爆破参数智能设计的T-S模糊神经网络方法

针对地下矿山爆破参数设计的工作繁琐、任务量大等问题,建立基于T-S模糊神经网络的地下矿山爆破参数智能设计模型,实现爆破参数快速、智能设计。以某矿山地下矿中深孔爆破为研究对象,收集大量矿山现场实测数据,以抗压强度、抗拉强度、初始弹模、弹性模量、泊松比、黏聚力、内摩擦角、孔底距和排距为输入量,利用BP神经网络和T-S模糊神经网络,建立不同的地下矿山爆破参数预测模型,结果表明,T-S模糊神经网络具有更高的准确性以及更快的运行时间,能够更好地表达地下矿爆破参数与主控因素之间的非线性关系,网络预测值与目标值的均方误差达到1.375 9×10^-5,模型预测效果最佳,为矿山地下矿爆破参数设计提供了参考依据。     

基于均匀设计差分法和模糊神经网络的隧道围岩物理力学参数反分析

基于均匀设计、差分法和模糊人工神经网络建立了新的隧道围岩物理力学参数反分析方法。按照均匀设计要求，选取不同物理力学参数；用FLAC差分程序进行计算，得出了相应的神经网络分析样本；进行了网络结构及学习参数的优化；对模糊神经网络进行了学习训练；据学习结果，利用各监测断面实测数据，对韩家岭隧道围岩物理力学参数进行了反分析，反分析结果满足精度要求。     

基于T-S模糊神经网络的边坡稳定性分析

由于影响边坡稳定性的因素存在随机性、模糊性,本文将模糊系统思想融入到神经网络的应用中,建立T-S模糊神经网络,采用粘聚力、摩擦角、边坡角、边坡高、人为影响、采矿工程影响这6个参数作为边坡稳定性评价系统的输入参数,而将边坡稳定状态作为输出参数,通过对工程实例的建模分析表明,该网络预测精度达到工程要求,该分析方法具有较为广泛的应用前景。     

基于模糊神经网络的磨矿分级智能控制系统的研究

针对磨矿分级系统的特点,采用模糊逻辑与神经网络相结合的方法设计了基于模糊神经网络的磨矿分级智能控制系统。仿结果表明：系统搜索速度快,控制精度较高,不依赖被控对象,具有较强的抗干扰能力、自学习和自适应能力。     

用模糊神经网络建立模糊模型方法的推广

本文利用文献「１」中提出的五层前馈式模糊神经网络及其修剪和调整方法，将单输入单输出网络推广到二输入一输出系统，仿真结果表明效果良好。     

基于模糊神经网络的风机故障诊断

风机是企业安全生产的关键设备,探讨有效的故障诊断方法有着实际意义。将故障树和模糊神经网络相结合,利用故障树信息和专家经验知识提取神经网络的训练数据,并应用在风机故障诊断中,实例证明此方法较其他分析方法更简明、有效。     

模糊神经网络的发展与应用

模糊神经网络是将人工神经网络与模糊逻辑系统相结合的一种能处理抽象信息的网络,是控制理论中智能控制研究领域一个十分活跃的分支。模糊神经网络吸取了神经网络和模糊系统的长处,在处理非线性、模糊性等问题上有很大的优越性,在智能信息处理方面存在巨大的潜力,使得越来越多的专家学者投入到这个领域中来,并取得了卓有成效的研究成果。文章介绍了模糊神经网络的发展、优点、应用及其发展动向,论述了模糊神经网络目前的几个研究热点。     

基于模糊神经网络预报变压器油中微水含量的探讨

本文介绍变压器油中微水含量在线监测系统的总体结构。利用模糊神经网络模式识别原理实现变压器油中微水含量的在线监测,避免了离线数据模型的建立,减少了测量误差,使检测结果与实际数据更加相符,具有广泛的应用前景。     

基于神经网络的中厚板凸度预报

应用改进BP神经网络建立中厚板凸度预报的三层神经网络预报模型，用自适应学习速率法和附加动量法两种改进BP算法结合起来训练神经网络模型。试验仿真结果表明，该模型对测试数据预报结果均在3％之内，精度高，训练速度较快，具有很好的实用性。     

一种模糊神经网络控制器

简单介绍了模糊技术和神经网络的关系 ,并给出了一种利用神经网络技术的模糊控制器的控制方案。应用模糊神经网络技术 ,将模糊逻辑与BP算法相结合 ,使该控制器具有很强的适应性 ,拥有模糊控制和神经网络的双重优点 ,适用于参数时变、纯滞后的高阶系统。     

神经网络计算在采场结构参数分析中的应用

综述了岩土工程结构分析和设计中神经网络计算研究的现状与趋势,指出了进一步发展神经网络计算的策略及方向,分析了神经网络计算在岩土工程结构分析中的应用原理和基本BP神经网络计算的材料的本构模型,并将神经网络计算方法应用于新城金矿地下采场结构参数分析和设计过程中,结构表明,神经网络计算是岩土地下工程结构分析中一种很有发展潜力的新方法。     

爆破参数的BP神经网络优选及验证

爆破矿石块度大小及其均匀程度是反映爆破效果好坏的关键指标,它不仅直接影响采矿作业后续工序如装载、运输等设备工作效率和磨损程度,还严重影响采矿成本.因此利用BP神经网络对开阳磷矿的凿岩爆破参数进行优选,以排距、孔底距及炸药单耗作为输出结果,以国内同类矿山作为训练样本进行练习,计算得到了最优爆破参数,并根据最优爆破参数进行了现场试验验证,结果显示大块率有了明显的降低,因此这种方法由于良好的发展前景.     

煤自燃极限参数的神经网络预测方法

煤自燃极限参数是判断煤自燃危险区域的有力依据。由于受多种因素影响,长期以来一直采用粗略测算的方法,与现场实际差别很大。神经网络具有分布式存储、联想记忆、自组织、自适应、自学习能力,在非线性预测方面具有独特的优势。在对BP神经网络进行改进的基础上,进行了煤自燃极限参数的预测,应用结果表明,人工神经网络适合于煤矿井下此类复杂问题的预测。     

矿业城市转型效果评价及预测

通过对矿业城市转型效果的各项评价指标的详细划分,对转型效果的良好与否作出合理判断,并通过建立BP网络模型构建矿业城市转型的各项影响因素与转型效果之间的互动关系。从而为转型过程中的不利影响因素的及时修正及转型效果的科学预测、评价提供相关工具。     

基于抛掷爆破预测的BP神经网络参数优化方法

研究了不同隐含节点个数、训练函数、转移函数、学习率对BP神经网络预测结果准确性和收敛速度的影响;对比分析了参数优化后的BP模型与径向基神经网络、支持向量机预测模型的结果;并应用某露天矿抛掷爆破作业的实测数据进行了相关实验。实验结果表明：最优BP模型的拓扑结构为10-6-3;最佳的训练函数为LM函数,正切和线性函数的组合为最优的转移函数,最佳的网络学习率为0.77;参数优化后BP模型的最远抛掷距离、抛掷率、松散系数的预测结果与测试样本的标准差最小,分别为9.567 8,0.036 3,0.041 4,即参数优化后的BP模型预测结果最优。     

煤炭需求预测的复合小波神经网络模型

应用复合小波神经网络模型对煤炭消费年增长率进行了预测,综合考虑了国内生产总值（Gross Demestic Product,简称GDP）年增长率波动,主要用煤行业（电力,冶金,建材,化工等）的发展趋势,以及一次能源消费结构中煤炭消费下降的趋势等各种波动的影响,预测模型达到了很高的精度,用于近期预测是可靠的。     

矿井通风网络特征参数关联性研究

目前矿井通风网络角联分支数与网络结构熵难以快速估算、结构复杂度评价困难,很少有学者研究通风网络特征参数是否具有相关性。针对以上问题,以图论和矿井通风可视化仿真系统(Vent GIS)为基础,基于典型矿井通风网络实际参数,通过理论分析与回归分析,得出了角联分支数、网络结构熵快速估算模型。基于SPSS软件对典型通风网络特征参数进行了相关性分析,分析发现部分特征参数为强相关,基于理论分析和回归分析得出了分支数、节点数、独立回路数、独立通路数、角联分支数等参数内在函数关系,并简化了矿井通风网络结构复杂度快速评价模型。     

基于模糊聚类及BP神经网络的采矿方法选择研究（增刊）

以某铁矿为工程背景,采用模糊聚类分析的方法对采矿方法进行初选,建立了模糊聚类初选采矿方法可行方案集,通过模糊动态聚类分析,得到了初选方案。基于BP神经网络的方法预测了初选方案的技术经济指标,运用层次分析法,综合考虑经济因素、资源利用率、劳动生产率、安全因素、合理程度五大类因素,构建了采矿方法优选的评价指标体系,最终通过模糊数学综合评判,选取了最优采矿方法。     

基于模糊神经网络预测技术检测蓄电池剩余电量研究

采用基于模糊神经元网络预测技术并应用TI公司的DSPTMS32 0F2 4 0辅以相应的传感器检测蓄电池剩余电量。该方法技术先进 ,实验结果表明测试精度高 ,为蓄电池剩余电量的检测提供了有效的途径。