煤矸石在线识别与自动分选系统的研究

煤矸石是影响煤炭质量的重要因素,传统的煤矸石分选方法生产效率低,劳动强度大,容易造成环境污染。本文探讨了一种采用模式识别技术进行煤矸石在线识别与分选的新方法,介绍了煤矸石识别的基本原理,论述了系统的构成,讨论了图像处理的方法。     

基于太赫兹波分选煤矸的探究

常规的煤和煤矸石分选方法如湿法分选、γ射线识别、X射线识别等无法兼顾安全简单、快速、高效率的问题,本实验选用频率高、灵敏度高、非接触无损的太赫兹检测技术对煤和煤矸石进行检测.结果显示,在0.2～0.8 THz频谱范围内煤和煤矸石的折射率有明显差别,煤的折射率在1.87附近,煤矸石的折射率在2.25附近;煤矸石的THz透...     

基于纹理特征融合的煤矸石分选技术研究

提出了一种新的基于纹理特征融合的煤矸石分选方法.设计了一种纹理特征提取算法.选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行融合,最后采用神经网络分类器实现煤矸石的分选.实验结果表明,本文所提出的分选方法达到了较高的识别正确率,且能够满足实时要求.     

双能γ射线透射法煤矸石在线识别与分选系统

论述了双能γ射线透射法煤矸石在线识别与分选系统的原理、判别模型和构成。其主要特点在于此方法有效地解决了对不同粒度煤和矸石的组分识别问题。测试结果及长期运行表明，其识别准确率达９３％以上。     

双能γ射线透射法煤矸石在线识别与分选系统

论述了双能γ射线透射法煤矸石在线识别与分选系统的原理、判别模型和构成．其主要特点在于此方法有效地解决了对不同粒度煤和矸石的组分识别问题．测试结果及长期运行表明，其识别准确率达９３％以上．     

基于多特征融合和支持向量机的煤矸石自动分选研究

本文提出了一种基于多特征融合和支持向量机的的煤矸石分选方法。首先对煤矸石图像进行预处理,以减小或消除噪声的影响,然后分别从纹理谱、小波变换和分形等多角度提取图像的纹理特征值,选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行内部归一化,最后采用支持向量机实现煤矸石的分选。实验结果表明,本文所提出的分选方法达到了较高的识别正确率,且能够满足实时要求。     

山东某矿煤矸石选择性破碎分选

本文实验研究了山东某矿煤矸石的岩石组成、矿物组成、化学组成、粒度、强度，煤矸石中Ａｌ２Ｏ３含量、热值与煤矸石粒度、强度的关系．对该矿煤矸石选择性破碎分选进行实验研究．     

平煤集团煤矸石山环境效应影响及其治理

介绍了平煤集团煤矸石的物质组成,分析了其环境效应影响,并对其治理从理论上做了综合分析,结合其综合治理现状,提出了煤矸石的井下直接分选回填技术在平煤集团煤矸石山综合治理中的现实意义,并介绍了国外该回填技术的两种常用方法.     

基于生态遗传算法的煤矸石自适应模糊模式识别

给出煤矸石组分模式识别的模糊神经网络模型，提出一种实用生态算子，同时将此基础上构建的生态遗传算法用于模糊神经网络的离线学习，能有效避免传统BP算法学习速度慢、易陷入局部极小的缺陷和基本遗传算法的遗传滑脱现象．仿真和实验结果显示新算法使离线训练的网络具有良好的收敛性能，而且从训练好的定量网络中提取模糊规则用于原煤的在线自动分选，不仅能提高煤中矸石的识别率，而且有效解决了系统识别精度与实时分选之间的矛盾．     

近似小波变换的一种空中多目标分选方法

通过对由空中多目标间距引起的目标间多普勒频率的差异分析，基于Morlet小波变换，提出了一种空中多目标分选识别的新方法——小波变换谱分析法。此方法选用不同中心频率的Morlet小波，对信号进行小波变换，求取信号的功率谱，获得雷达目标的一维距离像，从而分选识别目标。     

煤矸石智能分拣机器人运动规划技术的研究进展

运动规划是煤矸石智能分拣机器人研究过程中必不可少的一环,但是目前仍有一些问题待解决。首先介绍了煤矸石分选现状,其次分析了煤矸石智能分拣机器人运动规划的关键技术,主要包括如何追踪动态煤矸石、如何规划轨迹以减少冲击和如何针对障碍物进行避障。最后得出今后煤矸石智能分拣机器人运动规划的研究方向,包括基于轨迹优化的分拣策略研究、拣矸机械臂末端抓取位姿研究和协作空间下多机械臂拣矸的轨迹规划研究。     

基于模糊神经网络的煤矸石模式识别方法研究

提出了一种基于标准模型模糊神经网络的煤矸石识别方法．介绍了该方法的数学模型、网络结构及学习算法,并通过一个仿真实验对如何应用这种方法构建实时分选系统作了详细描述．实验结果表明该方法所用神经网络不仅收敛,而且具有良好的泛化能力     

基于模糊神经网络的煤矸石模式识别方法研究

提出了一种基于标准模型模糊神经网络的煤矸石识别方法,介绍了该方法的数学模型,网络结构及学习算法,并通过一个仿真实验对如何应用这种方法我建实时分选系统作了详细描述,实验结果表明该方法所用神经网络不仅收敛,而且具有良好的泛化能力。     

Kohonen神经网络在雷达多目标分选中的应用

雷达多目标分选是电子侦察的重要内容之一，也是实施有效电子战的前提，神经网络在雷达多目标分选中的应用是电子侦察的一个新领域。目标的时域、频域、空域参数是多目标分选常用的分选参数。Kohonen神经网络具有自组织能力和识别聚类中心的能力，采用一维Kohonen神经网络对雷达信号进行分选试验，取得了很好的效果，并给出了确切的聚类中心值。     

支持向量聚类联合类型熵识别的雷达信号分选方法

针对复杂环境下传统雷达信号分选处理中由于设定容差难以准确分选的问题,提出一种分层互耦支持向量聚类(SVC)联合类型熵识别的多参数雷达信号分选方法.该方法首先对雷达信号的全脉冲序列进行分层处理,再分别对每个子序列进行SVC聚类,然后引入分层耦合的思想,利用所提取子序列的全部质心,重新进行SVC聚类,将各分层的全脉冲序列中属于同一雷达信号源的子序列连接起来,从而实现对雷达全脉冲序列信号的分选.根据类型熵随信号种类数的增加及信号复杂性的增加而增大的特点,对多参数聚类结果进行类型熵的计算,并将类型熵识别用来辅助信号分选.实验结果表明,对于高脉冲密度环境和复杂的信号形式,提出的方法避免了传统信号分选方法中所面临的容差问题对信号分选的影响,可以实现有效分选.     

采用部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别

提出一种基于部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别方法.首先,对煤和煤矸石0~255级灰度图像的前部分灰度信息作灰度级压缩和灰度矩阵扩阶处理,对剩余灰度级部分保持原灰度级不变;然后,根据灰度共生矩阵纹理特征分析理论,分别计算压缩扩阶后的煤和煤矸石灰度图像的能量、熵、惯性矩及相关性.最后,对煤和煤矸石各100张样本采集图像进行处理,并依据特征参数分类识别.结果表明:基于部分灰度压缩扩阶共生矩阵的特征参数能够很好地对煤和煤矸石图像进行有效识别,总的正确率达到93.5%.     

基于支持向量机与多种特征的煤矸石识别

为了提高煤矸石分选的识别率,研究煤与煤矸石在同一场景下不同特征的数据差异;将煤与煤矸石各分为2类,从各类中抽取样本,经预处理后分析灰度特征、纹理特征、灰度分布直方图,以及不同阈值时各类样本灰度级为255的像素点频率;基于灰度特征与纹理特征,采用支持向量机对样本进行训练。结果表明,各类煤与煤矸石在灰度特征的灰度能量与灰度熵、纹理特征的能量与熵、灰度分布直方图特征以及阈值为55～70且灰度级为255时的频率存在明显差异,基于支持向量机与多种特征的煤矸石识别率最高可达96.4%。     

基于通信信号分选与识别的分布式处理机研究

针对通信信号分选与识别,提出了建立分布式处理机的方案,利用预处理与主处理相结合的方法来分选通信信号,尤其在进行调制分类时,提出特征提取和识模器,为了提高处理速度,采用维数压缩和线性识模器。     

神经网络在电子对抗与反对抗中的应用

本文从神经网络应用于电子对抗中雷达对抗与反对抗中的潜在优势出发，论述了将其应用于雷达信号分选和识别、自适应信号处理、识别反辐射导弹、探测隐身目标和抗人为干扰等方面的广阔前景。     

煤矸石废弃物的活化及其活性分析

研究徐州煤矸石的活化过程和活化后煤矸石的活性以及活化机理，为煤矸石废弃物的资源化提供理论基础。采用热处理方法活化煤矸石废弃物，并采用在碱溶液中的离子溶出和测定其石英结晶度的方法研究活化煤矸石的活性。研究结果表明，煤矸石废弃物受热后能够由稳定态向介稳态转变的物相成分是高岭石；经热处理活化后可激发产生活性，活性组分是活性SiO2和Al2O3；采用测定石英结晶度的方法判断材料的活性具有一定的准确性；700℃下煅烧是徐州煤矸石热活化的最佳工艺参数。