一种煤矿掘进工作面按需供风的智能局部通风系统及方法技术方案

本发明专利技术公开了一种煤矿掘进工作面按需供风的智能局部通风系统及方法。所述的系统包括巷道掘进工作面安装的传感器、转换装置、上位工控机系统、监控分站下位机系统、数据通信模块、变频器、数据库，通风机。本发明专利技术解决了由于掘进工作面所需风量具有随机性和不确定性，并且掘进面环境参数与局部通风机转速系统处于非线性、多干扰和纯滞后的状态，且不能满足实际生产需求，从而提升巷道掘进工作面的通风效果，节省了电力资源的消耗和提高了煤矿的安全性。本发明专利技术具有良好的实际应用价值，设计合理，实用性强，推广应用价值高。推广应用价值高。推广应用价值高。

【技术实现步骤摘要】
一种煤矿掘进工作面按需供风的智能局部通风系统及方法


[0001]本专利技术涉及矿山安全
，尤其涉及一种煤矿掘进工作面按需供风的智能局部通风系统及方法

技术介绍

[0002]随着煤矿自动化水平的不断提高，对矿用电器设备的可靠性、连续性和灵活性提出了越来越高的要求。掘进通风的目的是不间断地冲淡并排出掘进工作面煤层释放出的有害气体(CH4、CO等)，稀释瓦斯浓度，并给工作人员提供新鲜空气，消除煤矿重大安全隐患。当掘进巷瓦斯浓度超过1.5％时，必须采取安全措施，控制风流，排放瓦斯，所以掘进通风是保证矿井安全生产的必要手段。局部通风机是掘进通风的核心设备，由局部通风机及其控制设备组成的通风系统是保证掘进工作面通风连续性必备的重要措施。局部通风机工作的可靠性和灵活性直接影响着矿井掘进通风和瓦斯的安全排放所以对煤矿井下掘进工作面自动通风控制系统的研究对于保障井下工人的生命安全和矿井的安全生产具有非常重要的现实意义。通过市场和煤矿企业现场调研情况可以看出，煤矿井下局部通风控制系统主要采用交流变频器的方式对局部风机进行控制，控制没有按照瓦斯、一氧化碳的浓度进行风量调节和控制，而是仅仅依靠单一的频率输出控制，有的煤矿情况稍好，根据掘进面的多瓦斯传感器浓度进行风机的调节控制，但是这种控制相对于实际情况来说比较滞后，容易导致“一风吹”的现象。目前煤矿局部通风控制基本没有形成一套规范的系统，只是在掘进面局部的一个装置，井上控制机房无法实现掘进面的通风控制与监测。

技术实现思路

[0003]本专利技术的目的是提供一种煤矿掘进工作面按需供风的智能局部通风系统及方法，本专利技术解决了由于掘进工作面所需风量具有随机性和不确定性，从而提升了巷道掘进工作面的通风效果，节省了电力资源的消耗和提高了煤矿的安全性。
[0004]本专利技术的技术方案是：一种煤矿掘进工作面按需供风的智能局部通风方法，其特征在于：瓦斯传感器采集巷道中的瓦斯浓度数据，温度传感器采集巷道中的温度数据，湿度传感器采集巷道中的湿度数据，煤尘传感器采集巷道中的煤尘浓度数据，风速传感器采集风筒中的数据，所有的数据均由光纤传输到工控机中经过工控机对时间戳匹配，形成一组数据，再将该一组数据输入到遗传算法优化的Elmall神经网络模型中，得到预测风量值，预测风量值经D/A转换，写入到PLC中，PLC给出命令，改变变频器频率，进而改变局部通风机电机转速，进一步改变煤矿掘进工作面局部通风量，当甲烷浓度达到1.5％时，局部通风机风量达到最大，实现煤矿掘进工作面按需供风，保证矿井安全。
[0005]进一步地，建立遗传算法优化的Elmall神经网络模型的步骤包括：
[0006]步骤1、确定Elmall神经网络输入、输出参数，并确定神经网络拓扑6
‑3‑
1结构；
[0007]1.1传感器检测的参数有瓦斯、煤尘、温度、湿度、风速和风量，即输入层节点个数为6；
[0008]1.2通过优化参数与变频器进行功率匹配，输出不同的风量，即输出层节点个数为1；
[0009]1.3采用经验公式确定其隐节点数，即隐含层节点个数为3，m表示隐含层节点数，l表示输入层节点数，g表示输出层节点数；
[0010]1.4得到神经网络拓扑结构为6
‑3‑
1的Elman神经网络，即输入层6个节点，隐含层3个节点，输出层1个节点；
[0011]步骤2、对训练样本数据预处理，所述的数据预处理过程包括以下包括：
[0012]2.1计算每个数据之间的相对距离，即每个数据间的相似度s
ij
；
[0013]2.2任取一组完整值为标准值，记为数据A，然后利用采集的36组数据分别与标准数据A进行对比，为保证矿井安全稳定性，设定s
ij
∈(0.95,1.25)
[0014][0015]s
ij
代表每个数据的相似度、s
i
代表每个传感器采集到的所有数据、s
j
代表标准数据A；
[0016]2.3当s
ij
∈(0.95,1.25)时，属于正常数据，当某个数据丢失时，对缺失数据进行上一时间数据的补齐，保证通风机正常运行；
[0017]当时，属于异常数据，将所有异常数据组归为B类，从36组数据中删除B类数据，以时间节点顺序将数据整合，最终形成30组数据，并将30组数据分为25组训练样本和5组测试样本，最后，将30组数据进行归一化操作；
[0018]步骤3、将Elman神经网络的初始权值编码成若干染色体组成的初始种群，并对染色体进行编码，对所有30组数据的权值和阈值均采用M位二进制编码，将所有权值和阈值的编码连接，即得到一个个体的编码，多个个体聚集形成编码后初始种群；
[0019]步骤4、计算种群的适应度
[0020]为了使Elmall神经网络在预测时，预测值与期望值的误差尽可能小，故选取预测值和期望值误差平方和的倒数作为个体适应度函数，计算种群每个个体的适应度，计算公式为:
[0021][0022]其中：i为种群中个体的序号，G
i
为种群中第i个个体的适应度；
[0023]y
’
i
和y
i
分别为以种群中第i个个体确定网络权值和阈值时的实际输出和期望输出，n为输入样本总量；
[0024]步骤5、选择、交叉、变异操作
[0025]5.1根据所有个体的选择概率按照赌轮的方式进行淘汰选择，先按照每个个体的选择概率创建一个赌轮，然后选取4次，每次先产生一个0
‑
1的随机小数，然后判断该随机数落在哪个段内就选取相对应的个体，这个过程中，选取概率高的个体将可能被多次选择，而概率低的就可能被淘汰，被选中的个体将进入配对库准备开始繁殖；
[0026]5.2先对配对库中的个体进行随机配对，然后在配对的2个个体中设置交叉点，交
换2个个体的信息后产生下一代；
[0027]5.3变异操作时按照基因座来的，变异的结果是基因座上的等位基因发生了变化，也就是产生了一个新的群体，再判断迭代次数是否达到500次，达到则得到了所需的网络初始权值与阈值，未达到则继续进行选择操作、交叉操作与变异操作，初始权值和阈值更新，最终得到符合条件的初始权值和阈值；
[0028]步骤6、网络误差计算
[0029]判断瓦斯含量个体是否达到设定精度0.1％，如果已达到，则结束并输出风量值，如果未达到，则返回继续获取初始权值和阈值进行误差计算；
[0030]在上述输出风量值输出到PLC之前，先判断数据的误差比M：
[0031][0032]其中，n
i
表示预测的风量值，m
i
表示实际的风量值，k代表预测数据个数，
[0033]将实际的风量值与预测的风量值代入上式中准确率得出，当误差比M小于1％时，预测模型良好，预测值可信；当误差比大于1％时，网络权值和阈值更新，重新计算网络误本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煤矿掘进工作面按需供风的智能局部通风方法，其特征在于：瓦斯传感器采集巷道中的瓦斯浓度数据，温度传感器采集巷道中的温度数据，湿度传感器采集巷道中的湿度数据，煤尘传感器采集巷道中的煤尘浓度数据，风速传感器采集风筒中的数据，所有的数据均由光纤传输到工控机中经过工控机对时间戳匹配，形成一组数据，再将该一组数据输入到遗传算法优化的Elmall神经网络模型中，得到预测风量值，预测风量值经D/A转换，写入到PLC中，PLC给出命令，改变变频器频率，进而改变局部通风机电机转速，进一步改变煤矿掘进工作面局部通风量，当甲烷浓度达到1.5％时，局部通风机风量达到最大，实现煤矿掘进工作面按需供风，保证矿井安全。2.如权利要求1所述的一种煤矿掘进工作面按需供风的智能局部通风方法，其特征在于建立遗传算法优化的Elmall神经网络模型的步骤包括：步骤1、确定Elmall神经网络输入、输出参数，并确定神经网络拓扑6
‑3‑
1结构；1.1传感器检测的参数有瓦斯、煤尘、温度、湿度、风速和风量，即输入层节点个数为6；1.2通过优化参数与变频器进行功率匹配，输出不同的风量，即输出层节点个数为1；1.3采用经验公式确定其隐节点数，即隐含层节点个数为3，m表示隐含层节点数，l表示输入层节点数，g表示输出层节点数；1.4得到神经网络拓扑结构为6
‑3‑
1的Elman神经网络，即输入层6个节点，隐含层3个节点，输出层1个节点；步骤2、对训练样本数据预处理，所述的数据预处理过程包括以下包括：2.1计算每个数据之间的相对距离，即每个数据间的相似度s
ij
；2.2任取一组完整值为标准值，记为数据A，然后利用采集的36组数据分别与标准数据A进行对比，为保证矿井安全稳定性，设定s
ij
∈(0.95,1.25)s
ij
代表每个数据的相似度、s
i
代表每个传感器采集到的所有数据、s
j
代表标准数据A；2.3当s
ij
∈(0.95,1.25)时，属于正常数据，当某个数据丢失时，对缺失数据进行上一时间数据的补齐，保证通风机正常运行；当时，属于异常数据，将所有异常数据组归为B类，从36组数据中删除B类数据，以时间节点顺序将数据整合，最终形成30组数据，并将30组数据分为25组训练样本和5组测试样本，最后，将30组数据进行归一化操作；步骤3、将Elman神经网络的初始权值编码成若干染色体组成的初始种群，并对染色体进行编码，对所有30组数据的权值和阈值均采用M位二进制编码，将所有权值和阈...

【专利技术属性】
技术研发人员：宋金全，张旭辉，王荣泉，万翔，尚新芒，薛旭升，郭文芳，王敏，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：