基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

煤矿采空区电子轻工厂房基础抗变形技术措施

近年来,在煤矿采空区的电子轻工厂房基础结构实际施工的过程中,受到诸多因素的影响,经常会出现基础变形的问题,难以保证整体结构的建设效果。这就需要在实际工作中,为全面预防煤矿采空区电子轻工厂房的基础变形问题,应该合理采用抗变形技术进行施工,遵循科学化与与时俱进的发展原则,从而增强整体基础结构的建设效果,为后续的使用夯实基础。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

基于变形热效应条件下30CrMo钢的流变行为研究

在应变速率分别为0.1、1.0和10.0 s-1,应变温度分别为373、573和773 K条件下,对30Cr Mo钢进行压缩试验。通过获得的流变应力数据发现,随着应变速率的增加,应力存在着一定程度的软化现象,说明材料内部存在着变形热效应。在考虑变形热效应的情况下,对流变应力数据进行了修正。通过微观组织观察发现,试样内部存在着因变形热效应引起的动态再结晶,验证了数据修正的必要性。     

煤样多元物性参数在煤与瓦斯突出防治中的应用研究

煤与瓦斯突出是一种复杂的动力现象，突出的类型不同、引起突出的危险因素不同，预测指标对其的敏感性也就不同，选择适应的突出危险性预测敏感指标及突出敏感指标的临界值，研究可靠的突出预测手段和方法来实现对突出危险性的准确预测，是指导突出防治工作的重要技术基础，而为了获得突出敏感指标的临界值就必须对煤的多元物性参数进行实验研究，掌握煤层的各项物化性质，是有效确定防治突出方法体系的关键基础。     

广西乐业县岩旦—岩堂金矿床找矿模型及成矿预测

广西乐业县岩旦—岩堂金矿是滇黔桂"金三角"新发现的一处大型卡林型金矿,为探究该矿床深部及外围找矿潜力,明确下一步找矿方向,开展了详细的矿床地质特征研究,并结合土壤地球化学和地球物理勘探异常,建立了该矿床的找矿模型,从而对深部成矿进行预测。研究表明:矿床中分布的矿体主要为受断层破碎带控制的脉状矿体,其次为受地层控制的层状和似层状矿体;背斜核部的NEE向断层F_1是主要的控矿构造,矿体有沿断层向东侧伏的趋势;土壤地球化学异常以Au-As为主,沿断层分布,且断层东部地表以As异常为主,具矿体前缘晕特征;地球物理激电测深表明金矿体具有低阻高极化的特点,在断层东部的高极化异常明显增强,暗示存在隐伏金矿体。综合地质与物化探研究成果认为,沿NEE向F_1断层及其与近SN向断层的交会处具有较好的找矿潜力,为优先找矿靶区。     

基于牛顿欧拉法的一种空间被动过约束并联机构动力学建模方法

以4-RPTR四自由度空间被动过约束(冗余约束)并联机构为研究对象,采用牛顿欧拉法结合补充变形协调方程对其进行动力学分析。基于牛顿欧拉法所建动力学方程为78个,但是由于该机构被动过约束的存在,所要求解的未知量为80个,当按照平面被动过约束机构的方法补充8个变形协调方程时,会与所建的78个方程线性相关,导致方程组无法求解。基于此,提出进行被动过约束并联机构动力学建模时,应首先分析机构产生被动过约束的原因,在此基础上,引入冗余约束力(力矩)引起的杆件变形与末端平台位姿误差的关系作为补充方程,能够保证方程组线性无关,可以求解。为此,引入直接引起冗余约束的转动关节约束力矩产生的杆件变形与末端平台位姿误差的关系,补充了8个变形协调方程,同时引入了6个未知量,从而得到86个方程,包含86个未知量,且方程组线性无关,得到了该机构的动力学全解模型。基于Matlab和ADAMS软件对该机构进行动力学仿真,在平台末端给定相同运动轨迹的情况下,对比两种方法仿真所得机构驱动力变化曲线,可以看出所建动力学模型的正确性。为该类空间被动过约束机构进行动力学建模提供了一个新的思路。     

巷道支护参数的设计及优化分析

为提升巷道围岩的支护效果和支护质量,以32617运输大巷为研究对象,在分析其巷道特征的基础上,结合理论计算初步确定巷道支护参数,并结合FLAC3D数值模拟软件对支护参数进行优化。     

基于并行多通道卷积长短时记忆网络的轴承寿命预测方法

在预测轴承剩余使用寿命时，数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测，提出了一种基于并行多通道卷积长短时记忆网络（PMCCNN-LSTM）的剩余使用寿命预测模型。该模型主要由两部分组成：前端为并行多通道卷积网络（PMCCNN），提取信号特征，挖掘数据的时序特性，并采用逐层训练和微调的方式提升参数的收敛性；后端为长短时记忆（LSTM）网络，基于特征进行剩余使用寿命预测，并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性，实验结果表明：所提模型的平均误差与最大误差分别比传统的卷积神经网络（CNN）低23.38%和15.84%，比传统的LSTM低24.14%和19.01%，比卷积长短时记忆网络（CNN-LSTM）低30.32%和23.09%。