基于硬度特性的煤岩界面多传感信息融合偏好识别方法.pdf
森林****io
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于硬度特性的煤岩界面多传感信息融合偏好识别方法.pdf
本发明公开了基于硬度特性的煤岩界面多传感信息融合偏好识别方法,包括以下步骤,基于煤岩的硬度进行分类,并将分类后的煤岩进行浇筑,获得待测煤岩;采集采煤机的传感器信号,并进行特征提取,构建信号特征数据库;通过对所述特征数据库进行数据拟合与权重分配,获得所述传感器信号的权重偏好值;基于CNN神经网络和D?S证据理论对所述权重偏好值进行权重优化,获得目标权重系数,基于所述目标权重系数,对所述待测煤岩的煤岩界面进行识别。本发明通过研究不同硬度、不同截割比下的各信号的偏好特性,同时将获取的权重系数进行双重权重优化,显
基于信息融合和神经网络的煤岩界面识别方法研究的任务书.docx
基于信息融合和神经网络的煤岩界面识别方法研究的任务书任务书一、背景近年来,随着煤炭行业的快速发展,对煤岩界面的识别的需求越来越大。煤岩界面是指煤层和岩层之间的交界面,它的几何形状和位置是确定煤层和岩层分界线的重要依据。因此,在煤炭资源开发中,煤岩界面的识别十分重要。目前,煤岩界面的识别主要依靠人工的方法,识别效率低、准确度不高、工作强度大。因此,本项目研究了一种基于信息融合和神经网络的煤岩界面识别方法,以提高煤岩界面的识别效率和准确度,并减轻工作强度。二、研究内容1.综述现有的煤岩界面识别方法,包括传统方
基于EEMD与PNN的煤岩界面识别方法.docx
基于EEMD与PNN的煤岩界面识别方法基于EEMD与PNN的煤岩界面识别方法摘要:随着煤炭资源的日益稀缺,煤矿开采对煤岩界面的准确识别和预测变得尤为重要。本论文提出了一种基于经验模态分解(EMD)与probabilisticneuralnetwork(PNN)的煤岩界面识别方法。首先,利用EMD对煤岩地震数据进行分解,得到多个固定频率的本征模态函数(IMF)。然后,针对每个IMF,计算其局部能量熵和时频能量集中度等特征,并结合地震反射参数,构建一个特征向量。最后,将特征向量输入到PNN中进行训练和预测,实
煤岩界面多信息融合识别理论与实验研究的开题报告.docx
煤岩界面多信息融合识别理论与实验研究的开题报告题目:煤岩界面多信息融合识别理论与实验研究的开题报告背景简介:煤岩是煤炭在地质历史长期作用下形成的一种具有特殊组成和结构的岩石,是煤炭开采中的主要伴生岩层之一。而在煤炭开采过程中,煤岩的识别与分离是提高煤炭采选率和降低煤炭损失的关键技术之一。然而,由于煤岩具有复杂的结构特征,例如泥质含量、颜色、密度等,传统的煤岩识别方法难以准确鉴别各种类型的煤岩。因此,需要寻找一种多信息融合的方法来提高煤岩识别的精度和准确率。研究目的:本研究旨在探索煤岩界面多信息融合识别理论
基于多传感器信息融合的齿轮故障识别方法.docx
基于多传感器信息融合的齿轮故障识别方法摘要:齿轮作为传动系统的核心元件,其故障往往会导致设备的停机,给生产和生活造成不便。因此,齿轮故障的识别和预测具有重要的意义。本文基于多传感器信息融合的方法,探讨了一种可靠的齿轮故障识别方法。该方法通过利用多传感器收集到的齿轮振动、声音和温度等信息,结合各种特征提取和分类算法,建立了一个系统的齿轮故障检测系统。实验结果表明,该方法具有较高的准确性和稳定性,在实际应用中具有广泛的应用前景。关键词:多传感器信息融合;齿轮故障识别;特征提取;分类算法。1.研究背景随着工业技