期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
采煤机截割部低照度图像的边缘检测技术 被引量：2
1
作者 贾澎涛 靳路伟 +2 位作者 王斌 郭风景 李娜 《煤田地质与勘探》 EI CAS CSCD 北大核心 2024年第4期172-178,共7页
针对井下低照度环境下采煤机截割部边缘检测任务中存在的边缘缺失、细节模糊等问题,提出一种基于分数阶微分的边缘检测Lif算法。首先采用更大的检测模板尺寸,根据Grünwald-Let-nikov分数阶定义构造最初的分数阶掩膜算子;然后根据Pa... 针对井下低照度环境下采煤机截割部边缘检测任务中存在的边缘缺失、细节模糊等问题,提出一种基于分数阶微分的边缘检测Lif算法。首先采用更大的检测模板尺寸,根据Grünwald-Let-nikov分数阶定义构造最初的分数阶掩膜算子;然后根据Pascal三角形理论确定掩膜算子上各位置的权重系数,并将掩膜算子扩展到4个不同方向;最后将得到的掩膜算子与图像进行卷积,利用图像的局部特征信息对每个方向的微分结果进行后处理。结果表明:(1)在进行多个不同场景的井下低照度图像上的实验时,Lif算法可以更全面地获取图像中不同方向上的边缘信息,在处理低照度图像时具备更强的抗噪性能,并且提取的边缘线条比其余边缘检测算法更加清晰、完整,保留了更多的纹理细节信息。(2)在客观指标评价的对比上,与基于分数阶灰色系统模型的边缘检测算法以及改进的分数阶Sobel边缘检测算法相比,Lif算法在Entropy指标上分别提高了43%、11%,AG指标上分别提高了23%、23%,SSIM指标上分别提高了152%、6%。表明Lif算法在进行采煤机截割部的边缘检测任务时更具优势,研究对井下设备工作运行时的安全性和可靠性提升具有重要意义。 展开更多
关键词 低照度图像 分数阶微分 边缘检测 采煤机截割部 煤矿
在线阅读 下载PDF
基于GAT-Informer的采空区煤自燃温度预测模型 被引量：1
2
作者 贾澎涛 张杰 郭风景 《工矿自动化》 CSCD 北大核心 2024年第11期92-98,108,共8页
现有的煤自燃温度预测模型仅考虑监测数据前后的时间关联性,未考虑监测点之间的空间关系,并存在多步长煤自燃温度预测精度低的问题。针对上述问题,提出了一种基于图注意力网络(GAT)和Informer模型(GAT-Informer)的采空区煤自燃温度预测... 现有的煤自燃温度预测模型仅考虑监测数据前后的时间关联性,未考虑监测点之间的空间关系,并存在多步长煤自燃温度预测精度低的问题。针对上述问题,提出了一种基于图注意力网络(GAT)和Informer模型(GAT-Informer)的采空区煤自燃温度预测模型。首先,采用随机森林回归法和Savitzky-Golay滤波器对采空区沿空侧煤自燃监测数据中的异常值、缺失值和噪声进行处理,并使用Z-score方法对数据进行标准化。其次,采用GAT提取多个监测点煤自燃监测数据间的空间特征。然后,使用Informer模型的编码器对包含空间特征的数据进行编码,利用多头概率稀疏自注意力机制捕捉数据之间的长期依赖关系和时间特征;解码器通过交叉注意力机制与编码器交互,结合编码器提取的全局特征与目标序列的上下文依赖关系,生成特征矩阵并输入全连接层,得到煤自燃温度预测值。最后,对Informer模型输出的煤自燃温度预测值进行反标准化处理,恢复到原始数据尺度,得到最终的预测结果。实验结果表明,相较于循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环单元(GRU)和Informer模型,GAT-Informer模型在6个监测点上预测24步长煤自燃温度时,均方误差(MSE)分别平均降低了15.70%,22.15%,25.45%,36.49%,平均绝对误差(MAE)分别平均降低了16.01%,14.60%,20.30%,26.27%,表明GAT-Informer模型能有效提高煤自燃温度多步长预测精度。 展开更多
关键词 煤自燃 煤自燃温度预测 多步长时间序列预测 图注意力网络 INFORMER 数据时空特征
在线阅读 下载PDF
基于多特征融合的煤自燃温度深度预测模型 被引量：8
3
作者 王斌 贾澎涛 +2 位作者 郭风景 孙刘咏 林开义 《中国矿业》 北大核心 2024年第2期84-90,共7页
为了有效预防煤矿采空区煤自燃灾害,提高煤自燃灾害预测模型精度,提出了基于多特征融合的煤自燃温度深度预测模型。首先,通过自编码器网络对煤自燃数据的每一个特征进行降噪处理,增强数据的鲁棒性;其次,按时间序列顺序将降噪后的数据转... 为了有效预防煤矿采空区煤自燃灾害,提高煤自燃灾害预测模型精度,提出了基于多特征融合的煤自燃温度深度预测模型。首先,通过自编码器网络对煤自燃数据的每一个特征进行降噪处理,增强数据的鲁棒性;其次,按时间序列顺序将降噪后的数据转成二维特征矩阵,采用滑动窗口对特征矩阵进行切片,并采用深度学习中的卷积神经网络提取特征矩阵上的有效特征,进行特征数据融合,在降噪和特征提取与融合的过程中采用差分进化算法对降噪自编码器和卷积神经网络的参数进行优化;最后,将融合后的数据输入门控循环单元神经网络进行煤自燃温度预测。实验结果表明,降噪后和特征融合后的数据在平均绝对误差上比直接采用原始数据预测误差分别降低6.55%和69.26%,均方根误差分别降低13.23%和63.49%,说明经过编码器降噪以及特征融合处理后能够有效提升煤自燃温度预测的准确度。 展开更多
关键词 煤自燃 深度学习 卷积神经网络 预测 差分进化算法
在线阅读 下载PDF
基于改进YOLOv8n的井下人员多目标检测 被引量：2
4
作者 问永忠 贾澎涛 +2 位作者 夏敏高 张龙刚 王伟峰 《工矿自动化》 北大核心 2025年第1期31-37,77,共8页
针对井下危险区域人员监测视频存在光照不均匀、目标尺度不一致、遮挡等复杂情况,基于YOLOv8n网络结构,提出一种改进的井下人员多目标检测算法—YOLOv8n-MSMLAS。该算法对YOLOv8n的Neck层进行改进,添加多尺度空间增强注意力机制(MultiSE... 针对井下危险区域人员监测视频存在光照不均匀、目标尺度不一致、遮挡等复杂情况,基于YOLOv8n网络结构,提出一种改进的井下人员多目标检测算法—YOLOv8n-MSMLAS。该算法对YOLOv8n的Neck层进行改进,添加多尺度空间增强注意力机制(MultiSEAM),以增强对遮挡目标的检测性能;在C2f模块中引入混合局部通道注意力(MLCA)机制,构建C2f-MLCA模块,以融合局部和全局特征信息,提高特征表达能力;在Head层检测头中嵌入自适应空间特征融合(ASFF)模块,以增强对小尺度目标的检测性能。实验结果表明:(1)与Faster R-CNN,SSD,RT-DETR,YOLOv5s,YOLOv7等主流模型相比,YOLOv8n-MSMLAS综合性能表现最佳,mAP@0.5和mAP@0.5:0.95分别达到93.4%和60.1%,FPS为80.0帧/s,参数量为5.80×106个,较好平衡了模型的检测精度和复杂度。(2)YOLOv8n-MSMLAS在光照不均、目标尺度不一致、遮挡等条件下表现出较好的检测性能,适用于现场检测。 展开更多
关键词 煤矿井下危险区域 井下人员多目标检测 YOLOv8n 多尺度空间增强注意力机制 自适应空间特征融合 轻量化混合局部通道注意力机制
在线阅读 下载PDF
基于TCN GRU DAB模型的工作面矿压智能预测研究
5
作者 问永忠 贾澎涛 +1 位作者 杨鸿宇 张龙刚 《中国煤炭》 北大核心 2025年第2期102-112,共11页
为了实现工作面大规模矿压数据的智能分析与准确预测,基于深度学习理论,提出了一种结合时序卷积网络、门控循环单元网络与注意力机制的工作面矿压预测模型(TCN GRU DAB)。对工作面矿压历史数据中的异常值、缺失值进行处理并归一化;采用... 为了实现工作面大规模矿压数据的智能分析与准确预测,基于深度学习理论,提出了一种结合时序卷积网络、门控循环单元网络与注意力机制的工作面矿压预测模型(TCN GRU DAB)。对工作面矿压历史数据中的异常值、缺失值进行处理并归一化;采用时序卷积网络(TCN)提取处理后数据的时序特征,利用TCN的扩张卷积快速并行地捕获数据局部和长时间的依赖关系;在模型中引入门控循环单元网络(GRU),利用GRU能够捕捉更复杂和深层次信息的能力,对TCN提取的时序特征进行进一步的建模,增强模型对矿压数据动态变化的理解和预测能力;引入可变形注意力机制(DAB)提取空间特征,并使模型在计算资源有限的情况下聚焦于最重要的特征,进一步提升模型的预测能力;选择Nlinear、DLinear、RNN、LSTM、GRU、BiGRU、BiLSTM、Informer等预测模型作为对比模型,在实际数据集上验证TCN GRU DAB模型。工程应用结果表明,相较于对比模型,TCN GRU DAB模型在矿压数据上的预测精度具有明显优势,能够显著提高工作面矿压预测的泛化能力和预测效率。 展开更多
关键词 矿山压力预测 预测模型 深度学习 智能分析 预测效率
在线阅读 下载PDF
特厚煤层综放开采瓦斯运储区演化及定向钻孔抽采技术 被引量：9
6
作者 张文琦 张兴文 +4 位作者 孙刘咏 魏宗勇 双海清 徐培耘 林海飞 《矿业安全与环保》 北大核心 2022年第3期76-83,共8页
为解决特厚煤层综放开采工作面上隅角瓦斯超限的问题,采用物理相似模拟实验分析了典型高瓦斯特厚煤层的裂隙演化情况,同时,利用二维核密度估计方法研究了采场上方的瓦斯运储区分布规律,分析了钻孔抽采的最优层位,并进行现场工程应用。... 为解决特厚煤层综放开采工作面上隅角瓦斯超限的问题,采用物理相似模拟实验分析了典型高瓦斯特厚煤层的裂隙演化情况,同时,利用二维核密度估计方法研究了采场上方的瓦斯运储区分布规律,分析了钻孔抽采的最优层位,并进行现场工程应用。研究结果表明:采动覆岩的整体离层量呈开切眼侧高、工作面侧低的两峰分布,其中不规则垮落带高度为9.4 m,规则垮落带高度为38.0 m,裂隙带高度为158.0 m;瓦斯运储区呈动态的梯形分布,当推进至岩层发育稳定时,规则垮落带上部形成了明显的临时储集空间,该区域可作为瓦斯抽采优选层位,具体位置为距煤层顶板高10~40 m,距回风巷内5~40 m。试验周期内,上隅角瓦斯浓度出现了明显下降。 展开更多
关键词 特厚煤层 瓦斯运储区 核密度估计 定向钻孔 瓦斯抽采
在线阅读 下载PDF
基于梯度提升决策树的瓦斯浓度在线预测 被引量：10
7
作者 郭风景 王斌 +2 位作者 贾澎涛 孙刘咏 廖永强 《中国煤炭》 2023年第10期61-67,共7页
为了准确可靠实时预测矿井瓦斯浓度,结合集成学习理论,提出了一种基于梯度提升决策树方法的瓦斯浓度在线预测模型(PGBDT)。首先采集瓦斯浓度历史数据,将异常值视为缺失值后,应用拉格朗日插值法对数据中的缺失值进行预处理;其次基于处理... 为了准确可靠实时预测矿井瓦斯浓度,结合集成学习理论,提出了一种基于梯度提升决策树方法的瓦斯浓度在线预测模型(PGBDT)。首先采集瓦斯浓度历史数据,将异常值视为缺失值后,应用拉格朗日插值法对数据中的缺失值进行预处理;其次基于处理后的瓦斯浓度历史数据和梯度提升决策树方法建立瓦斯浓度预测模型;随后采用L2范式作为目标函数,确定模型输入滑动窗口的最优长度,实现在线预测;最后选择线性回归、差分自回归移动平均、支持向量回归、BP神经网络、长短时记忆网络(LSTM)、门控循环单元神经网络(GRU)等预测方法作为对比方法,对提出的瓦斯浓度在线预测进行了验证模型。实验结果表明,相对于线性回归、差分自回归移动平均、支持向量回归、BP神经网络等方法,PGBDT方法的预测精度和运行效率具有明显优势,相较于LSTM、GRU方法,PGBDT在运行效率方面有较好的优势。综合来看,PGBDT取得了较好的预测效果,显著提高了瓦斯浓度在线预测效率和预测模型的泛化能力。 展开更多
关键词 瓦斯浓度 集成学习 梯度提升决策树 在线预测
在线阅读 下载PDF
基于干扰观测器的多源干扰系统优化设定控制
8
作者 周宏伟 殷利平 +1 位作者 蔡地 陈新 《电光与控制》 CSCD 北大核心 2021年第8期21-25,共5页
针对存在多源干扰的线性系统,研究一种基于干扰观测器的两层结构优化设定控制方法。针对没有完整精确模型的干扰情况,对一些干扰设计干扰观测器,而对于不能使用干扰观测器构造的范数有界的外部干扰,提供动态优化设定控制方案。根据干扰... 针对存在多源干扰的线性系统,研究一种基于干扰观测器的两层结构优化设定控制方法。针对没有完整精确模型的干扰情况,对一些干扰设计干扰观测器,而对于不能使用干扰观测器构造的范数有界的外部干扰,提供动态优化设定控制方案。根据干扰观测器的观测值对设定值进行动态调整,使得系统在存在多源干扰时受控输出在原控制器的作用下,仍能实现对目标值的跟踪控制。数值仿真验证了该方法的可行性和有效性。 展开更多
关键词 优化运行控制 设定值调整 干扰观测器 多源干扰
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部