信息融合技術(shù)在煤礦安全監(jiān)控中的應(yīng)用研究.pdf

1、煤炭資源幾十年來一直都是我國最為主要的能源，然而，我國是世界上煤礦事故發(fā)生最多的國家之一，這些事故不光給國家財產(chǎn)造成了巨大損失，也對廣大礦工的生命構(gòu)成了威脅。因此，利用信息技術(shù)更好的幫助煤礦安全生產(chǎn)是值得廣大科技工作者研究的熱點。當前煤礦事故主要包括瓦斯爆炸、粉塵爆炸、火災(zāi)和冒頂?shù)阮愋?。其中造成損失最為嚴重的是瓦斯等爆炸類事故。
　　 煤礦井下安置著大量的不同類型的傳感器，時刻監(jiān)測著影響煤礦安全的各項指標。然而由于井下環(huán)境復(fù)雜、

2、惡劣，單一類型傳感器有可能出現(xiàn)失效或不精確而導致誤判的情況，且不同類型傳感器獲得的數(shù)據(jù)之間存在著一定非線性的關(guān)系。因此，研究將多傳感器信息融合技術(shù)應(yīng)用到煤礦井下，以期提高對井下環(huán)境預(yù)測的效率。
　　 本文提出一種二級信息融合模型，用于對井下安全環(huán)境等級進行實時的預(yù)測。該模型融合了瓦斯?jié)舛取L速、粉塵濃度三類具有緊密非線性關(guān)系的數(shù)據(jù)。其中，第一級融合模型基于自適應(yīng)加權(quán)算法，通過該算法求出各個同類傳感器間不同的權(quán)重值，從而提升對某一

3、信息表述的精確度；第二級融合模型則是基于模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，該模型既能處理井下的模糊信息，解決井下難以建立精確數(shù)學模型的問題，同時又具備學習的能力，可以根據(jù)井下數(shù)據(jù)的更新進行動態(tài)調(diào)節(jié)，可移植性高?？傮w來說，該信息融合模型能夠適應(yīng)井下的實際環(huán)境，可以有效提高預(yù)測的精度。
　　 為提高預(yù)測模型的運算速度，本文重點研究并提出了一種改進的快速LMBP算法。通過大量試驗，詳細分析了傳統(tǒng)LMBP算法存在的主要問題，并通過引入兩個判別因子

4、提出了一種快速LMBP算法。通過Matlab條件下的仿真對比試驗表明，研究的改進LMBP算法比傳統(tǒng)LMBP算法在訓練的速度上有了較大幅度的提高。此外，在使用改進的LMBP算法對預(yù)測模型進行訓練后，進行了模型的預(yù)測試驗，結(jié)果表明，該預(yù)測模型的試驗預(yù)測精度超過96％。
　　 最后，本文設(shè)計了基于ASP.net技術(shù)的煤礦安全監(jiān)控系統(tǒng)，該系統(tǒng)能夠?qū)碌耐咚?、CO、溫度、風速等信息進行實時監(jiān)控，并能通過報表的方式對各項數(shù)據(jù)進行分析和打印