本文主要研究内容
作者邵凡（2019）在《基于多特征信息融合的岩体失稳预测方法研究》一文中研究指出：岩体失稳预测是保障采矿安全生产的重要手段,岩体本身内部结构、力学性质及复杂的地质环境决定了从理论上对岩体稳定性进行评价是困难的。声发射技术通过对岩体失稳过程中能量释放效应的检测,能够提供缺陷在载荷下的不稳定信息,获得岩体失稳各阶段的力学行为与岩体失稳过程之间关系。因此,建立岩体失稳声发射信号与失稳过程之间的映射关系,能够为岩体失稳预测提供依据。本研究以红砂岩为研究对象,通过理论分析、仿真分析和试验研究相结合的方法,主要开展的工作有:在岩石力学试验系统上,通过对单轴压缩试验模拟岩体失稳过程,并采集岩体失稳声发射信号,对信号进行去噪及多特征提取,建立多特征信息融合预测模型,实现对岩体失稳各阶段的准确预测。主要研究成果如下:(1)通过分析声发射信号与岩体内部状态之间的关系,分析实验需求,设计单轴压缩试验和岩体声发射信号采集系统。获取岩体失稳声发射信号、垂直力和垂直形变。通过计算得到岩体失稳应力应变曲线,将岩体失稳状态划分为四个阶段。(2)针对岩体声发射信号非平稳、非线性的特点,由声发射信号数学模型构建仿真信号,并对其进行去噪处理,以均方根误差和相对误差为评价指标,证明了变分模式分解算法对非平稳、非线性信号的去噪能力。通过引入相关系数构建有效分量选取方法,对变分模式分解算法进行改进,消除了变分模式分解算法中参数K选取困难问题,并剔除虚假IMF分量。(3)采用参数分析法、时域分析法和频域分析法分别对岩体失稳各阶段提取的声发射信号进行特征提取,分析各特征对岩体失稳各阶段的区分能力;在此基础上提出了敏感特征评价方法,有效筛选出岩体失稳各阶段的敏感特征分量。(4)在分析BP神经网络特点的基础上,建立了基于BP神经网络的岩体失稳预测模型,利用遗传算法对BP神经网络的初始化权值和阈值进行优化,克服了BP神经网络模型易陷入局部最优解的缺陷;为消除预测过程中各环节可能产生的不确定性影响,结合D-S证据与遗传算法优化的BP神经网络预测模型提出一种多特征融合的岩体失稳现象预测模型,通过引入加权系数对基本概率分配函数构建方法进行优化,消除高冲突证据导致融合失效问题,提高了岩体失稳各阶段预测的准确性。综上所述,通过对岩体失稳声发射信号进行去噪和多特征提取,采用加权D-S证据融合结合遗传优化BP神经网络,并构建多特征信息融合岩体失稳预测模型,能够对岩体失稳各阶段进行精准预测,能够有效消除采矿生产中岩体失稳带来的安全隐患。
Abstract
yan ti shi wen yu ce shi bao zhang cai kuang an quan sheng chan de chong yao shou duan ,yan ti ben shen nei bu jie gou 、li xue xing zhi ji fu za de de zhi huan jing jue ding le cong li lun shang dui yan ti wen ding xing jin hang ping jia shi kun nan de 。sheng fa she ji shu tong guo dui yan ti shi wen guo cheng zhong neng liang shi fang xiao ying de jian ce ,neng gou di gong que xian zai zai he xia de bu wen ding xin xi ,huo de yan ti shi wen ge jie duan de li xue hang wei yu yan ti shi wen guo cheng zhi jian guan ji 。yin ci ,jian li yan ti shi wen sheng fa she xin hao yu shi wen guo cheng zhi jian de ying she guan ji ,neng gou wei yan ti shi wen yu ce di gong yi ju 。ben yan jiu yi gong sha yan wei yan jiu dui xiang ,tong guo li lun fen xi 、fang zhen fen xi he shi yan yan jiu xiang jie ge de fang fa ,zhu yao kai zhan de gong zuo you :zai yan dan li xue shi yan ji tong shang ,tong guo dui chan zhou ya su shi yan mo ni yan ti shi wen guo cheng ,bing cai ji yan ti shi wen sheng fa she xin hao ,dui xin hao jin hang qu zao ji duo te zheng di qu ,jian li duo te zheng xin xi rong ge yu ce mo xing ,shi xian dui yan ti shi wen ge jie duan de zhun que yu ce 。zhu yao yan jiu cheng guo ru xia :(1)tong guo fen xi sheng fa she xin hao yu yan ti nei bu zhuang tai zhi jian de guan ji ,fen xi shi yan xu qiu ,she ji chan zhou ya su shi yan he yan ti sheng fa she xin hao cai ji ji tong 。huo qu yan ti shi wen sheng fa she xin hao 、chui zhi li he chui zhi xing bian 。tong guo ji suan de dao yan ti shi wen ying li ying bian qu xian ,jiang yan ti shi wen zhuang tai hua fen wei si ge jie duan 。(2)zhen dui yan ti sheng fa she xin hao fei ping wen 、fei xian xing de te dian ,you sheng fa she xin hao shu xue mo xing gou jian fang zhen xin hao ,bing dui ji jin hang qu zao chu li ,yi jun fang gen wu cha he xiang dui wu cha wei ping jia zhi biao ,zheng ming le bian fen mo shi fen jie suan fa dui fei ping wen 、fei xian xing xin hao de qu zao neng li 。tong guo yin ru xiang guan ji shu gou jian you xiao fen liang shua qu fang fa ,dui bian fen mo shi fen jie suan fa jin hang gai jin ,xiao chu le bian fen mo shi fen jie suan fa zhong can shu Kshua qu kun nan wen ti ,bing ti chu xu jia IMFfen liang 。(3)cai yong can shu fen xi fa 、shi yu fen xi fa he pin yu fen xi fa fen bie dui yan ti shi wen ge jie duan di qu de sheng fa she xin hao jin hang te zheng di qu ,fen xi ge te zheng dui yan ti shi wen ge jie duan de ou fen neng li ;zai ci ji chu shang di chu le min gan te zheng ping jia fang fa ,you xiao shai shua chu yan ti shi wen ge jie duan de min gan te zheng fen liang 。(4)zai fen xi BPshen jing wang lao te dian de ji chu shang ,jian li le ji yu BPshen jing wang lao de yan ti shi wen yu ce mo xing ,li yong wei chuan suan fa dui BPshen jing wang lao de chu shi hua quan zhi he yu zhi jin hang you hua ,ke fu le BPshen jing wang lao mo xing yi xian ru ju bu zui you jie de que xian ;wei xiao chu yu ce guo cheng zhong ge huan jie ke neng chan sheng de bu que ding xing ying xiang ,jie ge D-Szheng ju yu wei chuan suan fa you hua de BPshen jing wang lao yu ce mo xing di chu yi chong duo te zheng rong ge de yan ti shi wen xian xiang yu ce mo xing ,tong guo yin ru jia quan ji shu dui ji ben gai lv fen pei han shu gou jian fang fa jin hang you hua ,xiao chu gao chong tu zheng ju dao zhi rong ge shi xiao wen ti ,di gao le yan ti shi wen ge jie duan yu ce de zhun que xing 。zeng shang suo shu ,tong guo dui yan ti shi wen sheng fa she xin hao jin hang qu zao he duo te zheng di qu ,cai yong jia quan D-Szheng ju rong ge jie ge wei chuan you hua BPshen jing wang lao ,bing gou jian duo te zheng xin xi rong ge yan ti shi wen yu ce mo xing ,neng gou dui yan ti shi wen ge jie duan jin hang jing zhun yu ce ,neng gou you xiao xiao chu cai kuang sheng chan zhong yan ti shi wen dai lai de an quan yin huan 。
论文参考文献
论文详细介绍
论文作者分别是来自江西理工大学的邵凡，发表于刊物江西理工大学2019-09-23论文，是一篇关于岩体失稳论文,变分模式分解论文,多特征提取论文,敏感特征论文,加权证据融合论文,江西理工大学2019-09-23论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自江西理工大学2019-09-23论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：岩体失稳论文; 变分模式分解论文; 多特征提取论文; 敏感特征论文; 加权证据融合论文; 江西理工大学2019-09-23论文;