基于改进粒子群小波神经网络的瓦斯的研究及预测

发布时间：2017-04-08 17:47

  本文关键词：基于改进粒子群小波神经网络的瓦斯的研究及预测，由笔耕文化传播整理发布。

【摘要】：随着工业社会发展的需求和煤炭业在我国工业生产中占有绝对主导地位,煤炭安全事故也随之而来。近十年以来,我国在预防煤矿事故上投入了大量的人力和物力。虽然我国的煤矿安全事故有明显的降低,但是同国外相比较还有很大的提升空间。煤矿安全事故中以瓦斯事故的伤害性最大,井下瓦斯的存在时刻在威胁着矿工们的生命。因此,瓦斯涌出量的预测对于确保矿工人员的生命安全和提高煤炭产量和生产效益有着重要的意义。本文以煤矿瓦斯监测系统为研究背景,结合煤矿井下现实生产,提出了改进粒子群小波神经网络的算法,用于井下瓦斯涌出量进行预测研究。本文主要研究了以下几个方面:首先,分析煤矿实际生产中井下监测系统的运作流程,搭建了模拟矿井工作面巷道的瓦斯采集系统。分析了开采工作面瓦斯涌出量的数据会出现异常数据和缺失数据并且数据非线性复杂程度高,对初始数据采取移动值平均法和类白化归一法处理。其次,在对瓦斯采集系统研究的基础上提出了瓦斯预测问题,给出瓦斯预测的思路,并分析比较常用瓦斯预测算法,决定使用粒子群算法和小波神经网络算法。为了弥补这两种智能算法的缺陷并充分发挥各自的优点,从而将粒子群算法和小波神经网络算法相融合,提出了改进粒子群小波神经网络算法。利用所提出的算法对井下采空区瓦斯涌出量数据进行预测,并在Matlab环境下进行仿真验证,结果证明所提算法较传统算法能够更好地用于瓦斯预测问题。最后,为便于操作人员对系统当前状态进行监测,本文结合了现实煤矿井下生产情况,研究了煤矿监测系统的软硬件。使用KingView软件进行上位机界面的设计并且以串口的方式与整个系统进行通信,绘制所提算法仿真所得预测结果,并进行软硬件系统的联机调试,运行结果证明所制作的系统可实现所要求的监测功能。
【关键词】：瓦斯涌出量 粒子群算法 小波神经网络 瓦斯监测系统
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TD712;TP183
【目录】：

• 摘要2-3
• ABSTRACT3-7
• 1 绪论7-14
• 1.1 课题背景与意义7-9
• 1.1.1 研究背景7-8
• 1.1.2 研究意义8-9
• 1.2 国内外研究现状9-12
• 1.2.1 国外研究现状10
• 1.2.2 国内研究现状10-12
• 1.3 本文的研究内容和论文章节安排12-14
• 1.3.1 本文的研究内容12
• 1.3.2 论文章节安排12-14
• 2 井下瓦斯涌出量预处理方法研究14-20
• 2.1 瓦斯及其物理特性分析14-15
• 2.2 矿井瓦斯监测数据的特点15-16
• 2.3 数据处理的方法16-19
• 2.4 本章小结19-20
• 3 改进粒子群小波神经网络的预测模型20-33
• 3.1 现有井下瓦斯涌出量预测方法的不足20
• 3.2 改进粒子群小波神经网络算法的提出20-31
• 3.2.1 小波神经网络预测方法20-27
• 3.2.2 改进粒子群算法的研究27-30
• 3.2.3 改进粒子群算法优化小波神经网络参数方法分析30-31
• 3.3 算法验证及仿真31-32
• 3.4 本章小结32-33
• 4 瓦斯监测系统硬件研究33-45
• 4.1 矿井概况及监测要求33-35
• 4.1.1 矿井概况33
• 4.1.2 瓦斯监测系统实验平台概况33-34
• 4.1.3 矿井瓦斯监测系统硬件要求34-35
• 4.2 监测系统硬件总体方案研究35-36
• 4.3 矿井瓦斯监控系统硬件研究36-40
• 4.3.1 矿井瓦斯监控系统硬件设备选型36-38
• 4.3.2 井下采掘工作面传感器配置38-39
• 4.3.3 瓦斯监测系统监测分站的研究39
• 4.3.4 监控系统硬件的性能对比分析39-40
• 4.4 瓦斯监测系统的辅助系统研究40-43
• 4.4.1 人员定位管理系统的研究40-43
• 4.4.2 KTW118K型矿用无线通信基站的研究43
• 4.5 本章小结43-45
• 5 瓦斯监测系统软件研究45-56
• 5.1 瓦斯监测系统软件总体方案研究45-48
• 5.1.1 瓦斯监测系统软件的总体要求45
• 5.1.2 瓦斯监控系统主要软件的选型45-47
• 5.1.3 瓦斯监控系统软件设计方案47
• 5.1.4 监控系统软件的性能对比分析47-48
• 5.2 瓦斯监控系统上位机设计48-52
• 5.2.1 KingHistorian实时/历史数据库配置48-50
• 5.2.2 KingOPCServer数据采集软件配置50-51
• 5.2.3 KingView数据监测界面显示51-52
• 5.3 系统上位机与瓦斯预测程序的结合52-55
• 5.4 本章小结55-56
• 6 结论与展望56-58
• 6.1 结论56
• 6.2 研究展望56-58
• 致谢58-59
• 参考文献59-62
• 附录62

【参考文献】

中国期刊全文数据库 前10条

1 王建民;杨文培;杨力;;双赢目标约束下中国能源结构调整测算[J];中国人口·资源与环境;2016年03期

2 崔洪庆;樊帅帅;关金锋;;采煤工作面瓦斯涌出量分源计算[J];中国安全科学学报;2015年10期

3 曹博;白刚;李辉;;基于PCA-GA-BP神经网络的瓦斯含量预测分析[J];中国安全生产科学技术;2015年05期

4 徐青云;赵耀江;李永明;;我国煤矿事故统计分析及今后预防措施[J];煤炭工程;2015年03期

5 王海生;;2013年国内煤矿生产安全事故统计分析[J];中州煤炭;2014年09期

6 邓奇根;王燕;刘明举;魏俊杰;;2001～2013年全国煤矿事故统计分析及启示[J];煤炭技术;2014年09期

7 张飞燕;韩颖;;煤屑瓦斯扩散规律研究[J];煤炭学报;2013年09期

8 秦伟;许家林;胡国忠;彭小亚;;老采空区瓦斯储量预测方法研究[J];煤炭学报;2013年06期

9 胡千庭;赵旭生;;中国煤与瓦斯突出事故现状及其预防的对策建议[J];矿业安全与环保;2012年05期

10 张永军;;高瓦斯矿井瓦斯防治技术研究[J];科技情报开发与经济;2012年08期

  本文关键词：基于改进粒子群小波神经网络的瓦斯的研究及预测，，由笔耕文化传播整理发布。

本文编号：293374