煤矿机器人检测检验技术发展趋势 及存在的问题

分析了煤矿井下机器人检测检验技术国内外现状及发展趋势,针对煤矿机器人提出需进一步研究组合型防爆安全检测检验技术,并应引入基于仿真分析对机器人爬坡、越障、防爆结构设计合理性及环境适应性的检测评估技术,急需搭建井下应急救援环境实验室,开展煤矿机器人环境适应能力实验与分析,通过大量实验对煤矿机器人动力电源充电安全性进行验证,同时应加快煤矿机器人检测检验标准或规范的制定,更有效地对煤矿机器人性能、指标、工作及贮存条件等进行管控。     

ACOA-RBF网络模型在短期负荷预测中的应用

为了进一步提高RBF神经网络的性能,实现准确、快速预测短期电力负荷的目的,将蚁群优化算法（ACOA）作为RBF神经网络的学习算法,建立了一种新的蚁群优化算法的RBF（ACOA-RBF）网络预测模型,利用山西某地区电网的历史数据进行短期负荷预测。仿真表明,这一算法与传统的RBF神经网络预测方法相比,能达到更好的预测效果。该优化算法改善了径向基神经网络的泛化能力,提高了山西电网短期负荷预测的精度,可有效用于电力系统的短期负荷预测。     

基于径向基的瓦斯涌出量灰色预测模型

为了进一步预防煤层瓦斯突出,实现准确、快速预测煤矿瓦斯涌出量的大小,首先采用1-AGO对样本数据进行处理,建立灰色(GM)预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值;采用阜新煤矿某工作面瓦斯涌出量的历史数据进行建模,实验结果表明,GM-RBF组合模型在预测精度及训练误差方面均优于单一的GM模型和RBF神经网络预测模型;算法计算简便,减弱了数据的随机性及模型误差,煤矿瓦斯涌出量的预测平均误差减小到1.57%。     

基于模糊控制的异步电机软启动器的研制

基于无速度传感器和模糊控制,提出了一种异步电机软启动器的研制方案,将无速度传感器应用到异步电动机的软启动器中,采用模糊控制器来实现电流控制,使异步电机软启动过程中存在的非线性控制得到了改进和提高。以MC9S12DG128单片机作为其控制器,对软启动控制系统的硬件电路和软件程序进行了设计。实验结果表明:该软启动器结构简单,系统损耗减小,稳定性和精度得到了提高,其中电压精度达到了0.01 V,对电机及其拖动系统有更好的保护作用。     

基于C8051F041的新型矿井监控分站

为便于对矿井下瓦斯、温度等参数进行实时监测,设计了新型矿井分站。分站控制单元使用的是C8051F041,内部嵌有CAN控制器,且通信设计中使用了PCA82C251收发器。通过模拟实验表明:新型分站能够对单片机、数码管等进行自检,可以实现掉电保护功能,并且具有可靠高速的通信能力和更高的击穿电压。     

基于PLC的煤矿井下自动排水系统

基于PLC和组态软件提出了煤矿井下水泵房自动排水方案,中心控制器采用S7-200系列PLC,经过传感器对各参数的采集,利用软件编程等完成了避峰就谷、自动轮换等节能优化排水过程,具有故障监测和保护功能,主要包括过压、过流、漏电保护,水泵漏水保护,流量、压力保护.上位机使用组态进行操作,可实现远程监控,实时显示信息,提高了生产效率,节省能耗,降低了生产成本.     

煤矿涌水量的灰色RBF网络预测模型

为了达到准确、快速预测煤矿涌水量的目的,实现煤矿井下可靠、节能自动排水的需要,首先采用1-AGO对数据进行处理,得到规律性较强的累加数据,建立灰色预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值;利用某矿-600m工作面年均涌水量的历史数据进行建模,实验结果表明,灰色RBF模型在预测精度方面优于单一的灰色模型;其模型计算简便,减弱了数据的随机性及模型误差,提高了煤矿涌水量的预测精度。     

MPSO-SVM的压力传感器的非线性校正研究

为了消除压力传感器受温度变化和电压波动的影响而产生的非线性特性,提出了改进粒子群优化支持向量机(MPSO-SVM)非线性校正,利用改进粒子群首先对支持向量机的参数进行搜索寻优,通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型,再根据支持向量机具有逼近任意非线性函数的特点,实现压力传感器非线性校正。实验结果表明,压力传感器的最大相对波动从原来的22.2%降为0.12%,有效地消除了温度和电压波动的影响,此方法实现简单、成本低,具有实用价值。     

矿用锂离子蓄电池电源短路保护试验系统

设计了矿用锂离子蓄电池电源短路保护试验系统。系统主要由定时控制单元与数据分析单元组成,定时控制单元由AVR单片机控制主回路的闭合,并可实现自动定时及试验回路的断开,数据分析单元包括数据采集卡及LabVIEW数据分析软件2部分,数据采集卡可自动采集主回路的电流、短路保护元件的端电压及线圈信号,并通过LabVIEW进行试验数据的分析与计算,最终将测试结果进行直观显示。     

QGA-RBF网络在无线传感瓦斯监测系统中的应用

煤矿的安全事故中有80%以上为瓦斯事故,为了更加准确的预测瓦斯涌出量,使得煤矿安全进一步得到保障,采用足够的具有代表性的瓦斯检测数据作为样本,在无线传感瓦斯监测系统为模型的基础上,对采用QGA算法改进后的RBF神经网络算法建立的瓦斯涌出量预测模型进行瓦斯预测研究。并采用MATLAB进行仿真研究,结果表明经过优化后的预测模型较单一的RBF网络模型有更好的预测精度,可以为煤矿瓦斯防治提供理论依据。