基于遗传算法—BP神经网络的突出强度预测

煤与瓦斯突出强度的预测对研究煤与瓦斯突出,保证矿井安全正常生产有着重要意义。本文提出采用遗传算法结合BP神经网络的模型来预测突出强度,采用遗传算法对BP神经网络的权重和阈值进行优化,将优化好的权重与阈值作用于网络进行训练,直至性能函数符合要求。实际计算表明,该模型有较好的预测精度,且克服了普通BP神经网络训练时间长、收敛速度慢的缺点,在已知瓦斯膨胀能和煤层厚度的前提下,可以用该模型对突出强度进行预测。     

亨元煤矿瓦斯抽采必要性与可行性分析

测定亨元煤矿瓦斯参数、预测瓦斯涌出量,从整体上分析亨元煤矿瓦斯抽采的必要性及可行性。结合实际情况分析认为,亨元煤矿瓦斯涌出来源多、分布范围广、煤层赋存条件复杂,有必要进行瓦斯抽采,建议采取综合抽采的方法。     

点云密度对地面三维激光扫描精度及沉陷参数的影响

根据平面分辨率的理论公式,推导地面三维激光扫描仪不同距离处的立面及平面相邻点间隔（即点云分辨率）计算公式,并得到了平面某一距离处平面单位面积的点云数的计算公式;通过试验分析点云分辨率对点位精度及测距精度的影响;通过对某矿沉陷观测的点云数据按照不同的分辨率进行重采样并进行求参,得到不同分辨率下参数的变化情况,经对比分析,得到最佳的点云分辨率设置标准为300 mm/100 m。     

基于距离判别分析法的采空区塌陷预测

依据某开采区的勘察资料,建立了采空区稳定性预测的距离判别模型,选取影响采空区的主要因素作为判别因子,以实测样本作为训练样本,建立相应的线性判别函数对待判样本进行分类。研究结果表明,距离判别分析模型是采空区预测的一种有效方法,可以在实际工程中应用。     

Adiabatic shear fracture prediction in high-speed cutting at various negative rake angles and feeds

The critical characteristics of adiabatic shear fracture (ASF) that induce the formation of isolated segment chip in high-speed machining was further investigated. Based on the saturation limit theory, combining with the stress and deformation conditions and the modified Johnson-Cook constitutive relation, the theoretical prediction model of ASF was established. The predicted critical cutting speeds of ASF in high-speed machining of a hardened carbon steel and a stainless steel were verified through the chip morphology observations at various negative rake angles and feeds. The influences of the cutting parameters and thermal-mechanical variables on the occurrence of ASF were discussed. It was concluded that the critical cutting speed of ASF in the hardened carbon steel was higher than that in the stainless steel under a larger feed and a lower negative rake angle. The proposed prediction model of ASF could predict reasonable results in a wide cutting speed range, facilitating the engineering applications in high-speed cutting operations. The full text can be downloaded at https://link.springer.com/article/10.1007/s40436-018-0212-2     

基于人工智能算法的最优加工表面粗糙度预测研究

以切削速度、进给量、切削深度、刀尖圆弧半径为设计变量,采用正交试验法进行了立方氮化硼(CBN)刀具干式车削冷作模具钢Cr12MoV的试验研究。利用神经网络的非线性拟合能力和遗传算法的全局寻优能力,建立了加工表面粗糙度预测模型并获得了使表面粗糙度达到最优的切削用量与刀尖圆弧半径组合。利用遗传算法获得的最优表面粗糙度值比田口方法和切削试验所获得的最佳表面粗糙度值分别降低了7.1%和17.2%。文中所采用的方法也为切削加工中刀具磨损、切削力和残余应力等问题的建模与参数优化提供理论参考。     

红曲米中桔霉素、淀粉、水分含量的快速测定

采用近红外光谱技术构建红曲米中桔霉素、淀粉、水分含量的快速测定预测模型。分别采用偏最小二乘回归(PLS)、主成分回归(PCR)、多元线性回归(SMLR)构建所测组分的数学模型,以相关系数(R)、预测相对分析偏差(RPD)、预测均方根误差(RMSEP)、校正均方根误差(RMSEC)值来评价模型的综合性能。结果表明,MSC、SNV方法可以消除样品颗粒不均对光谱的散射影响;导数处理能够消除基线漂移问题;对于水分含量,只有PLS和PCR模型可用于较准确定量测定(RPD=2.45和2.81);对于淀粉,只有SMLR模型可用于较准确定量测定(RPD=2.58);对于桔霉素,3种模型的RPD值均小于2,虽然不能用于准确定量测定,但能满足定性分析或分级。为红曲米生产过程中桔霉素、淀粉、水分含量的快速检测提供新的方法,为红曲米质量的智能化控制提供新的途径。     

基于平整轧制力的带钢屈服强度建模及应用

基于轧制力Bland-Ford简化模型,建立了带钢平整过程中的屈服强度预报模型,现场使用表明：预报数据与实际检测数据吻合度超过95%,为现场生产提供了参考。     

充填体强度的支持向量机设计匹配模型

充填体强度设计的预测受到多种高维度、非线性、随机性因素的影响。为改善当前充填体强度设计预测效果不佳的现状,使用支持向量机（SVM）方法在matlab软件中借助LibSVM工具箱建立充填体强度设计匹配模型。分析并筛选出8个主要因素作为条件属性,充填体强度作为决策属性,并挑选出72组训练样本和6组校验样本。模型选择径向基函数（RBF）为核函数,采用网格搜索法对参数寻优,再通过交叉验证检验最优参数组合。结果表明：SVM匹配模型做出的回归预测平均误差为1.94%,校验预测平均误差为2.23%,相对于BP神经网络模型,预测准确度更高。在保证采场稳定性的前提下,SVM匹配模型更为有效地减少水泥消耗、降低充填成本,提高企业经济效益。