基于小波神经网络的煤岩破裂电磁辐射预测模型研究.pdf

基于小波神经网络的煤岩破裂电磁辐射预测模型研究.pdf

ID:51450073

大小:203.37 KB

页数:3页

时间:2020-03-25

基于小波神经网络的煤岩破裂电磁辐射预测模型研究.pdf_第1页
基于小波神经网络的煤岩破裂电磁辐射预测模型研究.pdf_第2页
基于小波神经网络的煤岩破裂电磁辐射预测模型研究.pdf_第3页
资源描述:

《基于小波神经网络的煤岩破裂电磁辐射预测模型研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2012年第5期煤矿机电·19·基于小波神经网络的煤岩破裂电磁辐射预测模型研究术杨桢,付华,李鑫(辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105)摘要:针对电磁辐射信号的特点,提出用小波神经网络建立煤岩破裂电磁辐射预测模型,用最大最小蚁群算法来训练网络初始参数,改善网络性能,并引入扰动因子和惩罚因子来解决算法的局部收敛和收敛速度慢的问题。以开滦煤样为例,应用结果表明,该模型精度高、响应快、实时性较好,具有良好的应用前景。关键词:小波神经网络;电磁辐射;最大最小蚁群算法;预测模型中图分类号:TD326文献标识码:A文章编号:1001—0874(2012)

2、05—0019—03ResearchonElectromagneticEmissionPredictionModelinFractureOfCoalandRockBasedonWaveletNeuralNetworkYANGZhen,FUHua,LIXin(SchoolofElectricalandControlEngineering,LiaoningTechnicalUniversity,Huludao125105,China)Abstract:Aimingatthefeaturesoftheelectromagneticemissionsignal,anele

3、ctromagneticemissionpredictionmodelinfractureofcoalandrockisestablishedbyusingwaveletneuralnetwork.Themax—minantcolonyalgorithmisusedtotraintheinitialparametersofnetworkandtoimprovetheperformanceofnetwork,andbyintroducingthedisturbancefactorandpunishmentfactortosolvelocalandslowconver

4、genceproblemsofthealgorithm.WithcoalsamplesofKailuanasexample,theapplicationresultsshowthatthemodelhashighaccuracy,fastresponse,betterreal·timelinesandgoodapplicationprospect.Keywords:waveletneuralnetwork;electromagneticemission;max—minantcolonyalgorithm;predictionmodel0引言1煤与瓦斯突出电磁辐射预

5、测法原理实验及理论研究表明,煤岩变形破裂过程中有存在于煤体中的瓦斯对煤体的变形和破裂有着电磁辐射信号产生。电磁辐射信号是预测冲击地压极大的影响。如图1所示,松弛区煤体产生裂隙,煤等煤岩动力灾害比较有效的方法。J。电磁辐射信体内含的瓦斯被释放,所以应力和电磁辐射强度比号具有随机性、模糊性和知识不完备性等特点。较低。应力集中区煤体内应力和瓦斯气体的压力及小波神经网络克服了传统神经网络的缺点,具单位煤体垂直于煤壁方向的电磁辐射强度都较强。有并行分布处理、自组织、自适应和超强容错性等性煤体的变形破裂过程伴随有强烈的电磁辐射信号。能。本文用小波神经网络建立煤岩破裂电磁辐射动

6、煤与瓦斯突出电磁辐射预测法就是根据突出的前兆态趋势预测模型,用最大最小蚁群算法训练网络初信息进行危险性判断。始参数,改善网络性能,取得了较好的效果。2基于小波神经网络的电磁辐射预测模型国家自然科学基金项目(50874059);辽宁省教育厅基金项2.1小波神经网络及蚁群算法目(L2010172);辽宁省科学技术计划项目(2011229011)·20·煤矿机电2012年第5期式中:输入样本个数为m,输人层结点个数为P,隐含层结点个数为,输出层结点个数为q;为输入层样本元素;W为连接隐含层和输入层的权重;。是小波函数;为连接输出层和隐含层的权重;Y。为输人样本对应的输出

7、值;a,和b,分别为第.个隐含层结点的伸缩系数和平移系数J。松弛区应力原始应力区2.3MMACA—WNN模型算法集中区本文采用最大最小蚁群算法算法代替梯度下降图1煤体内电磁辐射强度E和应力分布示意图法优化寻找小波神经网络的权值、阈值、伸缩因子和小波神经网络是法国信息科学研究机构(IRI.平移因子等参数,构成MMACA—WNN模型使得预测SA)于1992年提出的前馈神经网络J。小波分析精度更高。的基函数具有自动伸缩和平移特性,小波变换通过最大最小蚁群算法规定了信息素浓度的取值上尺度伸缩和平移提取信号的局部信息,具有时域局下限,但由于局部路径启发信息差异的影响较小,可

8、部特性和变

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。