磁共振图像的原始-对偶近似迭代重建算法

基于压缩感知（CS）的磁共振成像（MRI）是一种利用磁共振（MR）图像的稀疏性的快速成像技术,经典CS-MRI重建数学模型是在包含线性合成非平滑正则约束下的最优化问题。针对重建模型中的线性合成正则项提出利用原始-对偶框架同时求解原始-对偶问题,对原始-对偶问题的增广Lagrangian形式求解其最优解,提出了一种原始-对偶迭代重建算法;对于非平滑正则项的处理,提出使用Moreau包络进行平滑近似,然后利用近似算子得到平滑近似函数的导数形式。用体模图像和真实MR图像,与共轭梯度算法（CG）、算子分离算法（TVCMRI）、变量分离算法（RecPF）和快速混合分离算法（FCSA）进行比较,表明该算法重建效果最好,算法复杂度与最快的FCSA算法相当。     

基于AGB组合模型的采煤机运行状态预测方法研究

针对单-预测模型用于预测采煤机运行状态预测精度差、适用性差的问题,深入研究了时间序列ARIMA预测模型、灰色GM(1,1)模型以及BP神经网络预测模型的结构原理,提出了一种基于AGB组合模型的采煤机运行状态预测方法。该方法首先获得各模型的预测结果,并对各模型计算出的方差作为AGB组合模型的输入,使用方差-协方差权重法对各模型的权重进行计算,最后对组合模型的预测结果进行求解分析。实验结果表明,基于AGB组合模型的预测方法对于采煤机运行状态的预测结果残差方差为0.001 3,平均相对误差为2.81%,均低于单-模型预测结果。     

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。     

基于振动图像和DCNN的采煤机滚动轴承故障诊断

在煤矿井下实际工况中,由于开采煤层的起伏,采煤机作业常伴随着噪声干扰以及工作载荷突变的情况,所以采集到的采煤机故障振动信号是非常复杂的,往往掺杂噪声信号的干扰。如何从原始信号中提取到有用的特征信息成为了井下设备故障诊断的研究难点。这种情况下难以直接使用一维振动信号进行滚动轴承故障诊断,提出了基于振动图像和动态卷积神经网络(DCNN)的采煤机滚动轴承故障诊断模型,将DCNN对于图像识别的高性能引入采煤机轴承的故障诊断中。测试实验结果表明,该故障诊断模型可实现对滚动轴承多种故障模式的特征分类,验证了该方法的正确性和高效性。     

煤矿机电设备运行状态大数据管理平台设计

针对目前煤矿机电设备运行状态数据量大、关系复杂且利用率低的现状，提出了一种基于Hadoop的煤矿机电设备运行状态大数据管理平台，整合企业资源数据和设备状态监测数据，建立适用于煤矿机电设备的大数据专用模型。对高通量数据管理技术、多源数据融合技术、并行化数据处理技术及数据可视化技术进行研究，并结合实际需求对数据管理分析平台的原型进行设计和开发。实验表明，该平台可实现对煤矿机电设备状态大数据的高效管理，为数字矿山的建设奠定了基础。     

钛表面压电BaTiO3涂层的形貌、晶相控制合成

加速和改善骨结合过程是口腔种植领域的研究热点,电刺激成骨是其中的研究方向之一,但外源性电刺激目前还存在很多缺陷。鉴于骨本身具有压电特性,如能在钛种植体表面制备压电材料涂层,从而产生内源性电刺激来促进成骨就具有重要研究意义。BaTiO₃作为一种环境友好的无铅压电材料,其四方相具备压电效应,生物相容性良好,负荷条件下可以促进成骨。本研究首先利用阳极氧化技术在钛种植体表面制备了形貌和结构优化的TiO₂纳米管涂层,进而利用水热反应将TiO₂纳米管涂层转化为BaTiO₃涂层,通过优化实验参数并设置极限浓度探索出具有压电效应的四方相BaTiO₃涂层的合成条件,并进行了表面形貌、晶相等表征和分析,结合有限元分析模拟计算验证涂层颗粒压电势。期望为种植体表面改性提供新的思路和方法。