公开(公告)号：CN118536039A

公开(公告)日：2024-08-23

申请号：CN202410698454.4

申请日：2024-05-31

Applicant: 辽宁工程技术大学

Inventor： 邓立军 ,  袁金波 ,  尚文天

IPC: G06F18/2433 ,  G06F18/214 ,  G06F18/22 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种基于图卷积神经网络的矿井通风系统故障诊断方法，涉及矿井通风技术领域。该方法与传统神经网络相比，不再假设数据点之间具有固定的关系，而是将故障样本看作是一种图结构数据样本，能够处理具有复杂非线性关系和非连续性的高维数据特征的矿井通风系统故障数据信息，通过k‑近邻算法构建故障样本数据集的图结构表示方法，采用图卷积神经网络算法(GCN)实现矿井通风系统故障位置的诊断，为矿井通风故障诊断研究提供了一种新的诊断方法，促进了矿井通风系统智能化管理的发展。

公开(公告)号：CN116881829A

公开(公告)日：2023-10-13

申请号：CN202310893023.9

申请日：2023-07-20

Applicant: 辽宁工程技术大学

Inventor： 邓立军 ,  袁金波 ,  张志龙

IPC: G06F18/2433 ,  G06F18/2415 ,  G01W1/02 ,  G06N3/0442

Abstract: 本发明提供一种基于SSA与LSTM网络的风速异常波动检测方法，涉及矿井通风技术领域；通过将传感器监测数据进行分解、重构去除因湍流脉动产生的数据噪声，然后对LSTM进行参数优化，利用优化后的LSTM模型对预处理数据进行预测并得到重构风速；最后以对数概率密度函数计算监测风速与重构风速的异常分数，通过计算训练集数据样本的异常分数设定阈值对监测风速进行异常检测；为监测监控数据中的异常波动识别提供了技术支持，对提高传感器监测监控数据的可信度和应用性具有重大意义。

公开(公告)号：CN118939959A

公开(公告)日：2024-11-12

申请号：CN202410914420.4

申请日：2024-07-09

Applicant: 辽宁工程技术大学

Inventor： 邓立军 ,  刘丽 ,  袁金波 ,  张志龙

IPC: G06F18/20 ,  G06F30/27 ,  G06F30/28 ,  G06F111/08 ,  G06F111/04 ,  G06F113/08 ,  G06F119/14 ,  G06F119/12 ,  G06F119/02

Abstract: 本发明公开一种基于马尔科夫链的通风系统运行状态预测方法，涉及矿井通风技术领域。本发明以通风系统整体为研究对象，不再通过逐一分析通风系统各组成单元的可靠度，进而确定通风系统整体的可靠度，而是以系统整体运行状态入手，将通风系统的运行过程看成马尔科夫过程，并且将通风系统可靠性的评估问题转化为一个随机数学问题；从概率角度评估运行环境下通风系统可靠性的方法，以便从宏观上把握通风系统的变化趋势，为通风系统状态预报、运行调控策略的制定提供依据。