改进的空间聚类算法在煤矿瓦斯监测系统中的应用研究

提出了一种改进式的空间聚类算法,研究针对瓦斯灾难信息特征提取的具体方法,将DBSCAN聚类算法应用在煤矿瓦斯监测系统中,通过数据的集成和选取、确定目标、结果表述、评价等多个步骤来实现该算法,发挥仿真和结果的作用,实现对煤矿生产现场情况的监测和指挥,进一步降低发生煤矿瓦斯灾难的概率。     

基于数据融合的煤矿瓦斯涌出量预测系统设计

将基于小波神经网络的多传感器数据融合算法应用到煤矿瓦斯涌出量的预测系统中。实验结果表明:该预测系统可以及时、有效地预测瓦斯涌出量。     

多传感器模糊信息融合算法在煤矿瓦斯监测中的应用

当前不少的煤矿都已经构建起了自身的煤矿瓦斯监控系统,然而如何对瓦斯、压力、温度以及风速等多传感器返回的数据进行判断,评价当前的煤矿瓦斯风险,就成为了一个亟待解决的问题。文章首先对多传感器信息模糊评判以及多传感器模糊信息融合算法进行介绍,之后对相关的实验数据展开分析。     

多传感器模糊信息融合算法在煤矿瓦斯监测中的应用

为确保煤矿生产的安全性,最大限度的防止瓦斯爆炸事故的发生,需要构建煤矿瓦斯监控系统,借助大量传感器对井下信息进行检测。本文首先对多传感器信息模糊评判以及多传感器模糊信息融合算法介绍,之后对相关的实验数据展开分析。     

基于Isomap+SVR的瓦斯浓度预测方法

对煤矿关键测点的瓦斯浓度进行科学且准确的预测,是防范瓦斯灾害的关键.为了从瓦斯监测监控系统实时采集的煤矿安全环境数据中分析和挖掘瓦斯浓度信息,从而进行关键测点的瓦斯浓度预测,本文采用等度量映射算法(Isomap)结合支持向量回归算法(SVR)来预测瓦斯浓度.该方法首先通过Isomap算法将非线性的高维煤矿井下安全环境数据进行维数约减,然后利用SVR算法进行回归预测.通过实验分析与对比,该方法行之有效,与多元线性回归(MLR)、支持向量回归(SVR)方法相比,在预测精度上有一定的优势,且在瓦斯波动异常情况下,鲁棒性更强.     

基于极限学习机的煤矿瓦斯涌出量预测研究

为有效挖掘煤矿瓦斯涌出量数据的非线性特征,及时消除煤矿瓦斯安全风险,降低瓦斯灾害的发生概率,建立了以极限学习机算法为核心的煤矿瓦斯涌出量预测模型。同时,为验证其鲁棒性及优越性,引入BP神经网络模型进行对比分析。研究结果表明,基于ELM的煤矿瓦斯涌出量预测模型能够对煤矿瓦斯涌出量数据特征进行良好的描述,且各项对比指标均优于BP神经网络模型,为煤矿瓦斯涌出量预测研究提供了新的方法。     

多数据融合技术在煤矿瓦斯报警中的研究应用

针对目前没有相对有效监控煤矿井下瓦斯技术等问题,研究了多数据融合技术在煤矿瓦斯报警中的应用。对煤矿瓦斯的成因及其影响指标进行了详细说明,重点设计了基于多数据融合技术的煤矿瓦斯报警系统,最后对其进行了实验分析。结果表明该系统能够很好地完成煤矿环境的评估判断,进而验证了该报警系统的可行及有效性,为煤矿进一步完成瓦斯报警奠定了基础。     

2001-2013年中国煤矿瓦斯事故分析

利用国家煤矿安全监察局煤矿事故查询系统公布的数据,对2001-2013年我国发生的矿井瓦斯事故进行统计,通过分析瓦斯事故类型、发生区域、发生时间等信息与煤矿瓦斯事故之间的相关性,总结我国煤矿瓦斯事故的频发规律;分析我国煤矿法律法规、小煤矿政策对煤矿瓦斯事故的影响。分析表明,瓦斯事故是我国煤矿第1大事故,其中瓦斯爆炸事故危害性最大,乡镇小煤矿是我国瓦斯事故的重灾区。     

基于关联规则的煤矿瓦斯事故致因链研究

为有效利用煤矿安全事故"大数据"研究煤矿安全事故的潜在规律,在建立包含环境、设备和人因致因因素的煤矿安全事故综合致因模型基础上,建立了煤矿安全事故的数据库系统,并以煤矿瓦斯事故为对象,利用Apriori算法对瓦斯事故的致因数据进行挖掘,获得了煤矿瓦斯事故致因因素的极大频繁项集,并通过确定项集致因因素之间的关联规则,获得煤矿瓦斯事故的致因链。研究结果表明:操作者违反规章制度是煤矿瓦斯事故发生的直接原因,未严格落实规章制度是核心致因。通过预防未严格落实规章制度的发生切断煤矿瓦斯事故的致因链,可以很大程度上减少煤矿瓦斯事故发生的概率。     

基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究

为了对煤矿瓦斯监测数据进行有效分析,以实现准确、可靠的回采工作面绝对瓦斯涌出量预测,提出了蚁群聚类算法优化Elman神经网络的绝对瓦斯涌出量动态预测方法。算法通过对Elman神经网络的权值、阈值寻优,建立了基于ACC-ENN算法的绝对瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经蚁群聚类优化后的Elman神经网络绝对瓦斯涌出量预测模型较其他预测模型具有更好的泛化能力和更高的预测精度,有效地实现了煤矿绝对瓦斯涌出量动态预测。     

ZigBee定位技术在瓦斯监测系统中的应用

针对煤矿复杂的地形特点和矿井分布特征,本文提出了一种基于ZigBee无线传感器网络的煤矿监测系统的应用方案。此系统采用具有定位跟踪引擎的CC2431无线定位芯片和接收信号强度指示RSSI定位算法,完成矿井瓦斯信息采集、数据分析以及通信控制等任务,具有较好的可靠性和实时性。     

基于模糊算法的矿井局部通风机瓦斯控制系统研究

矿用局部通风机是煤矿安全生产的主要设备,为实现通风量的智能控制,采用模糊算法,对矿井局部通风机瓦斯控制系统进行了设计研究。分析了局部通风机的控制要求,建立了瓦斯浓度的模糊算法,然后对模糊算法控制查询表进行了制作。算法以瓦斯浓度偏差变化率以及瓦斯浓度偏差为输入值,并以变频输出电压相对应的电机转速为输出值,提出了局部通风机的系统控制方案以及方案中重要部分的配置。以PLC控制器的局部通风机控制系统为模糊控制的操作提供了理论基础。     

基于小波神经网络技术的井下瓦斯传感器故障诊断分析

煤矿井下瓦斯传感器的准确性和鲁棒性关系到矿井的安全生产。以瓦斯传感器故障诊断为研究对象,利用小波包分解算法分析了瓦斯传感器故障信号、提取了相关特征,并基于这些特征,采用扩展滤波算法训练神经网络。兖州集团王庄煤矿的100组瓦斯检测数据验证了该技术的有效性和准确性,为瓦斯传感器故障的在线诊断系统设计提供了参考。     

基于Apriori算法下的矿井火灾事故预测研究

应用Apriori算法完成数据挖掘模型建构，对矿井相关数据实施采集、预处理及数据挖掘，进而实现对矿井火灾事故的预测分析，获得矿井火灾事故发生率。研究结果表明，通过关联规则分析某矿井的相关数据，发现高瓦斯浓度-低流量置信度在70%左右,高瓦斯浓度-低负压置信度在61%左右，由此得出在矿井火灾事故防治中，要加强对日产量以及瓦斯浓度的控制。     

多源传感器融合的矿井瓦斯释放源定位方法

针对煤矿井下采空区漏风现象导致瓦斯释放源难以定位或者定位不准问题,提出一种基于多源传感器融合的矿井瓦斯释放源定位算法。首先通过分析综放工作面采空区瓦斯分布规律,建立矿井采空区传感器观测模型与瓦斯释放源扩散模型,然后采用混合卡尔曼粒子滤波算法对采空区瓦斯释放源参数进行估计,并依据迭代运算得到估计参数的坐标位置,最后通过无线传感器目标源感知节点与簇头节点的数据融合,实现瓦斯释放源的精确定位。结果表明:与其他算法相比,混合卡尔曼粒子滤波算法在定位精度上具有明显的优势。该方法能有效解决因漏风现象导致的瓦斯释放源定位困难的问题,进而为采空区瓦斯突出预警及瓦斯抽采提供参考依据。     

空间数据挖掘算法在煤矿能源保护监管中的应用

为降低煤矿能源开采风险,实现规范化管理,提出空间数据挖掘算法在煤矿能源保护监管中的应用研究。由信息层、控制层和设备层构成监管系统,明确系统职责,结合监管系统特征,设计空间数据挖掘模型整体结构。将粗糙集和神经网络方法相结合,去除冗余数据,采用误差函数和代价函数,确定神经网络训练样本数量。探究数据挖掘模型在煤矿保护监管中的应用过程,设计神经网络结构,计算神经元数量,反复训练网络生成关联规则。经过实例应用分析,从关联规则中可得出:煤矿能源安全和瓦斯浓度、日开采量之间支持度较高,必须将二者指标控制在合理范围内。由此证明了挖掘算法不但可以获取煤矿能源现状,还能通过历史数据得出预见性结论。     

基于DSP的多点分布式矿井瓦斯监测系统

为提高矿井内瓦斯浓度的检测精度,将多个瓦斯传感器组成阵列,以DSP处理器TMS320F2812为控制核心,采用非线性补偿和最小二乘数据融合算法对数据进行处理。井下分布的多个瓦斯监测终端通过与地面上的服务器端建立TCP网络连接,把监测到的数据传送到监控中心进行显示,并备份到数据库Access2003里以便进行历史数据查询和统计分析。实验结果表明,采用瓦斯传感器阵列技术、非线性补偿以及最小二乘数据融合算法能够有效地提高瓦斯浓度检测的精度,并且多点分布式的系统便于维护、可靠性高。     

基于SuperMap的矿井瓦斯地质动态编图技术研究

针对传统纸质瓦斯地质图存在难以保存、数据利用率低、难以真实反映矿井瓦斯地质动态变化等问题，探讨分析了现阶段瓦斯地质图编图方法。提出了基于SuperMap的矿井瓦斯地质图动态编图技术思路，设计了软件系统功能结构，并构建形成了瓦斯地质动态分析系统数据库。基于SuperMap GIS服务平台，采用C#语言二次开发形成矿井瓦斯地质动态管理系统。通过在阳煤五矿的应用显示，实现了矿井瓦斯地质资料的高效利用，为矿井经济、高效、安全生产提供了支撑。