为了提高瓦斯涌出预测的准确性,采用BP型神经网络,利用BP型神经网络自学习、自组织和自适应等特性,在MATLAB环境下构建瓦斯动态预测模型.通过对唐山矿瓦斯信号实时监测数据的分析,对瓦斯动态预测模型进行训练和测试.结果表明,该模型的预测速度快、精度高,可以实现对工作面瓦斯涌出的动态预测,并能综合判断工作面所处地点的安全状况以及前方的潜在的危险性

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能

通过对某钢厂脱磷转炉炉渣磷酸盐容量计算和分析并结合前人的研究成果,得出实测炉渣磷酸盐容量与炉渣中碱性氧化物含量、炉渣光学碱度、炉渣中全铁含量和温度的变化关系,并结合生产数据拟合出炉渣的组成与炉渣磷酸盐容量的表达式.将文献报道的不同炉渣磷酸盐容量模型的计算值与实测值进行了对比和分析.基于共存理论建立了本渣系炉渣磷酸盐容量预测模型,误差分析表明该预测模型准确可信,将为现场生产提供理论指导

数组是同类到数据元泰的有序集合,即数组由基本类型(整型、实 型、字符、指针等变量)组合而成。 这种组合可以层层组合,但最低级的成员必须由基本类型的元素构设计成,即数组元素必须是基本类型的量

本文以某初轧厂一个月实际生产的调度和现场记录数据为依据,建立了生产过程系统仿真的数学模型,利用这些模型在计算机上对初轧厂钢锭加热和轧制过程进行多次仿真试验和过程研究,为现场的生产调度和管理等技术人员提供决策依据,也可供过程控制等系统研究人员参考

为了准确测量水射流冲击冷却过程靶面热流密度,提出在靶体背侧增加绝热材料,采用单点测温,使用一维导热反问题计算靶体表面热流密度的方法.实验数据分析显示,采用该方法对靶体背侧温度预测的相对误差±5%以内的概率为93%以上,由于靶体背侧仅是近似的绝热条件,导热反问题计算的靶体背侧温度略高于实测温度.结果表明,通过在靶体背侧增加绝热材料,即便采用单点测温,仍然可以很容易地获得足够精确的靶体温度和表面热流密度

建立了基于有限元法的钢包二维传热模型,运用Ansys软件对钢包在不同绝热层厚度情况下的热状态及保温性能分别进行了模拟计算.有绝热层的钢包可以明显地提高自身的保温性能,且随着绝热层厚度的增加,保温效果愈加突显,但幅度越来越小.与无绝热层的钢包相比,在绝热层厚度达到20 mm时,钢包预热时间缩短约1 h,节约煤气消耗1000 m3,降低钢水温降约6℃.在热饱和阶段,钢包外壁温度平均降低了100℃,包壁散热减小,1h可以节能1255680kJ,折合标准煤43kg.最后利用现场实测数据进行了验证,结果表明模拟结果正确可信

在贝叶斯理论框架下, 提出了一种基于多源数据融合的深埋硬岩隧道围岩参数概率反演方法.首先, 分析硬岩隧道常用的启裂-剥落界限本构模型中围岩单轴抗压强度、启裂强度与抗压强度比及抗拉强度三个参数不确定性来源, 确定其概率统计特征; 其次, 利用粒子群算法优化多输出支持向量机, 建立反映反演参数与隧道监测数据间非线性映射关系的智能响应面; 最后, 结合贝叶斯分析方法构建概率反演模型, 运用马尔科夫链蒙特卡洛模拟算法实现了围岩参数的动态更新.将该方法应用到某深埋硬岩隧道中, 利用反演的围岩参数计算隧道拱顶下沉点、周边收敛点变化值及开挖损伤区深度, 与监测数据吻合较好.结果表明, 该方法可以实现围岩多参数快速概率反演, 更新后的参数可用于硬岩隧道施工安全风险评估与结构可靠性设计

指针是C语言中的重要概念,也是C语言的重要特色。使用指针,可以使程序更加简洁、紧凑、高效。 6.1指针和指针变量的概念 6.2指针变量的定义与应用 6.3数组的指针和指向数组的指针变量 6.4字符串的指针和指向字符串的指针变量 6.5返回指针值的函数 6.6指针数组与主函数main(的形参 6.7函数的指针和指向函数的指针变量

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路