一种基于BP神经网络的矿井火灾预警监测系统及方法技术方案

本发明专利技术公开了一种基于BP神经网络的矿井火灾预警监测系统及方法，包括：包括传感模块、服务器、控制器、启动模块、灭火系统、报警模块、中央控制计算机、分析软件。其中：传感模块，其与服务器相连；服务器，其分别与中央控制计算机和控制器相连；控制器，其分别与启动模块和报警模块相连接；启动模块，其与灭火系统向连，启动灭火系统；中央控制计算机，其与服务器相连，同时搭载分析软件，接收服务器传递的参数；本发明专利技术能够实时监测矿井易发火地带数据，及时发现着火点，并采取反馈措施。

【技术实现步骤摘要】
一种基于BP神经网络的矿井火灾预警监测系统及方法
本专利技术涉及一种矿井火灾预警监测系统，尤其涉及一种基于BP神经网络的矿井火灾预警监测系统及方法。
技术介绍
矿井火灾时煤矿井下五大灾害之一，具有毁坏资源和设备、产生大量有害气体、引起瓦斯爆炸以及产生火风压破坏矿井通风系统等重大危害；随着煤矿开采逐渐向着深部开开采，地温逐渐升高，火灾发生的可能性亦在增加，传统的矿井火灾防治措施主要包括，采用防火材料，设置防火措施，如防火门、防火墙等，以及洒水降温等方式，这些方式不仅需要耗费大量人力物力，而且不能做到实时监测和精准防控。如中国专利(专利号：201410356754.0)公布了一种用于矿井和地下管网的火灾防控系统及方法，其采用光纤对易发火的区域进行气体分析和温度监测，再将信息传递给判定模块，但煤矿井下发火原因很多，并非只局限于所述气体浓度超标或温度超标就可引发火灾，因此，真正发生火灾时易发生误报或漏报现象。如中国专利(专利号：201621143221.5)矿井采空区火灾监测预警装置，其只采用激光监测易发火地区的气体浓度数据和温度数据，但实际起火原因复杂，监测结果产生的预警并非准确的报告火情，延误最佳救火时机。针对现有矿井火灾监测系统单一正向传播监测数据判定起火机制的缺陷，提出了一种基于BP神经网络的矿井火灾预警监测系统及方法。
技术实现思路
本专利技术的目的在于提供一种可以识别并学习多种矿井火灾发火条件的预警监测系统，为煤矿井下的旧火区及采空区提供实时监测，避免发生预警的漏报和误报情况，提高矿井火情的监测准确性，为井下提高更加安全的保障。为了实现上述功能，本专利技术提供的技术方案为：一种基于BP神经网络的矿井火灾预警监测系统，包括传感模块、服务器、控制器、启动模块、灭火系统、报警模块、中央控制计算机、分析软件。其中：传感模块，其与服务器相连，将传感器收集的信息处理收集传递给服务器；服务器，其分别与中央控制计算机和控制器相连，将传感模块的信息传递给中央控制计算机，同时，将中央控制计算机的指令传递给传感模块和控制器；控制器，其分别与启动模块和报警模块相连接，在接收到服务器指令后将警报指令传递给报警模块，将灭火指令传递给启动模块；启动模块，其与灭火系统向连，启动灭火系统；中央控制计算机，其与服务器相连，同时搭载分析软件，接收服务器传递的参数，通过分析软件分析后将处理指令传递给服务器进行执行；优选的是，所述传感模块包括温度传感器，气体浓度传感器，气体成分检测设备，湿度传感器。优选的是，所述报警模块，包括声音报警，光信号报警。本专利技术还可由一种基于BP神经网络的矿井火灾预警监测的方法来实现，在通过机器学习实现数据的输入和输出，同时，对已发生火灾的实时数据进行记录，作为动态比对数据，监测火灾的同时，防止旧火区复燃，该方法的具体步骤包括：步骤一：确定采集信号为：监测区域内的温度T，监测区域内气体浓度c1,c2,c3...cn，n表示气体成分的总数以及环境湿度H；步骤二：采用三层BP神经网络，分别为输入层、隐含层、输出层，对输入层的数据进行初始化处理，将传感器收集的数据转换为向量形式x＝{x1,x2,x3...xn+1,xn+2}；其中x1为监测区域内温度系数、x2～xn+1表示各不同成分的气体浓度系数、xn+2表示环境湿度系数；步骤三：将输入层的数据传递至隐含层，进行BP神经网络训练，隐含层的向量形式为y＝{y1,y2,...ym}，l为输出层数据个数；步骤四：收集输出层的数据为l＝{l0,l1,l2,l3...ln+1,ln+2}，l0为正常，l1为监测区域内温度异常，l1～ln+1依次为各不同成分的气体浓度异常，ln+2为环境湿度异常；步骤五：将输出值与设定的安全参数值对比，若输出信号为l＝{1,0,0,0...0}则表示监测结果为正常，若输出信号为l＝{0,1,0,0...0}，则气体成分1浓度异常；若输出信号为l＝{0,0,1,0...0}，则表示气体成分2异常，依次类推，直到l＝{0,0,0,0...1，0}表示气体成分n异常；若输出信号为l＝{0,0,0,0...1}，则表示环境湿度异常；步骤六：若发现输出信号异常，则启动灭火系统和预警信号，并记录该异常信号参数，若再次监测到异常趋势，通过设置阈值范围进行提前消除隐患。优选的是，步骤二中初始化的公式为xi为原始数据，xmin为所测同类数据中最小值，xmax为所测同类数据中的最大值；优选的是，步骤三中隐含层中传递函数为Sigmoid函数；本专利技术所具有的优点和积极效果是：能够实时监测矿井易发火地带的温度，气体浓度，环境湿度等参数，及时发现着火点，并采取反馈措施，启动灭火系统和警报装置。及时记录异常数据特征，以便再次出现异常数据趋势时及时遏制，本系统使用较为方便，成本低，准确度高，适用范围广，适合煤矿井下等恶劣高危环境下使用。附图说明图1为本专利技术一种基于BP神经网络的矿井火灾预警监测系统结构示意图图2为本专利技术一种基于BP神经网络的矿井火灾预警监测方法流程图；具体实施方式下面对本专利技术做进一步说明：结合图1：一种基于BP神经网络的矿井火灾预警监测系统结构示意图：11传感模块、12服务器、13分析软件、14控制器、15启动模块、16灭火系统、17报警模块、18中央控制计算机。传感模块11，其与服务器12相连，将传感器收集的信息处理收集传递给服务器12；服务器12，其分别与中央控制计算机18和控制器14相连，将传感模块11的信息传递给中央控制计算机18，同时，将中央控制计算机18的指令传递给传感模块11和控制器14；控制器14，其分别与启动模块15和报警模块17相连接，在接收到服务器12指令后将警报指令传递给报警模块17，将灭火指令传递给启动模块15；启动模块15，其与灭火系统16向连，启动灭火系统16；中央控制计算机18，其与服务器12相连，同时搭载分析软件13，接收服务器12传递的参数，通过分析软件13分析后将处理指令传递给服务器12进行执行；当传感器接收到异常信号时，传感模块11首先反应，将数据传递给服务器12，服务器12将信号转换为电信号传递给中央控制计算机18，中央控制计算机18依靠其上搭载的分析软件13对信号进行比对后作出决策指令，由中央控制计算机18将指令发送给服务器12，服务器12将反馈数据发送给传感模块11进行确认比对，将指令传递给控制器14，控制器14根据指令内容将报警指令传递给报警模块17进行报警，将灭火指令传递给启动模块15，启动灭火系统16，完成火情的及时处置。结合图2一种基于BP神经网络的矿井火灾预警监测方法流程图：步骤一：确定采集信号为：监测区域内的温度T，监测区域内气体浓度c1,c2,c3...cn，n表示气体成分的总数以及环境湿度H；步骤二：采用三层BP神经网络，分别为输入层、隐含层、输出层，对输入层的数据进行初始化处理，将传感器收集的数据转换为向量形式x＝{x1,x2,x3...xn+1,xn+2}；其中x1为监测区域内温度系数、x2～xn+1表示各不同成分的气体浓度系数、xn+2表示环境湿度系数；步骤三：将输入层的数据传递至隐含层，进行BP神经网络训练，隐含层的向量形式为y＝{y1,y2,...ym}，l为输出层数据个数；步骤四：收集输出层本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的矿井火灾预警监测系统，包括传感模块、服务器、控制器、启动模块、灭火系统、报警模块、中央控制计算机、分析软件。其中：传感模块，其与服务器相连，将传感器收集的信息处理收集传递给服务器；服务器，其分别与中央控制计算机和控制器相连，将传感模块的信息传递给中央控制计算机，同时，将中央控制计算机的指令传递给传感模块和控制器；控制器，其分别与启动模块和报警模块相连接，在接收到服务器指令后将警报指令传递给报警模块，将灭火指令传递给启动模块；启动模块，其与灭火系统向连，启动灭火系统；中央控制计算机，其与服务器相连，同时搭载分析软件，接收服务器传递的参数，通过分析软件分析后将处理指令传递给服务器进行执行。

【技术特征摘要】
1.一种基于BP神经网络的矿井火灾预警监测系统，包括传感模块、服务器、控制器、启动模块、灭火系统、报警模块、中央控制计算机、分析软件。其中：传感模块，其与服务器相连，将传感器收集的信息处理收集传递给服务器；服务器，其分别与中央控制计算机和控制器相连，将传感模块的信息传递给中央控制计算机，同时，将中央控制计算机的指令传递给传感模块和控制器；控制器，其分别与启动模块和报警模块相连接，在接收到服务器指令后将警报指令传递给报警模块，将灭火指令传递给启动模块；启动模块，其与灭火系统向连，启动灭火系统；中央控制计算机，其与服务器相连，同时搭载分析软件，接收服务器传递的参数，通过分析软件分析后将处理指令传递给服务器进行执行。2.根据权利要求1所述传感模块，其特征在于包括：温度传感器，气体浓度传感器，气体成分检测设备，湿度传感器。3.根据权利要求1所述报警模块，包括声音报警，光信号报警。4.一种基于BP神经网络的矿井火灾预警监测方法，使用权利要求1-4所述的一种基于BP神经网络的矿井火灾预警监测系统，其特征在于，包括如下步骤：步骤一：确定采集信号为：监测区域内的温度T，监测区域内气体浓度c1,c2,c3...cn，n表示气体成分的总数以及环境湿度H；步骤二：采用三层BP神经网络，分别为输入层、隐含层、输出层，对输入层的数据进行初始化处理，将传感器收集的...

【专利技术属性】
技术研发人员：黄鑫，姚韦靖，王婷雅，刘雨姗，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：安徽,34