10.13347/j.cnki.mkaq.2020.11.045
基于BP神经网络的矿井热动力灾害监测研究
针对煤矿井下热动力灾害监测方式单一、易产生误判漏判等问题,提出一种基于BP神经网络的矿井热动力灾害监测方法.该方法根据矿井热动力致灾因素之间的相互耦合关系,利用多源数据融合的数据-特征-决策三级架构,首先在数据级利用卡尔曼滤波算法对特征参量数据进行归一化优化处理;然后在特征级采用BP神经网络对特征参量数据进行多源融合识别,获得煤层自燃和明火燃烧的特征识别结果;最后在决策级将特征识别结果与瓦斯浓度、煤尘浓度和特征信号持续时间相融合,得出最终监测判决结果.研究表明:该方法综合多参数融合判断,提高判决辨识矿井热动力灾害的准确率,能有效解决对矿井热动力灾害监测的误判漏判问题.
热动力灾害、数据融合、卡尔曼滤波、BP神经网络、瓦斯浓度
51
TD727(矿山安全与劳动保护)
国家重点研发计划;中央高校基本科研业务费专项
2020-12-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
216-220