基于智能体的音乐传播模型仿真分析

为了提高音乐传播效率,设计一种基于智能体的音乐传播模型,模型主要由音乐传播环境类、音乐传播智能体类两种智能体类构成。音乐传播智能体类的属性主要分为传播意愿程度、传播机率、再传播机率、传播次数和自身等级;音乐传播环境类的属性即为音乐传播智能体类的参与度。两种智能体类主要通过音乐信息传播交互规则实现音乐传播。研究发现,音乐信息价值越大,音乐传播智能体的数量越多,则音乐传播智能体间的音乐信息传播速度越快;音乐信息价值较大,传播群体的传播意愿程度也会出现明显的上升。与同类传播模型相比,基于智能体的音乐传播模型的传播效率较快,使用价值显著。     

智能化采煤系统架构及关键技术研究

针对我国当前推广应用的可视化远程干预智能化采煤模式进行了分析,介绍、总结了基于视频监控的远程干预综采智能化、以巡检机器人辅助的工作面智能化,以及基于惯性导航技术的综采智能导航等3个方向的技术发展情况,提出了当前可视化远程干预智能化采煤所面对的"看、动、想、稳"4个方面实际问题。分析了复杂开采条件下智能化采煤所面对的自适应技术和综采机器人技术2项技术难题,归纳出开采空间多元信息采集及交叉融合、智能化采煤决策基础理论、综采装备群智能化协作3个科学难题。围绕技术、科学难题,提出了智能化开采系统需要具备的4个基本要素,分别为:煤炭开采空间感知能力、智能分析及决策能力、自动执行能力、可靠及稳健运维能力,设计了以"感知、决策、执行、运维"为4个维度的智能化采煤系统架构。研究了关键技术待突破方向,包括开采地质环境增强感知技术、智能开采工艺分析决策技术、开采装备智能化技术、煤矿智能巡检机器人技术、开采系统智能运维技术、辅助生产环节智能化技术、综采智能服务等方面。最后,以国能集团神东榆家梁煤矿智能化采煤示范工程项目为例,开展了基于"透明工作面"的数字化采煤应用,初步实现了智能化自主采煤。     

带式输送机智能驱控系统的应用研究

为了提高带式输送机的运输效率及节省能耗,结合矿井实际情况,利用永磁直驱的新方式代替带式输送机原有的变频异步电动机、联轴器、减速器的配合运行方式,在简化系统结构的同时,使设备更加高效、低噪和便于安装。通过应用效果可知:智能驱控系统的应用减少了设备维修及保养的工作量,每年节省电费611万元。     

基于PSoC的葡萄大棚远程监测系统

针对葡萄大棚种植栽培的需要,提出了一种基于可编程片上系统的葡萄大棚远程监测系统。该系统中工作节点与数据汇聚节点都基于可编程片上系统实现,并可根据具体使用需求灵活配置节点外设及内核模块。系统可对土壤温湿度、环境温湿度、日光辐照等葡萄大棚内种植参数进行采集,并可实现基本的大棚机电操作控制功能。还讨论了基于JSP技术实现上位机监测控制功能用户端的方法。该系统具有使用灵活、功能伸缩性好、通用化程度高、配置便捷与使用方便等特点,可望为葡萄大棚栽培提供较为方便的工程实践支持。     

智能制造企业评价指标及评估方法的探讨

本文分析了智能制造评价的意义,提出了智能制造评价模型、评价指标及评估方法。     

智能家居的生物转型

随着社会和经济的发展,智能家居慢慢来到我们身边,走进我们的生活。智能家居的概念也经常被提及,并且对它抱有很大的期望。但时至今日,智能家居已经炒得很热,却没有得到实质性的发展。从智能家居的发展现状来看,智能家居生物转型是真正打开智能家居市场的金钥匙。真正的智能家电是要读懂人心,主动为人服务,具备人智。     

巷道智能化掘进的自主感知及调控技术研究进展

针对当前煤矿巷道综掘工作面的智能化程度较低,掘进效率低下的问题,分析了煤矿综掘工作面实现智能化快速掘进的关键技术--自主感知和调控技术。首先,探讨了智能化快掘创新方法与理论,以智能感知技术、自主控制技术、群组协同技术为核心,构建智能化快速掘进技术体系,以实现煤矿综合掘进机器人化装备的探-掘-护-锚一体化协同作业。其次,重点阐述了智能化掘进的自主感知技术,包括基于超宽带原理的位姿感知、基于双频激电法的超前探测、基于SLAM原理的环境感知、基于变迁记忆故障Petri网的故障感知等;自主调控技术,包括基于群体智能算法的智能截割、基于遗传变异粒子群算法的路径规划、基于BP神经网络PID算法的自主纠偏等。再次,详细论述了智能临时支护感知,包括围岩压力、顶底板状况、支架位姿等多维信息的感知,研究了非水平场景下掘支协同与多机组多缸联动的自适应控制方法;介绍了智能永久支护感知,包括围岩位移感知和支护装备受力变形感知,探讨了锚护网络结构优化方法,提出了基于粒子群优化算法的自适应钻进控制策略。最后,展望了煤矿巷道智能化掘进的自主感知及调控技术的发展方向。     

基于FOA的变分模态分解在轴承故障诊断中的应用

变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。