共查询到20条相似文献,搜索用时 375 毫秒
1.
针对传统的井下局部通风机恒速运行及浪费电能的缺陷,提出了一种基于BP神经网络和模糊控制的智能通风系统。将井下瓦斯浓度、温度、湿度及煤尘等参数输入到BP神经网络模型中,对井下风量进行预测,通过当前风量与预测风量的对比,运用模糊控制算法对变频器电压进行调节,从而实现对变频器输出频率的控制,有效降低了局部通风机的耗电量,对煤矿安全生产具有重要的现实意义。 相似文献
2.
为了提高矿井通风机风量的控制精确度,调整井下瓦斯浓度,保障井下工作环境安全,并提高通风机的工作效率,对主通风机风量调节智能控制算法进行研究,采用模糊PID控制器对主通风机风量调节系统进行控制,并采用遗传算法对比例因子与量化因子进行优化,提高控制器的精度与速度。 相似文献
3.
4.
为提高铝热连轧轧制力预报精度, 满足现场生产需求, 采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本, 在遗传算法的初始化和变异机制中引入混沌序列, 同时选择最优保存机制、动态调整交叉率和变异率等方法, 提出了改进的遗传算法, 并将其与改进的BP算法相结合, 对多层前馈神经网络权值阈值进行优化, 避免学习中陷入局部最小, 使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内, 该预测精度明显优于传统数学模型, 实现了铝热连轧轧制力的高精度预测。 相似文献
5.
6.
通风机在保证矿井安全方面发挥着重要作用。利用先进的变频技术和智能算法程序,设计了局部通风机的智能控制系统。在已知当前矿井环境参数的基础上,利用Elman神经网络模型可以对矿井局部位置的需求通风量进行准确实时预测,精度可以控制在0.79%范围内。利用模糊PID控制技术对通风机的实际风量进行控制,经过模拟分析发现具有良好的控制精度,延时3~4 s。主控制器和变频器是系统中重要的硬件装置,选用的型号分别为STM32F103VB和BPJ96-660。将智能控制系统部署到工程实践中,经现场测试发现能够根据矿井环境对通风量进行实时智能化调整。经过6个月的现场应用,局部通风机设备每年可以节省192万kWh的电能,经济效益显著。 相似文献
7.
为了能够提高对气动架柱式钻机寿命预测的准确性,从而提高煤矿生产的安全水平,深入地研究了机器学习在煤矿用气动架柱式钻机寿命预测中的应用。分析了支持向量机的基本原理;提出了遗传算法的基本流程,并且利用遗传算法对支持向量机算法进行改进;以某气动架柱式钻机为例,对其进行了寿命预测,预测结果和实测结果、BP神经网络预测结果进行比较,预测结果表明该方法具有较高的寿命预测精度。 相似文献
8.
9.
针对井巷风阻特性和通风机运行状态变化引起的不确定扰动,设计了一种基于多传感器融合和BP神经网络的通风机变频调速系统,利用风速、风量和瓦斯浓度等多传感器融合表征矿井环境特性,通过BP神经网络建立多传感器融合输入与通风机工作频率和叶片位移间的非线性控制模型。开发以西门子S7-300 PLC为软、硬件核心的通风机变频调速控制平台,通过PLC的结构化编程实现多传感器融合和非线性控制模型校正。利用BP神经网络的输出,最终实现通风机转速和叶片安装角的优化控制。调试结果表明,所开发的控制系统具有较强的抗干扰能力,以实际需风量为基准,有助于实现通风机工作效率和电能损耗的协同优化。 相似文献
10.
11.
针对矿井掘进工作面通风的特点,提出了一种将模糊神经网络、遗传算法和PID控制相结合的局部通风机控制方法。该方法运用遗传算法优化模糊神经网络隶属度函数的中心值和宽度,借助BP算法优化连接权系数。实验表明,该方法能根据瓦斯浓度的变化在线自动调整风机转速,较常规PID控制器有着明显的优点。系统采用以TMS320F2407 DSP为核心的电路来实现PID控制器的设计和通风机的变频调速。 相似文献
12.
13.
矿用局部通风机切换过程中容易出现短暂的停风,从而引起瓦斯浓度超限的安全生产问题。为了避免通风机切换引起风量暂停现象的发生,根据恒定风量切换原理,研究了局部通风机恒定风量智能切换控制系统,利用恒定风量反馈模糊调节控制原理,开发了新型矿用局部通风机智能远程控制系统和ZFJ1140型局部通风机智能监控装置,实现了通风机切换过程中风量恒定和通风机运行参数的远程、实时地监控。在通风机风筒上进气处、测进气处、集流器进气通道和出气通道4个地方开展了空气动力性能测试表明,通风机的空气动力性能较好,通风机全压效率在82.5%~85.0%内波动。在陕煤黄陵矿业集团一号煤矿1010辅运巷道应用表明,ZFJ1140型局部通风机在风量切换期间巷道风量变化控制在8.89%以内。与传统局部通风机切换方式相比,智能局部通风机的恒定风量切换功能有力保证了风量切换过程的巷道瓦斯浓度维持在安全范围。 相似文献
14.
基于Elman神经网络矿用通风机故障诊断的研究 总被引:1,自引:0,他引:1
介绍了一种基于Elman神经网络的通风机故障诊断的诊断原理,学习算法以及技术路线。通过对现场信号特征数据的采集以及归一化处理,对Elman神经网络选取最优的结构与参数,实现了煤矿主通风机故障类型的智能分类与诊断。与传统BP神经网络诊断结果相比较,Elman神经网络综合诊断性能更优。最后通过风机的故障诊断实例表明:Elman神经网络在提高学习速度上有了很大的改进,并且有效地抑制了传统神经网络容易陷于局部极小的缺陷,缩短了自主学习的时间,是风机故障诊断的有效方法。 相似文献
15.
16.
为了控制焊接机器人焊缝成形的质量,提出了一种基于改进蚁群算法(ACO)优化BP神经网络的焊缝成形预测模型,实现对焊缝成形尺寸的控制。首先通过Otsu优化Canny算子的方法提取焊接过程中熔池图像的数据样本,然后用BP神经网络来进行训练预测。为了优化初始权阈值,引入ACO优化BP;针对蚁群陷入局部最优的情况,引入遗传算法(GA)中的交叉变异,利用适应度值来确定选择概率的特性,从而加快迭代速度,避开蚁群初期的收敛慢问题,提升预测模型的性能。最后通过与传统BP、GA-BP和ACO-BP的预测实验对比,发现改进后的预测模型准确度高、稳定性好。 相似文献
17.
为提高地面主通风机工况点预测的准确性,以神木煤业石窑店煤矿二号风井更换地面主通风机之后工况点风量风机静压预测为实际现场工程,采用现场实测、数值模拟和理论公式三种方法分别计算风硐与风机连接处通风阻力,研究表明采用数值模拟方法能够准确计算风硐与风机连接处通风阻力。在此基础上建立了非线性形式的风硐与风机连接处风阻计算公式,结合实测的风机风量风机静压特性曲线和矿井通风阻力特性曲线,建立了考虑风硐与风机连接处通风阻力的主通风机风机静压风量工况点预测方程。研究表明:风硐与风机连接处通风阻力对于地面主通风机工况点具有不可忽略的影响作用,主通风机风机静压风量工况点预测过程中考虑风硐与风机连接处通风阻力能够显著提高地面主通风机工况点风量风机静压预测的准确性。 相似文献
18.
19.
针对煤矿局部通风机传统调速系统存在的实时性低、稳定性差、调速算法落后的问题,设计基于T-S模糊神经网络控制的局部通风机智能调速系统。在分析、对比PID调速、模糊调速方案的优缺点的基础上,确定基于T-S模糊神经网络控制调速算法。根据T-S模糊控制原理、结构、学习过程设计局部通风机智能调速方案设计以及仿真模型搭建。仿真结果表明,设计并实现的基于T-S模糊神经网络控制的局部通风机智能调速方案实时性强、跟随性好、稳定性高,调速效果明显。 相似文献
20.
主通风机是影响煤矿安全的主要因素之一,当主通风机供风量不能满足煤矿需风量或主通风机设备运行不可靠时,必须对主通风机进行改造。文章在分析常村煤矿西坡主通风机运行现状基础上,提出了风机选型计算和详细的改造方案。 相似文献