基于GA-BP神经网络的尾煤水灰分视觉检测方法研究

针对浮选回归模型精度和适应性较差的问题,提出了一种基于遗传算法优化反向传播神经网络（GA-BP）的尾煤水灰分视觉检测方法。对尾煤水图像进行预处理,在去除主要噪声干扰和保证一定彩色特征完整的前提下,提取不同颜色空间的彩色特征、灰度特征以及浓度特征值;以上述特征值为输入变量,以尾煤水灰分作为输出变量,建立基于遗传算法优化BP神经网络（GA-BP）的回归模型。该模型较好地实现了尾煤水灰分的在线检测,预测精度达97.3%,均方误差降低至0.23,提高了精煤产率和经济效益。     

用于煤矿井下透水事故探测机器鱼的研究

为探测煤矿井下透水时被困人员的位置和井下环境信息,便于井下透水事故被困人员的营救,该文研究了电磁舵机驱动的机器鱼。根据仿生学原理设计了机器鱼的形体参数;通过对机器鱼在水下的受力分析,确定了电磁舵机的扭矩,并在此基础上选定了电磁舵机的参数;设计了机器鱼实现直线巡游和转弯的控制系统;最后通过实验验证了电磁舵机驱动机器鱼游动的可行性。