撑。在智能预警技术方面,结合监测数据的时空属性特点,提出了基于深度学习时空序列预测方法——长短时记忆循环网络智能预警模型的底板突水模型预警技术。该预警技术基于LSTM方法,以"下三带"理论为基准对模型进行初始化,形成初始预警判据;将电法、微震监测数据作为输入变量,实际涌(突)水事件作为干预输出量,对智能预警模型进行半监督分类学习训练,形成动态化、参数最优的模型预警准则,将监测数据动态划分为4个预警等级,从而实现了水害智能动态预警和数据可视化表达。在冀中能源葛泉矿东井的实际应用中发现,该平台能够基本达到预期目标。     

落物冲击下煤矿胶轮车驾驶室上部结构优化

为提高煤矿胶轮车驾驶室结构安全性能,以 WC8E 系列胶轮车驾驶室为例,对其进行 11 600 J 冲击能量的落锤撞击试验,并以落锤冲击力峰值为静态载荷条件,对驾驶室上部结构进行拓扑优化,确定了驾驶室上部结构满足传力路径的结构布置方案。随后采用粒子群与人工鱼群融合的优化算法,对驾驶室上部加强梁结构参数进行了多目标优化设计。结果表明:优化后驾驶室上部结构最大变形量降低 35.84%,质量降低 41.90%,在满足驾驶室安全性的同时,实现了结构轻量化。     

基于LEVY飞行量子粒子群的带式输送机齿轮优化设计及仿真

以带式输送机单级圆柱齿轮减速器为研究对象,在建立其优化数学模型的基础上,提出了一种基于levy飞行策略的量子粒子群算法,并利用提出的算法对其齿轮模数、齿数、齿宽系数、螺旋角等参数进行优化。在MATLAB中实现该算法并与传统的QPSO等方法对比,结果表明:基于levy飞行策略的量子粒子群算法(QPSO)其优化效果明显优于PSO算法和文献中所提出的算法,相比常规设计,体积减少了59.71%,相比QPSO,体积减少了8.90%,具有良好的优化性能,有限元分析结果表明,与优化前相比,优化后的承载能力并没有减降低。     

近距离煤层群回采工作面瓦斯超限防治技术研究

山西A矿开采煤层为近距离煤层群,在M7号煤层开采期间由于受到瓦斯超限影响,采面回采速度缓慢。为了确保采面生产安全,寻求采面瓦斯治理措施,该矿综合对比分析高位瓦斯抽放钻孔、采空区抽采钻孔以及高位瓦斯抽放巷三种瓦斯治理技术,并最终采用高位瓦斯抽采巷作为治理采面瓦斯超限技术手段。在采面布置高位瓦斯抽采巷,采面瓦斯超限问题得以有效治理,采面推进速度由原来的20m/月提升至52m/月,同时高位瓦斯抽采巷抽采瓦斯浓度较高(平均在30%以上),可以实现瓦斯资源的高效利用,提升矿井经济及社会效益。