-
公开(公告)号：CN117350544B
公开(公告)日：2025-02-07
申请号：CN202311339877.9
申请日：2023-10-17
Applicant: 太原理工大学
IPC: G06Q10/0635 , G06Q10/0637 , G06N3/04 , G06F17/16
Abstract: 一种基于机器学习模型的巷道瓦斯时空分布预测方法，属于矿井灾害智能防控技术领域，解决巷道内瓦斯浓度预测的准确性和实时性的技术问题，包括以下步骤：将控制方程在空间和时间上离散化，提取流场局部区域内的预测值作为约束块；将控制方程分解为约束矩阵和预测矩阵；最后，基于约束矩阵构造符合瓦斯对流扩散控制方程的超平面，并将预测矩阵投影到该超平面上，得到满足对流扩散方程约束的预测。本发明从物理模型预测和大数据预测两种角度对巷道瓦斯浓度进行建模，既能借助物理模型充分提取并利用潜在物理过程中的有效信息，又能结合循环神经网络善于提取时序数据特征、保留数据间的依赖关系、泛化能力相对好的优势。
-
公开(公告)号：CN117800039B
公开(公告)日：2024-05-14
申请号：CN202410201702.X
申请日：2024-02-23
Applicant: 太原理工大学
Abstract: 本发明涉及一种带式输送机皮带跑偏检测系统，属于输送机检测技术领域。包括带式输送机本体，带式输送机本体的两侧均固定连接有滑轨，滑轨内部滑动连接有滑履，两个滑履之间固定连接有倒U形的悬架，悬架的底面中部固定连接有红外可见光融合装置，红外可见光融合装置电性连接有计算设备，带式输送机本体的皮带两侧各设置有一条故障发现区域，故障发现区域中的皮带内置有若干铜合金丝，铜合金丝通过硫化胶水固定在皮带中。本发明提供了一种能够获得皮带跑偏先兆信息的皮带跑偏检测系统，克服了现有检测方法具有滞后性的缺点。
-
公开(公告)号：CN119494430A
公开(公告)日：2025-02-21
申请号：CN202411421665.X
申请日：2024-10-12
Applicant: 太原理工大学
Abstract: 本发明提供一种基于数值模拟和深度学习的钻孔抽采参数双层优化方法，涉及瓦斯抽采参数优化技术领域，解决煤层瓦斯顺层抽采工艺参数调节精度不足的技术问题，包括以下步骤：根据具体问题建立考虑多效应的数值模型，输入压裂参数模拟产生瓦斯浓度预测数据集；对预测数据集进行硬约束映射，形成模拟数据集，结合经验数据集输入深度学习模型以反向优化该数值模型，校正裂缝形态；在上述数值模型基础上，采用EDFM模型，输入抽采工艺参数进行数值模拟得到瓦斯采量预测集，经硬约束映射获得新的模拟样本集，结合经验样本集输入深度学习模型训练，最终获得最优抽采工艺参数，提高整体模型的预测精度。
-
公开(公告)号：CN118425955A
公开(公告)日：2024-08-02
申请号：CN202410882513.3
申请日：2024-07-03
Applicant: 太原理工大学
IPC: G01S13/86 , G01S17/86 , G01S7/41 , G01S7/48 , G06T5/50 , G06T3/06 , G06T5/20 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/44 , G06V10/42 , G06V10/10 , G06V10/25 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明涉及一种基于多传感器数据融合的掘进工作面目标检测方法，属于煤矿智能化技术领域。包括：激光雷达和4D毫米波雷达分别采集第一和第二初始三维点云，热成像相机采集初始热成像图像；对第一和第二初始三维点云分别进行滤波，得到第一和第二目标三维点云；对初始热成像图像进行图像增强处理，得到目标热成像图像；对第一和第二目标三维点云进行融合；对融合三维点云进行3D目标检测，得到3D目标检测图像；对目标热成像图像进行2D目标检测，得到2D目标感兴趣区域；将3D目标检测图像转化为2D目标前视图；融合2D目标前视图与2D目标感兴趣区域，得到融合图像。本发明可以提高目标检测的准确性和鲁棒性，增加对复杂场景的适应性。
-
公开(公告)号：CN118275645A
公开(公告)日：2024-07-02
申请号：CN202410235067.7
申请日：2024-03-01
Applicant: 太原理工大学
Abstract: 一种实验室用多传感器微型掘进面煤岩识别实验台，属于实验设备技术领域，解决实验室条件下煤岩界面精确识别的技术问题，解决方案为：本发明包括固定机构、行走机构、截割机构及信号采集系统，固定机构包括支撑架、支撑梁、工作面、角铁、电动推杆以及顶压板，电源变压器和PLC控制器分别安装于支撑架上；行走机构安装于支撑梁的上方，行走机构包括驱动电机、滑轨、丝杠、行走滑块和轴承支架；截割机构安装于行走滑块上，截割机构包括截割电机、连接法兰盘、截割头、螺纹截齿和减速箱；信号采集系统包括振动传感器、声发射传感器、红外热像仪和电参数采集模块。本发明体积小、功能全，弥补了掘进工作面煤岩识别研究的空白。
-
Patent Agency Ranking
公开(公告)号：CN117907567A
公开(公告)日：2024-04-19
申请号：CN202410110769.2
申请日：2024-01-26
Applicant: 太原理工大学
Abstract: 本发明属于煤矿智能化装备领域，涉及一种多传感器的实验室微型掘进面煤岩识别系统及方法；可以提供小型化、高识别精度的掘进面煤岩识别实验台。技术方案包括：支架、丝杠滑台、截割机构、固定架和信号采集单元。其中，所述丝杠滑台的导轨与所述支架固定连接。所述截割机构固定于所述丝杠滑台的滑鞍上。固定架固定于所述支架上，且设置于所述截割机构的截割头沿所述滑鞍运行的正前方，所述固定架被配置为固定待截割实验体。多种类型的信息采集机构对所述截割机构截割待截割实验体的过程中的热图像信号、声音信号、截割机构的电参数信号，并通过所述热图像信号、所述声音信号、所述截割机构的电参数信号判断所述待截割实验体的煤岩比。
-
公开(公告)号：CN117371813A
公开(公告)日：2024-01-09
申请号：CN202311339914.6
申请日：2023-10-17
Applicant: 太原理工大学
IPC: G06Q10/0637 , G06F18/2135 , G06F18/213 , G06F17/15 , G06Q50/26
Abstract: 一种基于模型和大数据双驱动的巷道瓦斯浓度预测方法，属于矿井灾害智能防控技术领域，解决巷道内瓦斯浓度预测的准确性和实时性的技术问题，包括以下步骤：将煤矿巷道环境参数、瓦斯浓度历史特征数据集和物理方程特征数据集共同组成数据集，通过卷积神经网络RNN进行训练得到预测值；进而通过模型评价和优化，在标准RNN的损失函数中增加气体扩散准则约束，并采用标准的反向传播算法和Adam优化器对学习模型进行训练，直至损失函数结果最小化，最终实现巷道气体浓度的准确预测。本发明能够实现巷道瓦斯浓度的准确、快速预测，为煤矿安全决策提供可靠的数据支撑，有效保障煤矿安全高效开采。
-
公开(公告)号：CN120068597A
公开(公告)日：2025-05-30
申请号：CN202510037262.3
申请日：2025-01-09
Applicant: 太原理工大学 , 山西王家岭煤业有限公司
IPC: G06F30/27 , G06N3/0455 , G06N3/092 , G06F111/06
Abstract: 基于多模态深度学习的瓦斯预抽采多目标优化决策方法，属于瓦斯抽采技术领域，解决抽采系统多源信息难以融合、跨模态信息难以捕获、瓦斯抽采设备参数人为设置、抽采效率低下的技术问题，包括以下步骤：S1、建立数据集，并进行数据预处理；S2、确定决策目标、决策条件，建立多模态融合的深度学习决策模型；S3、深度学习决策模型训练和测试；S4、瓦斯抽采状态评判，如需调控，将预测时刻前一段时间的数据输入决策模型，得到优化的抽采负压和阀门开度。本发明基于深度学习的多模态模型架构能够有效整合多种数据源，有效提取数据中的大量复杂非线性特征，实现瓦斯抽采的高效调控、事故预警和参数优化。
-
公开(公告)号：CN117350544A
公开(公告)日：2024-01-05
申请号：CN202311339877.9
申请日：2023-10-17
Applicant: 太原理工大学
IPC: G06Q10/0635 , G06Q10/0637 , G06N3/04 , G06F17/16
Abstract: 一种基于机器学习模型的巷道瓦斯时空分布预测方法，属于矿井灾害智能防控技术领域，解决巷道内瓦斯浓度预测的准确性和实时性的技术问题，包括以下步骤：将控制方程在空间和时间上离散化，提取流场局部区域内的预测值作为约束块；将控制方程分解为约束矩阵和预测矩阵；最后，基于约束矩阵构造符合瓦斯对流扩散控制方程的超平面，并将预测矩阵投影到该超平面上，得到满足对流扩散方程约束的预测。本发明从物理模型预测和大数据预测两种角度对巷道瓦斯浓度进行建模，既能借助物理模型充分提取并利用潜在物理过程中的有效信息，又能结合循环神经网络善于提取时序数据特征、保留数据间的依赖关系、泛化能力相对好的优势。
-
公开(公告)号：CN120031069A
公开(公告)日：2025-05-23
申请号：CN202510196159.3
申请日：2025-02-21
Abstract: 本发明涉及一种基于蟒蛇优化算法的机器学习模型参数优化方法，属于模型优化技术领域。包括：获取待参数优化的目标机器学习模型的目标函数、评价指标以及每个蛇群的初始搜索区域，并获取蛇群中每条蛇的向量，不同蛇群分布在不同搜索区域，每条蛇的向量包括目标机器学习模型的待优化参数；控制每个蛇群从初始搜索区域开始，依次按照游动靠近阶段、盘绕出击阶段和稳固控制阶段进行待优化参数最优解的搜索；当目标函数的变化幅度满足收敛条件或者达到预设的最大迭代次数时，获得目标机器学习模型待优化参数的最优解。本发明具有优化精度高、收敛速度快、适应性强和鲁棒性好等优点。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
