【技术实现步骤摘要】
本专利技术涉及传感器信息处理及煤矿安全
，特别是涉及一种基于BP神经网络的瓦斯监测方法及装置。
技术介绍
目前煤矿安全生产是一个非常重视的问题，随着矿井开采深度的增加，井下地质状况的多种多样、瓦斯检测的复杂性和瓦斯突出的不确定性更为显著，使煤矿安全生产存在极大的安全隐患。矿井瓦斯监测主要是对井下瓦斯及CO浓度、粉尘含量、温度、风速、负压等参数进行实时检测(现有技术之瓦斯监测系统如附图I所示)，需采用大量不同类型的传感器。但由于传感器测量精度所限及环境因素的干扰，会使测量数据与实际存在偏差，更为严重的是，井下复杂环境中有害气体的侵蚀会使部分传感器丧失检测能力。传统的很多解决方法是单传感器多次测量或多个传感器测量数据取平均值，这样虽然能在一定程度上提高测控系统的可靠性，但无法满足系统实时性的要求，不准确的测量数据仍会影响最终判断结果。因此，整体而言，在目前的煤矿瓦斯监测方案中，大多还存在落后的人工检测与巡视方式，检测不准确、不到位、不及时的现象及问题。并且，有些煤矿利用自动化的仪器进行瓦斯监测，但通常是较为简单的单一传感器检测手段，存在检测不稳定，不可靠的缺点...
【技术保护点】
一种基于BP神经网络的瓦斯监测方法，其特征在于，所述方法包括：步骤一、建立包含输入层、隐层及输出层的基于BP神经网络的初始模型；步骤二、对初始模型进行参数设置；步骤三、依据参数设置后的初始模型进行计算，确定模型中的连接权值；步骤四、根据限定误差为基准，确定BP神经网络模型及输入与输出间的关系。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。