RS-RBF信息融合在瓦斯监测中的应用研究

针对煤矿单传感器和低层次的多传感器数据处理的单一、不确定性较高的缺点,在对监测信息进行分析、处理、维数压缩后,利用基于粗糙集理论与神经网络相结合的多传感器信息融合技术实现对瓦斯灾害信息的特征提取。通过对瓦斯灾害的辨识分析,获得更准确、更可靠的瓦斯状态信息,极大地提高了瓦斯监测系统的性能,为获得瓦斯灾害变化的一般规律和准确、及时地发布预测信息提供先进的理论和技术支持。     

基于ARM和信息融合技术的瓦斯监测系统

针对煤矿井下环境复杂、参数难以准确测量的问题,提出了一种基于32位ARM处理器S3C2440和信息融合技术的煤矿瓦斯监测系统。该系统通过在ARM中进行多传感器信息融合处理,消除了多个传感器信息之间可能存在的冗余和矛盾,降低了不确定性,从而获取精确的环境状态估计,并通过网络实现煤矿环境远程监控。     

基于关联性模型的煤矿安全监控系统报警方法

针对煤矿安全监控系统可靠性不高、监测数据未得到充分利用等问题,提出了可通过提高关键设备的无故障工作时间来提高系统可靠性、通过数据处理或冗余方法来提高数据可信性的观点;提出了基于关联性模型的煤矿安全监控系统报警方法,其主要思路是将原来独立判别的测点数据通过一种关联性模型与其它测点数据或工艺环境联系起来,当系统发现关联性模型不成立时报警,该报警方法是对现行报警方法的补充,可以发现传感器不按规定使用和传感器失效等情况,但在实际应用中应考虑模型的易用性和适用性;以煤矿工作面瓦斯监测为例,基于对工作面瓦斯涌出规律的分析,对瓦斯传感器数据分别建立了基于相关性、基于极差值、基于最小值的关联性模型,并通过实际的瓦斯监测数据对该三种模型进行了验证,结果表明该三种模型对不同煤矿和不同工作面均有较好的适用性。     

基于BP网络和D-S证据理论的瓦斯监测系统的研究

针对目前煤矿采用的瓦斯传感器输出信号具有模糊性、不确定性等问题,提出了一种基于BP网络和D-S证据理论的瓦斯监测系统的设计方案。该系统采用改进的BP算法获取煤矿环境的基本概率分配,采用D-S证据理论对BP网络输出结果进行信息融合,从而对井下瓦斯状态作出判断和决策。实验结果表明,该系统提高了瓦斯监测信息的准确性和决策的快速性。     

基于多Agent信息融合的煤与瓦斯突出预测

针对现有煤与瓦斯突出预测方法存在的不足,考虑检测到的影响煤与瓦斯突出的多种因素数据,建立了煤与瓦斯突出预测的多Agent信息融合模型,实现对煤与瓦斯突出的快速、准确和动态预测。利用基于均值的分批估计融合算法对煤与瓦斯突出指标的多传感器数据进行处理以获取更为准确、可靠的数据以提高预测准确性,应用D-S证据理论解决煤与瓦斯突出预测过程中的不确定性和不精确性问题。通过实例对提出方法进行验证,结果表明所提出的方法预测准确性高,是一种有效的煤与瓦斯突出预测方法。     

基于粗糙集和神经网络的煤矿瓦斯预报方法研究

瓦斯灾害监测数据是煤矿瓦斯监控和预测的基础;采用现代信息处理技术和人工智能理论对每个监测平台的多传感器检测数据,主要包括井下温度、通风景、瓦斯浓度等进行挖掘、分析、处理、综合,提取出瓦斯灾害征兆信息,并用特征矩阵表示这些征兆信息;在利用最大熵方法进行特征提取的基础上,对多源数据进行多平台信息融合,提出粗糙集和神经网络融合算法,实现了煤矿瓦斯数据预报方法,增加了矿井状态监测置信度,提高了环境监测的准确率,具有实际应用意义.     

基于蚁群-模糊聚类算法的井下工作面瓦斯突出预测

针对现有的瓦斯预测方法在实际应用中受到较大限制且预测结果的准确性较差的问题,提出了一种基于蚁群-模糊聚类算法的瓦斯突出预测方法;分析了蚁群-模糊聚类算法的基本原理及实现步骤,并以某煤矿井下工作面某时段内的瓦斯突出数据为例,采用蚁群-模糊聚类算法对该数据进行了挖掘分析,从而找出了瓦斯突出量与其影响因素即埋藏深度、煤层厚度、瓦斯含量、日进度、煤层间距、日产量之间的关系。测试结果表明,该方法预测结果与实际监测记录完全一致,具有较高的聚类预测性能。     

基于概念格的煤矿瓦斯数据融合预警研究

提出了基于概念格的煤矿瓦斯数据融合预警算法.建立了煤矿瓦斯预警的两级数据融合模型,通过对同质多传感器数据的加权数据融合处理,使检测同一目标的多个数据融合为一个精确的、可靠的数据,减少了通信网络中的数据流量.经过数据级融合的异质多传感器数据描述了导致瓦斯事故的各种因素,利用概念格理论对异质多传感器的历史监测数据进行分析,形成预测煤矿瓦斯安全状态的决策规则.使用该预警系统可以动态监测井下瓦斯安全状况,提高瓦斯事故预警的准确性,为煤矿安全生产提供支持.     

粗集-RBF神经网络在瓦斯突出预测中的应用

煤矿瓦斯突出是威胁煤矿安全生产的主要因素之一:瓦斯突出预测的关键是信息的采集,传输和处理;通过DSP技术和粗集-RBF神经网络结合的方法,完成了对瓦斯突出预测系统的设计;该系统设计了基于DSP和无线传感器网络的信息采集和传输系统和粗集-RBF神经网络;信息传输采用无线网络和CAN总线相结合的方式,极大地提高了信息传输的质量和效率;利用MATLAB对粗集-RBF神经网络进行了建模和仿真,选取了4个与瓦斯突出有关的影响指标,对具体的瓦斯突出样本进行了预测,准确预测出了瓦斯突出。     

煤矿掘进工作面瓦斯浓度预测

针对目前瓦斯浓度预测方法存在数据处理不确定性、特征提取局限性及受主观性因素影响产生预测偏差等问题,提出了一种用于煤矿掘进工作面的瓦斯浓度预测方法。首先,在煤矿掘进工作面回风巷内每隔1 m布设激光瓦斯传感器,形成传感器网络,实时采集瓦斯浓度数据。然后,根据拉依达准则搜索并剔除瓦斯浓度数据中的异常值,并利用Lagrange插值多项式填补瓦斯浓度数据中的缺失值。最后,以剔除异常值及填补缺失值的瓦斯浓度数据为基础,采用经验模态分解算法将瓦斯浓度数据分解成本征模态函数和趋势项,再利用Hilbert变换对本征模态函数进行处理以获取数据的高频项和低频项,并将其输入最小二乘支持向量机中进行加权处理,输出瓦斯浓度预测结果。通过掘进工作面模拟装置进行瓦斯浓度预测模拟试验,并在某煤矿掘进工作面进行现场试验,结果表明：该方法预测的瓦斯浓度与实际测量值非常接近,均方误差小,表明预测结果准确率高;均方误差波动幅度小,表明适应性好,预测结果的稳定性强;预测用时短,表明预测效率高。     

基于信息融合的煤层自然发火监测系统研究

针对目前我国在矿井火灾预警系统检测处理数据不可靠等问题,以单片机作为中央处理器,基于模糊信息融合理论,应用多传感器对煤层自然发火的指标气体和参量进行监测,将监测设备的多只传感器所获得的信息模糊化,再将其融合,从而获取设备精确的状态估计。该系统利用信息融合技术对各种参量进行融合运算和决策,实现了煤层自然发火的早期预测预报,实验结果表明：基于信息融合的煤矿火灾预警系统识别准确率与可靠性大大提高。     

模糊信息融合在带式输送机故障诊断中的应用

针对带式输送机故障诊断过程中单个传感器获得的信息具有不确定性和局部性的问题,提出了一种基于多传感器模糊信息融合的故障诊断方法。该方法将温度、粉尘和烟雾传感器所获得的带式输送机信息模糊化,经过融合中心的合成运算和决策规则将其融合,从而得到精确的带式输送机状态估计与判断。实验结果表明,该方法提高了带式输送机故障诊断的准确性和可靠性。     

模糊数据融合算法在煤矿安全系统中的应用

采用多传感器对煤矿井内的温度和通风量进行监测,基于模糊系统理论,提出一种应用多传感器模糊数据融合的融合检测方法,将多个传感器所获取的信息模糊化,经过融合中心的合成运算和决策规则,获取矿井温度和通风量状态的精确估计。     

基于软判决信息融合的多参数瓦斯监测器的设计与实现

文章介绍了一种基于软判决信息融合技术的多参数瓦斯监测器的设计,分析了用于瓦斯监测的软判决算法,阐述了该监测器的单片机实现过程,给出了实验结果。在监测瓦斯时,该监测器应用Bayes决策原理对多个传感器进行观测域区间划分和信息融合,得到了对瓦斯的最优判断结果,很好地解决了报警灵敏度和误报率之间的矛盾。     

基于D-S证据理论的瓦斯突出预测方法研究

煤矿瓦斯突出是制约煤矿安全生产的严重的自然灾害之一,由于影响瓦斯突出的因素众多,仅依据单一因素来进行预测无法保证预测结果的准确性;同样,采用单一方法监测瓦斯灾害的相关参数并预测其变化趋势,也不能满足瓦斯突出预测需要的高精度。针对以上问题,提出了一种基于D-S证据理论的多信息融合模型。根据导致瓦斯突出各因素的重要程度,引入不同的权重因子,采用神经网络法和单指标法分别进行预测,并利用D-S证据理论将预测结果融合,在一定程度上可以消除采用单一因素或单一预测方法进行预测的不准确性。仿真结果表明,多信息融合模型预测准确度比采用单一预测方法得到的结果提高了20%,对于保证煤矿安全生产和矿工生命安全具有一定的实际意义。     

一种运用模糊处理技术的多参量火警预报系统

阐述了一种新型多参量模糊处理火警预报系统。该系统利用多传感器对火情发生时特有的温度、烟雾和火光三个主要参量进行综合监测，以微控制器为处理核心，将所得到的多路信息利用模糊技术加以融合和推理，再根据具体的环境因素做出相应的判断。这种采用多传感器集成、多参量融合模糊技术的设计很好地解决了报警灵敏度和误报率之间的矛盾。     

煤与瓦斯突出报警方法

分析得出近10年煤矿重特大瓦斯事故起数和死亡人数分别占煤矿重特大事故起数和死亡人数的62.3%和66.5%。提出了用于煤与瓦斯突出报警的甲烷、风速、风向等传感器布置方法。提出了基于煤矿安全监控系统的煤与瓦斯突出报警方法,即监测和分析甲烷浓度、风向、风速、传感器故障等,在出现以下情况时发出声光报警信号,切断煤矿井下全部非本质安全电气设备电源,撤出煤矿井下作业人员:甲烷浓度迅速增高或超过报警浓度,且风速不低于正常值;甲烷浓度迅速增高或超过报警浓度,进风巷风流逆转;进风巷甲烷浓度迅速增高或超过报警浓度等。     

基于CSO-RVM的瓦斯涌出量预测模型研究

为了实时监测和精准预测煤矿回采工作面绝对瓦斯涌出量,提出猫群算法(CSO)优化相关支持向量机(RVM)的绝对瓦斯涌出量预测方法.相关向量机的组合核函数可实现多特征空间的信息融合,为有限样本、高维数瓦斯涌出量预测建模问题提供一种行之有效的方法.并用CSO算法对RVM瓦斯涌出量预测模型的核函数权重p和高斯核参数σ快速寻优.利用矿井无线传感器网络检测到的各项历史数据试验.结果表明,相比BP、SVM算法,该耦合模型有效提高了预测精度,具有更好的泛化能力,为矿井瓦斯预测提供理论支持.     

基于采掘工作面瓦斯涌出特征的瓦斯灾害精准预警系统

乌东煤矿为近直立特厚煤层、分层放顶煤开采方式,工作面瓦斯涌出来源及特征较为复杂,当前采取的瓦斯防治措施虽有效降低了回采期间工作面瓦斯涌出异常风险,但其经济性、合理性、安全性无法统筹兼顾,在瓦斯灾害风险管控的时空衔接上缺乏瓦斯涌出异常预警机制及配套技术手段。为了填补乌东煤矿瓦斯灾害预警空白,基于对乌东煤矿井下工作面空气瓦斯来源、采掘工作面瓦斯涌出特征的分析,将综放工作面瓦斯浓度超阈值预警模块与掘进工作面瓦斯涌出特征预警模块相结合,构建了乌东煤矿采掘工作面瓦斯灾害精准预警模型。在此基础上,采用B/S架构开发模式,基于矿井工业环网设计开发了乌东煤矿瓦斯灾害精准预警系统,并在井下各主要工作面应用。考察结果表明,该系统运行稳定,预警准确率较高。     

回采工作面推进过程中的瓦斯涌出预测分析

针对现有回采工作面瓦斯涌出预测方法的数据大都是基于回采工作面单一传感器的瓦斯浓度序列,存在无法将工作面持续推进过程中空间位置变化的监测点位置进行记录的问题,提出了以回采工作面传感器各监测点瓦斯浓度序列数据为基础,结合工作面实际推进距离,运用BP神经网络模型综合预测工作面瓦斯涌出量的方法。该方法利用回采工作面瓦斯分源辨识方法,分别分析采空区瓦斯涌出和煤壁瓦斯涌出的变化规律;利用BP神经网络预测法,结合表征采空区瓦斯涌出和巷道煤壁瓦斯涌出规律的特征值对工作面日均瓦斯涌出进行预测。实例应用验证了该方法的正确性。