卢万杰
- 作品数：23 被引量：113H指数：6
- 供职机构：辽宁工程技术大学机械工程学院更多>>
- 发文基金：国家自然科学基金辽宁省自然科学基金辽宁省科技厅科技攻关项目更多>>
- 相关领域：自动化与计算机技术矿业工程电气工程机械工程更多>>
- 浅论新时期高校学生管理工作的创新被引量：15
- 2010年
- 随着社会现代化的建设和经济的飞速发展,高校学生管理工作的创新已成为当今社会发展下的新课题,这种创新不仅表现在管理思维的创新,同时也表现在管理理念的创新、管理体制的创新、管理手段的创新等。创新是以学生为本,理念创新,提升学生管理内涵,形成全力,优化学生管理工作体制。新时期高校学生管理工作的创新是顺应教育体制改革的一种必然结果,同时也是适应时代要求的一种新的教育模式和新的挑战。
- 薛永存卢万杰
- 关键词：学生管理
- 双策略耦合优化的含瓦斯煤破裂过程信号辨识
- 2022年
- 为解决含瓦斯煤破裂过程信号特征的辨识问题,以双向长短时记忆网络(BiLSTM)为基分类器,提出一种基于AdaBoost算法与哈里斯鹰优化(HHO)算法双策略耦合优化的辨识模型。首先针对AdaBoost算法中错误样本占比随迭代不断增加影响最终强分类器辨识效果的问题,引入权重参数,以改变弱分类器权重,提高辨识精度;然后为确定最优的模型参数,结合HHO,优化辨识参数与权重参数,优化过程中HHO与改进的AdaBoost算法产生耦合作用,使得辨识模型的准确性和稳定性达到最优,平均准确率为91.36%,标准差缩小至0.0174。研究结果表明:双策略耦合优化HHO-AdaBoost-BiLSTM含瓦斯煤体破裂过程信号特征辨识模型准确性更高,稳定性更强。
- 付华赵俊程刘昊刘雨竹卢万杰
- 关键词：ADABOOST算法
- 煤矿井下探测搜救机器人地形感知系统及路径规划方法研究被引量：12
- 2019年
- 针对常规机器人导航系统采用单一类型地形识别传感器,观察维度单一等问题,对煤矿井下探测搜救机器人地形感知系统进行研究,使用远近感知系统数据融合,提高机器人避障能力。由激光扫描仪采集的二维点云数据建立远距离地形信息,由Kinect相机采集的地形深度信息建立近距离地形信息。基于PCL模型,应用像素遍方法,实现观测信息的采集与云图像的构建。使用2.5维栅格地图构建方法得到近距离环境地形信息。使用Dijkstra算法进行了路径规划研究,建立了融合路径长度和地面危险度等级的目标函数。通过仿真研究验证了本文提出的最优路径减小机器人行走过程的俯仰角、侧倾角的波动幅度。
- 卢万杰付华赵洪瑞
- 关键词：搜救机器人机器人导航路径规划
- PCA-PSO-LSSVM模型在瓦斯涌出量预测中的应用被引量：3
- 2019年
- 为提高预测回采工作面瓦斯涌出量预测精度,采用主成分分析法(PCA)与粒子群算法(PSO)及最小二乘支持向量机(LS-SVM)相结合的方法,在样本数据的选择上吸取主成分分析数据降维的优势,使所选择的数据样本简洁并且更具代表性.充分利用支持向量机训练速度快、能够获得全局最优解且拥有良好泛化性的特点,将粒子群算法与之相结合,从而寻找最优参数.建立基于PCA和PSO-LS-SVM回采工作面瓦斯涌出量预测模型,并在实际中获得成功应用.研究结果表明:该预测模型预测的最大相对误差为2.35%,最小相对误差为0.30%,平均相对误差为1.28%,相较其他预测模型有着更强的泛化能力和更高的预测精度.
- 丰胜成丰胜成卢万杰卢万杰高振彪
- 关键词：最小二乘支持向量机粒子群算法数据降维瓦斯涌出量
- CAN总线技术在煤与瓦斯突出预测系统中的应用被引量：2
- 2008年
- 根据煤矿特殊生产环境需要,采用CAN总线技术的技术设计了一种三层结构的煤与瓦斯突出预测系统,取代了以往的模拟信号系统,可实现矿井煤与瓦斯突出环境监测、突出预测系统的数字化和网络化。
- 薛永存卢万杰付华
- 关键词：CAN总线煤与瓦斯突出预测网络化
- 基于蚁群粒子群混合算法与LS-SVM瓦斯涌出量预测被引量：13
- 2016年
- 为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的蚁群(ACO)粒子群(PSO)混合算法优化的最小二乘支持向量机(LS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对LS-SVM的正则化参数C和高斯核参数σ进行寻优,建立了基于蚁群粒子群混合算法优化的瓦斯涌出量预测模型,并根据赵各庄矿矿井监测到的各项历史数据进行实例分析。实验结果表明:该预测模型预测的最大相对误差为1.05%,最小相对误差为0.28%,平均相对误差为0.75%。较其他预测模型拥有更强的泛化能力和更高的预测精度。
- 付华于翔卢万杰
- 关键词：瓦斯涌出量蚁群算法粒子群算法最小二乘支持向量机
- 延安精神在高校教育中的应用研究
- 2010年
- 在当今国际社会的大变动和国内各领域的深刻变革下，引起各种思想文化在史无前例的范围内和层面上相互激荡，延安精神在这种时代大潮中不仅充分彰显出自己的风骨，而且在与新的实际结合中得到发扬光大。新时代高校教育应该传承和融入延安精神，继承优良革命传统，用以指导工作、生活和学习，促进和谐校园建设，成为新时代优秀青年人才。本文着重阐述了延安精神的丰富内涵、时代价值和现实意义以及运用延安精神培养学生全面发展的必要性和实施延安精神育人的方法和途径。
- 薛永存卢万杰
- 关键词：以人为本高校教育传承延安精神
- 基于深度学习算法的矿用巡检机器人设备识别被引量：22
- 2019年
- 为了实现矿用巡检机器人对煤矿井下设备的识别与匹配,通过基于卷积神经网络的深度学习算法建立了煤矿设备类型识别模型,分别在明亮环境下、昏暗环境下以及设备重叠情况下采集大量待识别设备图像样本,再对识别模型进行训练,实现巡检机器人对煤矿设备的精确识别与分类。使用基于粒子群优化的SVM(support vector machine,支持向量机)建立了煤矿设备匹配模型,将巡检机器人相对于煤矿坐标系的三轴位置信息、三自由度角度和视觉相机转角作为匹配模型的输入量,将相机视野中设备序号作为输出量,实现煤矿设备类型识别模型识别出的设备与已知设备序号一一对应。实验结果表明基于深度学习算法的煤矿设备类型识别模型对外界的干扰不敏感,识别准确率高;基于SVM的煤矿设备匹配模型的匹配准确率达到了93.2%,在匹配准确率的训练和测试效率上均优于基于BP(back propagation,反向传播)神经网络的匹配模型。研究结果可为煤矿井下巡检机器人的研制提供参考。
- 卢万杰付华赵洪瑞
- 关键词：巡检机器人支持向量机目标识别
- 基于HCOAG算法优化KELM的全钒液流电池SOC估计被引量：1
- 2023年
- 针对直流微电网储能系统中全钒液流电池SOC难以精确估计的问题,提出一种基于郊狼算法(coyote optimization algorithm,COA)与灰狼算法(grey wolf optimization,GWO)的混合算法(hybrid COA with gwo,HCOAG)优化核极限学习机(kernel extreme learning machine,KELM)的全钒液流电池SOC估计方法。首先将改进的郊狼算法(improved COA,ICOA)与简化操作的灰狼算法(simplified GWO,SGWO)采用正弦交叉策略融合组成HCOAG算法,利用HCOAG算法对KELM模型的参数进行寻优。然后利用基准函数对HCOAG算法进行测试,并与其他智能算法对比寻优能力。最后通过CEC-VRB-5 kW型号电池进行仿真和实验,验证了该估计方法的准确性与可行性。结果表明,所提HCOAG-KELM方法估计精度优于GWO-KELM、ICOA-KELM、KELM、扩展卡尔曼滤波(extended kalman filter,EKF)和无迹卡尔曼滤波(unscented kalman filter,UKF)算法模型,同时估计误差在2%之内,满足实际需求。
- 陆鹏付华卢万杰张慧峰郑翔宇
- 关键词：全钒液流电池荷电状态
- 优化量子门线路的煤与瓦斯突出预测模型
- 2021年
- 为提高煤与瓦斯突出强度的预测精度,提出了一种基于核主成分分析和联合改进灰狼算法优化量子门线路神经网络的KPCA-IGWO-QGCNN煤与瓦斯突出强度预测方法,确定煤与瓦斯突出强度的主要影响因素,采用核主成分分析降低瓦斯突出强度影响指标的维数,简化神经网络结构;量子门线路神经网络具有量子并行计算的优势,可有效提高信息处理的运算速度并扩大信息的存储容量,具有较好的收敛能力与鲁棒性;通过非线性控制参数与粒子群思想联合改进的灰狼算法提高模型全局寻优能力,优化量子门线路神经网络的网络参数。通过对比分析该模型与BP神经网络、QGCNN、GWO-QGCNN神经网络模型的预测结果,说明该模型泛化能力强,预测精度高。
- 付华孟庭儒阎馨卢万杰
- 关键词：煤与瓦斯突出
