炮采放顶煤工作面矿压观测与研究

对长沟煤矿工作面进行了实际矿压观测，包括顶煤初次垮落步距、直接顶岩层初次垮落步距、基本顶初次来压步距及其来压强度、基本顶周期来压步距及其来压强度，分析研究了采场矿压规律。     

改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO-BP算法在洪水预测应用中建立预测模型.以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性.采用改进的PSO-BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值.通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率.     

神经网络在网络丢包预测中的应用

通过在网络控制系统中加入BP神经网络从而达到对网络丢包进行预测的目的,为进一步的丢包补偿做足准备.利用粒子群算法优化BP神经网络预测器.仿真结果表明：与BP神经网络相比,PSO-BP神经网络具有更好的网络丢包预测性能.     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

澄合矿区中厚煤层综采面矿压显现特征研究

为解决澄合矿区5号煤典型中厚(1.5～3.5 m)煤层综采开采中存在的液压支架选型合理性等问题,文中以澄合矿区具有典型中厚煤层的王村煤矿斜井5216综采工作面地质条件为研究背景,通过现场矿压观测手段分析研究了矿压显现特征。研究结果:得出了澄合矿区典型中厚煤层综采工作面直接顶初次垮落步距、老顶初次来压步距、周期来压步距、来压强度以及来压持续距离等矿压显现特点,从而为澄合矿区中厚煤层综采支架选型合理性、安全可靠性以及相似工作面的高效安全开采提供科学依据。     

基于PSO-BP算法的微带天线谐振频率神经网络建模

谐振频率是微带天线设计过程中最重要的一个参数,直接决定设计的成败.本文提出基于粒子群优化(PSO)算法和反向传播(BP)算法的一种混合算法(PSO-BP)来训练神经网络,并基于该网络对矩形微带天线的谐振频率进行建模.该算法充分利用了PSO的全局搜索特性和BP的局部搜索特性,可以有效地提高神经网络的建模精度.仿真试验表明,基于PSO-BP算法的神经网络所建立的微带天线的谐振频率模型好于此问题的已有结论.     

结合改进PSO-BP神经网络的无刷直流电机控制

针对无刷直流电机的BP 神经网络控制器收敛速度慢,易陷入局部最优,设计了一种采用改进粒子群BP 神经网络控制的无刷直流电机控制系统,改进的粒子群算法在速度更新方程中引入了具有时变衰减特性的惯性权重,并用改进的粒子群算法对BP 神经网络初始权值进行离线训练. 仿真结果显示改进PSO-BP 神经网络孔制系统比标准PSO-BP 神经网络控制有更好的稳定性与抗干扰性,整个系统动、静态响应更好.     

澄合二矿24504综采工作面矿压显现特征

澄合二矿5号煤层松软、顶板稳定性差、煤层厚度较大,开采条件复杂,24504工作面为澄合二矿第1个采用1次全厚综采开采的工作面。采用现场观测方法,研究了24504工作面的矿压显现特征。工作面初次来压步距为31 m,平均来压步距9.4 m.工作面存在比较明显的周期来压来压现象,但来压强度变化相对较小;工作面平均支架工作阻力为2 500 kN/架,周期来压期间平均支架载荷3 713 kN/架,周期来压时平均最大支架载荷达到4 052 kN/架;工作面支架适应性比较好,主要设备选型配套合理。     

基于粒子群优化的神经网络漏钢预报模型研究

针对BP神经网络在训练过程中收敛速度慢以及用于模式识别泛化能力差的问题,将粒子群优化算法PSO引入到BP神经网络的训练过程,建立了PSO-BP神经网络模型,并将其应用到连铸漏钢预报系统中。结合某钢厂连铸现场历史数据对该连铸漏钢预报系统进行了测试,测试结果以98.03%的预报率及100%的报出率,验证了基于粒子群优化算法的BP神经网络连铸漏钢预报系统模型的可行性和有效性。     

自适应粒子群优化BP神经网络的变压器故障诊断

在分析粒子群参数特征的基础上,提出自适应粒子群优化算法,使用自适应粒子群优化BP神经网络,建立基于自适应粒子群优化BP神经网络(PSO-BP)的变压器故障诊断系统.通过对52组训练样本和28组测试样本的仿真实验,可知自适应PSO-BP法能提高变压器故障诊断的准确率,有效减小网络的误差精度.     

粒子群优化算法在城市需水量预测中的应用

在对天津市需水量现状进行调查的基础上,分析需水量与相关因素的变化规律,建立天津市需水量预测模型.应用粒子群优化算法(PSO)对神经网络权值进行优化,建立PSO-BP神经网络,应用于需水量预测模型的求解.将PSO-BP法与传统的BP神经网络法的计算结果进行对比,前者的预测平均相对误差比后者低500/.结果证明,该预测模型能够较好地拟合天津市需水量变化趋势,PSO-BP方法比BP方法具有更高的收敛速度和精度.     

工作面顶板岩石移动与破断规律研究

以某矿西1采区首采工作面为研究对象,对该工作面顶板岩梁的直接顶的初次跨落步距、老顶初次来压步距及岩梁的周期来压步距进行了计算研究,又通过对工作面支架的工作阻力实测,验证了理论计算的上述各值,从而为该工作面顶板管理提供了理论依据。     

赵各庄矿深部大倾角综放工作面矿压显现规律研究

基于赵各庄矿3237综放工作面矿压观测结果,重点研究了深部大倾角综放工作面的矿压显现规律和上覆围岩运移规律。研究结果表明:工作面初次来压步距为16～18 m,增载系数为1.47～2.33;周期来压步距为11～13 m,增载系数为1.15～1.36,属于来压不明显工作面;支架前柱工作阻力普遍大于后柱,约为2倍的关系;顶煤和顶板的始动位置超前于煤壁,煤壁前方的顶煤与顶板均出现不同程度的水平和垂直位移量。     

基于PSO-BP神经网络的纱线质量预测

针对复杂纺纱过程中成纱断裂强度难以预测的问题,提出一种基于粒子群优化算法(PSO)优化BP神经网络的成纱断裂强度预测方法.该方法采用PSO优化神经网络的权值和阈值,用来提高神经网络的收敛速度和获得全局最优解的能力.以纺纱车间大量现场质量检测数据为对象,进行预测验证,结果表明,PSO-BP神经网络在预测相关性(预测值与实际值的一致性程度)上与传统BP算法相比提高5.0%,与GA-BP算法相比提高4.6%,在预测精度上均要好于BP神经网络与GABP神经网络.     

复杂条件下上提蹬空工作面矿压显现特征研究

为了解决蹬空对巷道围岩变形影响严重等问题,针对张集矿1410(1)工作面复杂的地质条件,采用计算机数值模拟(UEDC)系统和现场工程实践相结合的方法,对工作面推进不同距离时上覆岩层垮落形态、初次来压步距、周期来压步距、液压支架受力以及巷道围岩的变形特征进行研究。研究表明:工作面老顶初次来压步距约为32 m左右,周期来压步距约为16 m左右。工作面液压支架所需支撑的最大岩层高度约为25m。在工作面每天正常推进8m的情况下,工作面压架的危险性较小。     

基于BP神经网络的工作面周期来压预测

针对现有工作面周期来压预测方法在算法结构复杂、计算量较大等问题,探索一种高效、准确、易于使用的工作面周期来压预测方法。以淮南潘集矿区20个已采工作面作为工程研究背景,采用BP神经网络预测原理,在分析工作面周期来压的影响因素基础之上,设计出一种基于BP神经网络的工作面周期来压预测方法,通过MATLAB编程实验表明BP神经网络在工作面周期来压的预测中具有较高的精度。     

煤矿浅埋煤层综采面矿压事故预防

为了预测预报浅埋煤层综采工作面矿压事故灾害,采用KMJ30型采动应力监测系统对杨伙盘煤矿30108综采工作面矿压进行现场实测.通过综合分析初采期间、正常推进时期、末采期间支架实测数据,得出了工作面初次来压、周期来压平均步距,工作面倾向压力分布,工作面整体压力大小,以及特殊地段的矿压大小,掌握了工作面矿压显现规律,对杨伙盘煤矿及周边类似条件矿井矿压事故的预报与预防具有一定的指导意义.     

综放工作面顶板运动及矿压显现规律研究

某矿10-702综放工作面矿压显现特征较为特殊,借助对工作面支架工作阻力及采高变化的现场监测,研究工作面顶板破断及宏观矿压显现特征。结果显示:工作面初次来压步距是33.6⁴0.2m,第一次周期来压步距平均为11m;工作面中部的支架受来压的影响较上、下部显著;来压期间,支架的采高受影响较为明显。     

物流配送中心选址的IPSO-BP算法

改进标准粒子群优化算法（PSO）的惯性权重参数,提出基于IPSO的BP神经网络算法,以提高物流配送中心选址的预测精度。仿真结果表明,IPSO-BP神经网络算法的预测精度优于常规BP神经网络算法,不仅改进了网络的收敛速度并且提高了预测准确性。     

特大采高工作面矿压显现规律

为掌握特大采高工作面矿压显现规律,突破采高极限,采用理论分析、相似材料模拟和数值模拟等多种手段,对上湾煤矿特大采高(8.8 m)工作面进行研究.研究结果表明:工作面基本顶初次来压步距为54 m,周期来压步距为12.8~30 m,平均周期来压步距为22 m;主关键层初次破断距为69~79 m,周期破断距为42~48 m,平均周期破断距为45 m;工作面超前支承压力为11.10~12.98 MPa,应力峰值点到煤壁距离为9~13.2 m,影响范围为74~96 m,应力集中系数为2.10~2.40.