煤矿物联网研究现状及发展趋势

阐述了国内外煤矿物联网的一些概念及发展历史,分别从系统架构、感知层、传输层、应用层及工程应用方面总结了国内外煤矿物联网研究现状;指出目前煤矿物联网研究存在的主要问题为缺乏低功耗智能传感器及装置、矿井环境能量捕获技术、数据与网络安全方法、公共服务平台以及煤矿物联网相关标准;从嵌入式智能信息传感技术、基于大数据的矿山安全生产云服务平台、安全性方面探讨了煤矿物联网可能的发展方向。     

基于角色的分布式协同虚拟环境建模

目前多数分布式协同虚拟环境建模,主要是解决异构性、可扩充性和行为真实感方面的问题,忽视了系统的安全性问题.而在实际的应用中,不同的用户具有不同的职责和权限.如果不进行安全方面的考虑,就会出现越权操作或非法访问的问题.本文针对分布式协同虚拟环境中用户访问权限的不同,提出了基于角色的分布式协同虚拟环境系统模型,给出了该模型的一种实现,并在应用系统中进行了实例验证.     

矿山物联网网络技术发展趋势与关键技术

总结了当前矿山网络现状;结合矿山物联网的发展目标及未来矿山在信息处理方式上的变化趋势,分析了矿山网络在网络容量、可管理性、密集接入、实时性、智能化、灾后应急通信等方面的发展需求及趋势;提出了扁平化、智能化、资源抽象化等矿山物联网网络设计原则,并对无线传输编码、软件定义网络、流量卸载、边缘计算、网络功能虚拟化、认知无线电、能量捕获、语义网络等关键技术在矿山物联网中的应用和发展需求进行了介绍。     

基于分段线性方法的瓦斯浓度时间序列模式表示

指出直接采用原始瓦斯浓度时间序列进行短期浓度预测、相似性查询、时间序列分类和聚类等数据挖掘工作不但效率低下,而且会影响时间序列数据挖掘的准确性和可靠性;提出了一种采用分段线性方法的时间序列模式表示方法。采用分段线性表示方法对瓦斯浓度时间序列进行模式表示后可换来较小的存储和计算代价,只保留了时间序列的主要形态,去除了细节干扰,更能反映出时间序列的自身特征,有利于提高数据挖掘的效率和准确性。     

强夯法加固湿陷性地基关键技术

我国湿陷性黄土分布广泛,在湿陷性黄土地基上进行工程建设时应选择合理的地基处理方式,这样不仅能够有效的消除和避免由于土质湿陷性对工程造成的危害,而且还能在一定程度上不断的提高整个工程的建设质量。就强夯法加固湿陷性地基关键技术展开具体的分析与讨论。     

基于克里金插值的脑电图成像系统

脑电图在医疗诊断中发挥了重要作用,能够快速纪录脑内神经元活动产生的电信号并能在屏幕上清晰地成像。针对16导联设备设计了一种脑电图成像系统,可以有效地支持二维脑电地形图和三维脑电旋转图的显示。对于二维脑电地形图采取了对时域信号的频域变换以及克里金空间插值方法进行填充绘制;对于三维脑电旋转地形图采取了反向映射到二维平面像素点的方法加以实现,该方法的成像效果清晰,并避免使用外部库文件,最后对导联设备增加以及产品的进一步功能发展所面临的挑战作了简要的分析。     

基于XML的参数化虚拟场景建模技术

针对VRML虚拟场景建模可定制性差和开发效率低的缺陷，提出一种基于XML的参数化虚拟场景建模技术，增强了VRML 场景建模的可定制性，提高了开发效率，并对大场景采用区域划分的方法，提高了大场景的绘制速度，在虚拟城市的构建项目中得到了较好的应用。     

基于流形正则化的多元时间序列半监督回归

针对多元时间序列半监督回归只考虑样本间空间关系信息而忽略了样本间时域信息的问题,提出了一种考虑样本间时域信息的半监督回归算法(ST-LapRLSR).在时域光滑性假设下,构造了一种能更好地反映样本间内蕴几何结构的正则化项.在建立图拉普拉斯的过程中,将样本点间的时序关系引入到边的权重计算中,并在流形正则化框架下利用该正则化项进行半监督回归,最后通过表示定理进行求解.在公共数据集和煤矿多传感器数据上进行了实验,结果表明:在多元时间序列半监督回归中,与只考虑样本空间关系信息的最小二乘正则化算法(LapRLSR)相比,ST-LapRLSR能同时利用样本的时空信息,准确率得到了提高.     

时间序列多尺度异常检测方法

针对时间序列异常模式检测大多采用线性模式分割方式的局限性,研究了在Haar小波变换多尺度特征的基础上,结合时间序列模式分割技术,提出一种时间序列多尺度异常检测方法。该方法首先通过小波变换压缩时间序列,把时间序列分解在不同的尺度上;再利用二次回归模型将分解后的时间序列分割成可变长度的模式序列,计算模式异常值;最后重构原时间序列,检测原时间序列中的异常模式。实验结果表明,该方法可以有效地检测异常,而且可以从不同分解级数的压缩时间序列中检测多尺度异常模式。     

一种基于SVR的定位误差修正算法

针对井下无线信号传播环境发生改变需要重新采集RSS(Received Signal Strength)指纹数据的问题,提出一种基于支持向量回归(SVR)的定位误差修正算法。该算法在离线阶段利用支持向量回归机,建立待训练点的RSS值和定位结果与定位误差之间的非线性关系,在线阶段利用该模型计算RSS样本的定位误差,并修正定位结果。实验结果表明,在离线训练点数量增加前后,该修正算法比指纹匹配算法的定位误差分别减少了22%与38%。