基于概率神经网络的矿井水文在线监控分析系统研究

发布时间：2017-05-24 15:27

  本文关键词：基于概率神经网络的矿井水文在线监控分析系统研究，由笔耕文化传播整理发布。

【摘要】：煤炭作为我国工业化快速发展进程中迫切需求的主要能源之一，已成为人们日常生产生活中必不可少的矿产能源。我国煤矿地质、水文地质条件复杂，煤矿开采过程中突水事故频发，矿井突水类型多，成因机制和防治方法也日渐复杂，无论是受水害威胁的面积，还是被水害威胁的严重程度，都是世界罕见的。在保证煤矿正常安全开采的前提下，设计研究一套能够实时掌握矿井水文信息并带有涌水量预测功能的矿井水文监控系统已成为煤炭行业亟需解决的重要问题。 本文针对目前矿井水文监控技术和神经网络在涌水量预测中应用技术的不足，设计出一套基于概率神经网络的矿井水文在线监控分析系统。首先进行系统构架的设计，研究按照分站组网及主站集中控制的方式实现矿井水文信息的实时在线监测和远程自动化排水控制。分站选用STM32系列STM32F103ZET6作为微控制器设计数据采集和通讯硬件电路，通过在煤矿井下突水易发区域安装多参数测量传感器，实时采集煤矿复杂环境下主要工作面、巷道、明渠、管道等水害敏感区域矿井水的液位、压力、流量、温度等水文信息。主站选用Siemens系列S7-200CPU226XP PLC作为主控制器，通过RS485总线采用循环访问方式对分站进行数据的分布式采集和运行状态的集中控制，，后经以太网将各分站信息集中传输到地面监控中心。 然后采用组态软件KingView设计地面监控中心的上位机人机界面，以动画显示、趋势曲线分析、报表输出、数据库存储与查询、报警处理与查询、数据打印等多种形式实现煤矿井下现场数据的实时显示和历史记录，并通过DTU短信模块和WEB发布技术实现矿井水文数据的网络发布以及系统运行模式切换、设备参数修改、水泵启停控制等多种远程操作。 最后在确定输入参数、训练样本和网络结构的基础上，建立基于概率神经网络的矿井涌水量预测模型，并在MATLAB中进行模型的训练、仿真和结果分析。采用OPC技术实现软件KingView和MATLAB之间的数据交换，先从地面监控中心的上位机中读取煤矿井下多参数测量传感器监测到的矿井水文数据，导入到MATLAB中通过概率神经网络算法对突水危险进行分类预测，后将预测结果返回到上位机中，经地面监控中心识别分析后传输相应指令到主站，实现矿井突水危险的预警和报警功能。 工程实践和测试结果表明，本文设计的矿井水文监控系统可以实现矿井水文信息的实时在线监测和远程自动化排水控制，可靠性和实时性高，概率神经网络的涌水量预测模型可以实现突水危险的实时预测，能够达到预期的预测精度，满足系统设计要求。
【关键词】：矿井水文 在线监控分析 概率神经网络 涌水量预测 网络发布
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TD76
【目录】：

• 摘要3-5
• ABSTRACT5-12
• 第一章 绪论12-18
• 1.1 课题的研究背景和意义12
• 1.1.1 课题的研究背景12
• 1.1.2 课题的研究目的和意义12
• 1.2 矿井水文监控系统国内外研究与发展现状12-15
• 1.2.1 矿井水文监控技术的国内外研究现状分析12-14
• 1.2.2 神经网络在矿井涌水量预测中的应用现状分析14-15
• 1.3 本文主要研究内容和章节安排15-18
• 第二章 矿井水文监控系统的工作原理和硬件选型18-26
• 2.1 矿井水文监控系统的总体构架和工作原理18-20
• 2.1.1 矿井水文监控系统的构架18-19
• 2.1.2 矿井水文监控系统的工作原理19-20
• 2.2 矿井水文监控系统的硬件选型20-25
• 2.2.1 主控芯片的选型20
• 2.2.2 传感器和声光报警器的选型20-23
• 2.2.3 电源箱和 PLC 控制器的选型23-25
• 2.3 本章小结25-26
• 第三章 矿井水文监控系统方案设计26-40
• 3.1 系统硬件电路设计26-34
• 3.1.1 电源电路、复位电路设计26-27
• 3.1.2 输入采集模块电路设计27-29
• 3.1.3 输出控制模块电路设计29-30
• 3.1.4 红外遥控和独立按键控制电路设计30-33
• 3.1.5 隔离 485 通信模块电路设计33-34
• 3.2 系统软件流程设计34-39
• 3.2.1 主控芯片工作流程34
• 3.2.2 数据采集程序设计34-35
• 3.2.3 RS485 通讯协议设计35-37
• 3.2.4 水泵启动方案设计37-38
• 3.2.5 系统工作模式38-39
• 3.3 本章小结39-40
• 第四章 概率神经网络在矿井涌水量预测中的应用40-50
• 4.1 概率神经网络原理40-44
• 4.1.1 概率神经网络概述40-41
• 4.1.2 Bayes 判决理论41
• 4.1.3 Parzen 窗理论41-43
• 4.1.4 概率神经网络的数学描述43-44
• 4.2 矿井涌水量预测模型设计44-46
• 4.2.1 输入参数的选取44
• 4.2.2 训练样本的确定44-45
• 4.2.3 网络结构的确定45
• 4.2.4 涌水量预测模型的建立45-46
• 4.3 模型仿真及结果分析46-47
• 4.3.1 模型训练与仿真46-47
• 4.3.2 仿真结果分析47
• 4.4 PNN 和 BP 神经网络分类预测结果的比较47-49
• 4.4.1 基于 BP 神经网络的涌水量预测模型47-49
• 4.4.2 两种神经网络预测结果的比较49
• 4.5 本章小结49-50
• 第五章 矿井水文监控系统上位机组态软件设计50-76
• 5.1 上位机组态软件总体设计50
• 5.2 画面的组态设计50-53
• 5.2.1 用户登录界面50-51
• 5.2.2 监控系统总览画面51-52
• 5.2.3 系统分站监控画面52-53
• 5.3 数据的显示和记录53-62
• 5.3.1 趋势曲线的显示53-54
• 5.3.2 报表记录与查询54-57
• 5.3.3 数据库的存储与访问57-59
• 5.3.4 报警信息的显示和查询59-62
• 5.4 画面和数据的网络发布62-69
• 5.4.1 WEB 网页发布62-66
• 5.4.2 GSM 短信查询66-69
• 5.5 矿井涌水量预测模型的上位机实现69-73
• 5.5.1 OPC 技术概述69-70
• 5.5.2 KingView 和 MATLAB 之间的数据交换70-72
• 5.5.3 突水危险系数预测的上位机实现机制72-73
• 5.6 KingView 与 S7-200PLC 之间以太网通讯73-74
• 5.7 本章小结74-76
• 第六章 总结与展望76-78
• 6.1 论文总结76
• 6.2 研究展望76-78
• 参考文献78-82
• 致谢82-84
• 攻读硕士学位期间发表的学术论文84

【参考文献】

中国期刊全文数据库 前10条

1 陈南祥,曹连海,李梅,黄强;偏最小二乘回归神经网络的矿坑涌水量预测[J];吉林大学学报(地球科学版);2005年06期

2 李学军;张化勋;张玲霞;;基于OPC的组态王和MATLAB的数据交换接口设计[J];长春大学学报;2009年10期

3 李安伏;崔亚量;;基于OPC的Matlab与组态王的数据通信[J];电力自动化设备;2007年07期

4 刘国林;潘懋;尹尚先;;当前煤矿水害防治应注意的几个问题[J];华北科技学院学报;2009年03期

5 李帅;虎恩典;方峗;李晓婷;;基于组态王的电锅炉温度控制系统[J];化工自动化及仪表;2010年12期

6 李春静;吕观顺;;小波神经网络煤矿井下涌水量影响因素挖掘与预测[J];黑龙江科技学院学报;2011年06期

7 黎华;李存荣;吴浩;黄解军;;矿井水文动态监测信息可视化系统的开发[J];金属矿山;2012年06期

8 刘建成;张琪;崔祥琨;;煤层顶板砂岩裂隙水涌水量预测方法研究[J];能源技术与管理;2011年02期

9 陈建宏;施飞;郑海力;韩玉建;;基于灰色神经网络的矿井涌水量预测[J];矿业研究与开发;2011年02期

10 常彦伟;王耀才;;基于纵向参数粒子群神经网络集成的煤矿涌水量预测[J];煤矿安全;2008年04期

  本文关键词：基于概率神经网络的矿井水文在线监控分析系统研究，由笔耕文化传播整理发布。

本文编号：391207