基于组合赋权法的采煤机健康状态评估方法研究

采煤机作为煤矿开采的核心设备,结构复杂、运行环境恶劣、采煤落煤时受巨大负载冲击,易发生各种故障导致停机停产。因此,采煤机的健康状态直接影响煤矿企业生产效益。针对采煤机健康状态评估难的问题,提出一种基于组合赋权法的采煤机健康状态评估模型,根据采煤机运行特点构建其健康状态指标体系,采用基于层次分析法与熵权法的组合赋权法得到同时具有主观与客观意义的综合权重;依据灰色聚类法与模糊综合评价法分别完成对采煤机关键部件及整机的健康状态评估。仿真结果表明:基于组合赋权法所得状态评估结果准确率为84.33%,高于层次分析法或熵权法单一使用所得评估结果的准确率。该方法可有效解决采煤机状态评估困难的问题,为后续寿命预测与维护决策奠定基础。     

基于模拟退火遗传算法的自动化立体仓库货位优化

自动化立体仓库货位随机分配不仅影响仓库的稳定性,而且降低货物出入库效率。为寻找货位最优分配,提出一种基于模拟退火遗传算法解决货位分配问题的方法,并引入了3种不同的货位分配原则。通过分配原则建立货位分配优化模型,并利用模拟退火遗传算法对其进行解算,最终通过案例分析将所得目标函数的最小值与货位随机分配的初始值以及使用遗传算法求解值进行对比,可见使用此方法优化后货架稳定性以及出入库效率都大大提高。     

中心城水厂二期工程水处理工艺设计

介绍了深圳中心城水厂二期工程的设计条件和水处理工艺流程,以预臭氧接触池、折板絮凝平流沉淀池、V型砂滤池、二次提升泵房和臭氧接触池及生物活性炭滤池等为例,重点介绍了中心城水厂二期工程的主要净水构筑物的设计特点。     

考虑机会维护的煤矿综采设备群维护决策优化研究

为了降低煤炭企业维护风险与维护成本,提出了一种考虑煤矿维护安全与维护成本的多目标决策优化模型。首先通过威布尔分布模拟各台设备劣化趋势,然后以设备维护中人与管理为影响因素建立煤矿设备维护不安全耦合模型,以维护成本最低与停机损失最小为目标建立维护费用最低模型。最终以煤矿综采设备群维护调度为例采用基于维护顺序编码的交叉算子POX的改进遗传算法进行求解。实验结果表明：第一次维护调度完目标函数值降低了30.68%,完成三次工作面维护成本率降低了40.52%。因此,此方法可为煤炭企业制定合理的调度决策计划,降低煤矿企业的维护成本,提高煤矿设备运行的安全性能。     

考虑机会维护的煤矿综采设备群维护决策优化研究

为了降低煤炭企业维护风险与维护成本，提出了一种考虑煤矿维护安全与维护成本的多目标决策优化模型。首先通过威布尔分布模拟各台设备劣化趋势，然后以设备维护中人与管理为影响因素建立煤矿设备维护不安全耦合模型，以维护成本最低与停机损失最小为目标建立维护费用最低模型。最终以煤矿综采设备群维护调度为例采用基于维护顺序编码的交叉算子POX的改进遗传算法进行求解。实验结果表明：第一次维护调度完目标函数值降低了30.68%，完成三次工作面维护成本率降低了40.52%。因此，此方法可为煤炭企业制定合理的调度决策计划，降低煤矿企业的维护成本，提高煤矿设备运行的安全性能。     

采煤机健康状态智能评估方法研究

针对现有采煤机健康状态评估方法存在评估指标权重确定受人为因素影响较大导致评估准确率不高、采用单一评估算法存在局部搜索能力弱和抗干扰能力差、寻找全局最优值能力不足等问题,提出了一种基于主成分分析(PCA)与遗传算法(GA)优化BP神经网络算法(PCA-GA-BP算法)的采煤机健康状态智能评估方法。根据采煤机结构和工作原理选择采煤机状态监测点位,获取采煤机健康状态相关的各项状态参数,采用PCA对采煤机状态参数进行数据降维和特征提取,避免BP神经网络输入的复杂化;引入GA对传统BP神经网络寻找全局最优权值;通过训练参数建立基于GA-BP的采煤机健康状态智能评估模型,将降维后的采煤机状态参数自动输入评估模型,通过智能评估算法输出测试结果,实现自学习、自寻优和自主判断采煤机的健康状态。实验结果表明,基于PCA-GA-BP算法的采煤机健康状态智能评估方法可准确、快速和智能评估采煤机健康状态,相比于基于单一BP神经网络的评估方法,训练时间短、评估流程简单且评估准确率高,准确率达97.08%。     

基于小波包神经网络的轴承故障识别模型

针对传统故障特征提取过程复杂、诊断方案单一且准确性差等问题,提出了基于多阈值小波包和深度置信网络(DBN)的轴承故障识别方案。本文作者采用最优小波基函数和软硬阈值结合方法对原始振动信号进行三层分解降噪处理,得到8个从低频到高频段的信号成分,对其进行组合重构作为神经网络的输入样本;通过DBN在数据处理上的特征重构优势,建立了DBNBP神经网络的轴承故障识别模型,确定模型的各类参数。经多次实验,探究不同样本输入对模型识别率的影响,并与传统的浅层神经网络识别模型做对比分析,结果表明:经训练的DBNBP轴承故障识别模型可从原始数据、小波包分解信号实现轴承故障信号的准确特征学习和分类,结合识别率和诊断时间考虑,经小波包分解信号输入具有更优的诊断效率。     

污水污泥页岩烧结制品的重金属固化与水环境浸出稳定性

提高重金属固化程度与浸出稳定性是含重金属污水污泥处置和利用的前提。采用污水污泥并模拟提高其重金属Cr、Cu、Pb的含量,与页岩混合制备烧结砖和陶粒制品,研究重金属在页岩制品高温烧制过程中的固化率以及制品中重金属的水环境浸出稳定性,通过X射线衍射和扫描电子显微镜分析含重金属矿物的赋存形态和页岩制品微观形貌对重金属固化与浸出稳定性影响。与相同条件下焚烧纯污水污泥相比,重金属在页岩制品烧制过程中固化率明显提高,浸出毒性明显降低,重金属在页岩制品中易形成稳定的尖晶石型矿物以及页岩制品所具有的致密微观结构;相比烧结砖,陶粒中重金属固化程度和浸出稳定性更高,因为陶粒在更高温度下有利于尖晶石型矿物和致密结构形成。     

基于ARIMA 和SVR 的滚动轴承状态预测方法研究

滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明：该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。