低碳限制下综合成本最小的露天矿卡车运输优化研究

露天卡车运输是露天矿山企业生产管理中的重要环节，合理控制卡车运输的能源消耗和碳排放量是低碳经济背景下保护资源环境的重要举措。在低碳限制下针对露天矿卡车运输问题，以油耗成本、碳排放成本和卡车启用成本最小为优化目标，综合考虑各装载点与各卸载点之间的多条运输路径和生产任务，建立了低碳限制下综合成本最小的卡车运输优化模型，然后利用IAS算法对模型进行求解，对卡车运输行驶的能源消耗进行了优化，并将3种不同目标函数做了对比，最后利用实例进行验证。结果表明：该优化研究能够有效减少运输成本、能源消耗和碳排放量，同时也能减少卡车使用数目，降低了矿山企业的经营成本，为建设资源节约型和环境友好型矿山提供了保障。     

基于WiFi技术的井下人员定位系统研究

为优化井下生产管理,增强井下作业安全性,提高人员定位精度,通过比较几种主流无线定位技术,利用WiFi技术传输距离远、定位准、传输快等特点,研究并搭建了一种基于WiFi技术的井下人员定位系统。采用指纹识别定位算法进行离线训练和在线定位,选取欧几里德距离公式进行位置计算。实验证明该定位系统是可行的,定位误差小于5 m,有效地提高了定位精度。     

基于MapX的矿山车辆定位仿真技术研究

基于GIS/GPS/GPRS的车辆监控是以 GIS 作为基础信息系统平台,以GPS 作为车辆定位手段,以 GPRS 作为数据传输手段的集成应用系统。针对洛阳集团矿山公司现状和实际需求,对GIS进行深入分析,采用C#语言结合MapX5.0控件为该系统设计了一套合理有效的、模块化的、可重用的、维护方便的GIS监控组件。该监控组件的合理应用能够大大降低开发费用,方便系统的维护工作,并能够提高整个系统的运行效率。     

基于GIS/GPS/GPRS的露天矿配矿动态管理系统

针对露天矿山规划与管理矿石质量的配矿需求,应用先进的地理信息系统(GIS)技术、全球卫星定位(GPS)技术及通用无线分组传输(GPRS)技术设计实现了露天矿山配矿生产动态管理系统.该系统针对多出矿点多卸矿点的情况,建立线性规划模型,不仅能够自动生成班配矿生产计划,而且还能对配矿作业过程实时控制.现场测试表明:该系统性能稳定,能满足矿山生产配矿要求.     

基于GIS/BDS/GPRS的露天矿爆堆数据管理系统

为了满足矿山企业信息化管理数据的需求,对栾川矿的采矿生产数据进行分析,发现这些数据存在数据来源多样、数据量大、数据获取不同步等现实情况,研究提出了一个爆堆数据管理系统。该系统在应用地理信息系统（GIS）技术和通用无线分组传输（GPRS）技术的基础上,结合我国自主研发的北斗卫星定位（BDS）技术来对爆堆系列数据进行采集、储存、管理、可视化和描述,同时也实现了对驾驶员和车辆的动态监控。着重介绍了系统的整体架构、数据处理、功能实现、系统部署及综合管理功能。实例证明该系统的设计开发可以使矿山工作人员实时动态地对爆堆数据进行可视化管理。与以往的数据管理系统相比,该系统具有易用性、实时性、数据共享、可扩展性及智能化等优势。     

基于系统动力学的钼资源战略储备规模研究

基于《中国矿产资源报告(2017)》的要求,为保证钼资源安全可持续地供应,对未来14a我国钼资源战略储备规模运用系统动力学模型进行模拟分析。主要选取供应和消费数据,综合考虑钼资源价格、钼资源供给量、钼资源需求量、储备成本以及出口收益对钼资源战略储备的影响,通过设定不同的经济发展情况,模拟计算钼资源入库量、累计入库量和储备量。结果表明:我国钼资源战略储备最大规模在经济高速增长时为847.60万t;经济平稳发展时为849.34万t;经济低速发展时为854.58万t。其次,不论经济形势如何变化,我国钼资源储备量总体来看呈先增多后减小的趋势,其峰值出现在2020年、2021年这2个时间点,并且政府部门都会进行收储或释放调节,以保证钼资源市场的稳定。     

基于SVM-DS融合的破碎机故障智能诊断技术研究

针对矿山旋回式破碎机结构庞大,运行机理复杂以及故障关联性较强的问题,在利用传感器系统采集多源异质数据的基础上,提出一种基于支持向量机(SVM)和D-S证据理论的破碎机故障诊断方法。首先,利用所采集的破碎机的振动、声音、温度和压力数据信息构建多个特征证据体;然后,使用"一对一"多分类SVM对每个证据体进行初步的训练、测试、分析诊断;其次,利用D-S证据理论将初步的SVM诊断结果进行融合,得出最终结果;结果表明:D-S融合后的故障诊断正确率平均为93.2%,与融合前的单一证据体SVM故障诊断正确率高16.8个百分点。由此可得,基于SVM和D-S证据理论的矿山破碎机故障智能诊断方法准确、可靠,在矿山企业具有较高的应用实践价值。     

基于点渲染的多分支融合露天矿爆堆块体精细分割方法

现代矿产开采中,爆破成本控制占据整个矿产开采的成本控制的很大一部分,这使得爆破效果的控制在整个矿产开采流程中至关重要,而爆破效果的控制与爆破参数直接关联,这需要采集现场真实的数据来指导爆破参数的优化。为解决当前对于矿区现场爆堆块度识别时存在的精度低、实时性差、泛化性能弱等问题,基于爆破参数优化的需要,提出了深度学习框架下的爆堆块体精细分割方法（Point+S Deeplabv3+）。首先模型在骨干网络特征提取部分引入多分支可分离注意力机制,学习不同通道间的权重特征并融合,改善了提取特征时跨通道交互缺乏的问题;在解码阶段,运用点渲染模块,通过迭代选取点在不同尺度特征图的特征,逐步对每个点对应的低级语义特征和高级语义特征进行拼接,解决了上采样时大量丢失语义信息、边缘及小目标分割精度降低的问题;最后使用动态学习率调整策略,加快模型的收敛速度。实验结果表明,基于Point+S Deeplabv3+模型的MPA和MIoU分别达到了94.36%和89.04%,对比主流的语义分割网络,如FCN、UNet、PSPnet和Deeplabv3+相比,基于Point+S Deeplabv3+的模型MPA和M...     

求解高维复杂函数的遗传-灰狼混合算法

高维函数优化一般是指维数超过100维的函数优化问题,由于"维数灾难"的存在,求解起来十分困难.针对灰狼算法迭代后期收敛速度慢,求解高维函数易陷入局部最优的缺点,在基本灰狼算法中引入3种遗传算子,提出一种遗传-灰狼混合算法(hybrid genetic grey wolf algorithm,HGGWA).混合算法能够充分发挥两种算法各自的优势,提高算法的全局收敛性,针对精英个体的变异操作有效防止算法陷入局部最优值.通过13个标准测试函数和10个高维测试函数验证算法的性能,并将优化结果与PSO、GSA、GWO三种基本算法以及9种改进算法进行比较.仿真结果表明,所提算法在收敛精度方面得到了极大改进,验证了HGGWA算法求解高维函数的有效性.     

基于TSSA-SVR的焦炭质量预测模型研究

摘 要：焦炭质量对高炉冶炼的生产有着极大的影响,建立精确度高、适应性好的焦炭质量预测模型对企业生产具有重要的意义,为解决生产过程中焦炭质量难以实时测量的问题,提出一种基于混沌麻雀搜索算法（TSSA）优化支持向量回归机（SVR）的焦炭质量预测模型。首先采用改进Tent混沌映射初始化种群,加强麻雀搜索算法（SSA）的全局搜索能力,然后利用TSSA对SVR的参数进行优化,有效克服了传统SVR的参数选取问题。选取配合煤中的水分、灰分、挥发分等七项指标作为模型的输入,焦炭质量中的抗碎强度,耐磨强度,反应性、反应后强度四项指标作为模型的输出,依据焦化厂历史生产数据,对TSSA-SVR模型进行实例验证,并与SSA-SVR、SVR模型进行对比分析,实验结果表明,提出的方法具有较好的准确度和适应性,对焦炭生产具有一定的实用价值。