论文部分内容阅读
瓦斯灾害预测预警技术是防止煤矿重、特大事故发生,改善煤矿安全生产问题的有效方法。煤矿物联网系统是将物联网技术应用于煤矿生产中,是煤矿井下多类型数据实现灵活、动态、实时采集,可有效支撑应用层信息处理与识别技术的系统。煤矿物联网的应用可实现煤矿生产信息实时化、控制智能化、预测预警精准化的目标,有效降低我国煤矿事故死亡人数,全面提高煤矿生产安全。论文对煤矿物联网环境下的瓦斯爆炸灾害预测、预警技术展开深入研究。主要研究内容如下:首先,阐述了煤矿物联网的技术现状、系统应用现状和瓦斯爆炸灾害预测、预警技术研究现状。煤矿物联网的应用可解决传统瓦斯监测系统中存在的数据类型单一、实时性差的问题,实现对煤矿井下多类型数据的实时采集。论文较为详细地介绍了煤矿物联网在山不拉煤矿中的应用及煤矿物联网信息处理与识别技术。其次,对瓦斯爆炸灾害预测技术展开研究。论文建立了基于PSO-MEA混合优化算法的BP神经网络瓦斯爆炸灾害预测模型。采用提出的PSO-MEA混合优化算法优化BP神经网络模型的权值和阈值。其结合了粒子群优化算法(Paticle Swarm Optimization,PSO)和思维进化算法(Mind Evolutionary Algorithm,MEA)的优点,提高了模型的准确度。进而,对瓦斯爆炸灾害预警技术展开研究。论文建立了一种具有非线性特征的模糊综合评价模型,实现了对瓦斯爆炸灾害的危险等级评价,形成了瓦斯爆炸灾害的预警模型。该模型可实现危险等级的准确评价,提高了评价精度,并且具有适用范围广,充分提取、利用已有信息,信息损失小的特点。最后,采用山不拉煤矿的实时监测数据分别对瓦斯爆炸灾害预测模型和预警模型进行了MATLAB仿真分析。通过与PSO-BP和MEA-BP两种模型的对比分析,本文所建立的瓦斯爆炸灾害预测模型的最大输出平均误差为0.0174,最小输出平均误差为0.0078,最小输出精度提高了3.59%和3.27%。预警模型较现有预警模型实现了更为准确、精细的评价。