辽宁省教育厅基金(L2012119)
- 作品数：26 被引量：235H指数：10
- 相关作者：付华徐耀松王雨虹单亚锋孙朋更多>>
- 相关机构：辽宁工程技术大学国网辽宁省电力有限公司锦州供电公司机电部更多>>
- 发文基金：辽宁省教育厅基金国家自然科学基金辽宁省科技厅科技攻关项目更多>>
- 相关领域：自动化与计算机技术环境科学与工程矿业工程电子电信更多>>
- 基于小波包和RBF神经网络的瓦斯传感器故障诊断被引量：19
- 2015年
- 针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障为研究对象,提出了一种基于减聚类(SCM)与粒子群(PSO)算法优化的RBF神经网络进行模式分类与辨识的瓦斯传感器故障诊断方法。首先,利用三层小波包分解得到各个节点的分解系数,采用一定的削减算法使故障的瞬态信号特征得到加强,获取最优的特征能量谱。再利用SCM-PSO算法优化RBF神经网络,使粒子的搜索速度更快,更有利于发现全局最优解。最后通过实验对比分析,该方法具有训练速度快、分类精度高的特点,辨识正确率在95%以上,能够显著提高故障诊断的速度和准确性。
- 单亚峰孙璐付华訾海
- 关键词：瓦斯传感器RBF神经网络故障诊断
- 基于变权重RBF组合模型的煤与瓦斯突出强度预测被引量：9
- 2013年
- 为更准确预测煤与瓦斯突出强度,在组合算法和径向基函数(RBF)神经网络的基础上,建立变权重RBF组合模型。首先,选取最具代表性的3种单项模型:BP神经网络、支持向量回归机(SVR)、免疫遗传算法(IGA),分别建模后对样本序列进行预测,并重构预测结果数据。以重构后的预测序列为输入层,突出强度为输出层,对变权重RBF组合模型进行训练,获得各单项模型的动态权值,从而建立动态变权重RBF组合模型,最后对突出强度进行预测。结果表明:变权重RBF组合模型预测结果的平均相对误差为2.621 2%,优于各单项模型、定权重组合模型以及数据不重构组合模型。
- 付华许凡徐耀松孙朋
- 关键词：煤与瓦斯突出BP神经网络
- 一种EKF-WLS-SVR与混沌时间序列分析的瓦斯动态预测新方法被引量：10
- 2015年
- 针对瓦斯浓度时间序列高度的混沌特性,采用微熵率法同步确定最优的嵌入维数与延迟时间,还原瓦斯涌出系统状态空间。以无线传感网络系统采集并经降噪处理后的瓦斯浓度序列作为样本。提出利用带有整定因子的扩展卡尔曼滤波器(EKF)对加权最小二乘支持向量回归机(WLS-SVR)的正则化参数γ与核参数σ进行快速寻优,并依据周期性更新的训练样本建立基于EKF-WLS-SVR耦合算法的动态预测模型以精确预测后续时间点的瓦斯浓度。通过MATLAB进行仿真,结果表明:EKF滤波器对提高WLS-SVR的拟合精度与学习效率方面有很大的帮助。相比于其他模型,该耦合模型具备更高的预测精度与更强的鲁棒特性,有较高的实用价值。
- 付华訾海孟祥云孙璐
- 关键词：瓦斯浓度无线传感网络
- 基于PCA和PSO-ELM的煤与瓦斯突出软测量研究被引量：31
- 2014年
- 针对煤与瓦斯突出预测效率和准确率不高这一问题,提出将主成分分析(PCA)法与改进的极端学习机(PSO-ELM)相结合的方法对煤与瓦斯突出进行预测。根据某煤矿地质动力区划方法,在划分活动断裂,岩体应力计算等工作基础上获取影响突出的相关数据;通过主成分分析法对原始数据进行降维处理,消除变量间的线性相关性;利用粒子群算法(PSO)对极端学习机(ELM)的输入权值和隐层阈值进行优化,建立PSO-ELM预测模型,将提取的主成分作为该模型的输入,煤与瓦斯突出强度作为模型输出。实验结果表明,该方法的预测精度高、结构简化,具有较强的泛化性能力强。
- 付华王馨蕊王志军王雨虹屠乃威徐耀松
- 关键词：煤与瓦斯突出软测量粒子群优化算法极端学习机
- IGA-DFNN在瓦斯浓度预测中的应用被引量：10
- 2014年
- 为了准确预测采煤工作面的瓦斯浓度,提出免疫遗传算法优化的动态模糊神经网络瓦斯浓度动态预测方法。用无线传感网络系统采集工作面瓦斯浓度数据作为样本,通过小波分析对样本数据进行降噪滤波预处理。采用IGA算法对DFNN网络参数进行优化,建立了瓦斯浓度的预测模型。通过MATLAB仿真研究表明,所建模型对采煤工作面的瓦斯浓度演变趋势预测合理,并且经过IGA算法优化DFNN网络比单纯的DFNN网络具有更快、更准确的预测功能,可以为防治煤矿瓦斯积聚提供更好的理论支持。
- 付华李文娟孟祥云王桂花王灿祥
- 关键词：无线传感网络小波分析
- 基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究被引量：32
- 2013年
- 为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。
- 付华谢森徐耀松陈子春
- 关键词：瓦斯涌出量
- EKF-ENN算法在瓦斯涌出量预测中的应用
- 2015年
- 针对瓦斯涌出量的多影响因素预测问题,提出将扩展卡尔曼滤波算法与Elman神经网络有机结合并应用于瓦斯涌出非线性系统的动态辨识.带有整定因子的EKF滤波器通过实时对网络的权值、阈值进行全局寻优,建立基于EKF-ENN耦合算法的绝对瓦斯涌出量预测模型,利用矿井监测到的各项历史数据进行预测试验.研究结果表明:该模型的预测平均相对误差为1.67%;平均相对变动值ARV为0.000 768 1.EKF优化后的Elman神经网络预测模型相比于其他预测模型,具备更高的预测精度与更强的泛化能力.
- 单亚锋黄喆谷雯
- 关键词：绝对瓦斯涌出量非线性系统扩展卡尔曼滤波动态反馈神经网络
- 新型的自参照型POF耦合传感器被引量：1
- 2014年
- 基于POF(聚合物光纤)的工作原理,对影响全反射条件的各要素进行了认真分析,提出了一种全新的自参照型POF耦合传感器。通过对初始POF进行部分抛光和加入弯曲等处理,并引入耦合传感的理念,使传感器拥有了自参照特性。利用其耦合比K即可判断传感器所处的外部环境,它可以识别所在液体种类并可区分气液体间的变化。K并不受它所在链路或网络的传输功率波动或者不良功率的干扰,免去了较复杂的光源补偿过程。利用工业中常见的液体(水和油)对该传感器进行了测试和分析,其自参照特性、独立性以及温度特性都得到了研究,证实了耦合传感的优势。
- 付华王新鑫徐耀松
- 关键词：聚合物光纤功率损耗耦合比
- 基于PSO-SVM的煤岩声发射源定位预测被引量：10
- 2013年
- 为了准确的预测采空区煤矿煤岩破裂与失稳前,岩石所释放出来的声发射信息的位置,并且根据山西焦煤的官地矿16403工作面获得的声发射事件的数据,因为该数据是一个非线性、高维的问题,提出了用PSO和SVM算法相结合的方法应用在煤岩声发射源定位中。以往的方法只是单纯的收集煤岩或岩石声发射信息,以至于定位出现失准、精度低和误差大的缺点。基于煤岩失稳前两者都会发出强烈的信号,文章提出了"1+1=1"的定位模型,既收集同一位置的岩石和煤岩体的声发射信号,由PSO-SVM分析处理后,得到其位置。仿真结果表明:应用PSO和SVM结合的方法进行煤岩声发射源定位的预测,在提高准确性和精确度的同时,也大大的提高了泛化的能力,该方法也大大减小定位失准的误差。
- 单亚锋孙朋徐耀松付华谢森
- 关键词：粒子群优化支持向量机声发射
- 基于广义加权的AMDF时延估计方法研究被引量：3
- 2013年
- 时延估计是声源定位常用的方法。多途效应严重影响声源信号时延估计性能,传统方法难以克服。提出一种基于广义加权的平均幅度差函数AMDF(Average Magnitude Difference Function)时延估计方法,利用改进的AMDF方法提高对多途效应的抑制,通过广义加权方法降低算法的噪声敏感性。仿真及实验表明,对于窄带信号,该方法能够获得比传统广义互相关方法更高的时延估计性能,估计结果的误差减小,稳定性能提高。
- 徐耀松付华王丹丹
- 关键词：声源定位时延估计
