瓦斯监测中大数干扰的滤除及自适应滤波器的优化研究

发布时间：2017-06-08 22:08

  本文关键词：瓦斯监测中大数干扰的滤除及自适应滤波器的优化研究，，由笔耕文化传播整理发布。

【摘要】：瓦斯灾害一直是我国煤矿安全的重大隐患,瓦斯事故频繁发生给企业生产造成了极大的损失,同时威胁着矿工的生命安全,这就需要对瓦斯进行监控。瓦斯信号传输中的脉冲干扰信号常常造成误报警,引起的误报警自动切断井下的电源,生产被迫停止,影响了正常的生产也麻痹了工作人员的安全意识。大数问题一直困扰着煤矿生产,本文依托江西省研究生创新基金,对瓦斯中的大数问题以及信号处理问题立项展开研究。主要做了以下研究:(1)由于大数干扰是一种非线性的数据脉冲,本文选取了BP神经网络对监测中异常数据进行滤除。选取了某矿大量的监测数据作为样本点,对采集的数据进行分析,建立了BP模型,选取各层的权值和函数,选取最优参数,最终对模型进行了进一步的改进,并对模型进行了测试和训练,得到最终的滤波图。为了突出滤波效果,本文还采取CME算法对样本滤波,对比两种智能算法的滤波效果。对比发现本文提出人工神经模型高效的滤除了瓦斯监测中的大数干扰,同时保留了真实的瓦斯突出信号,是合理的模型。(2)本文尝试将免疫理论运用在滤波器中,针对传统LMS算法的不足进行改进,分析了线性自适应滤波器的基本原理以及各参数对滤波器性能的影响。设计免疫算法进行参数优化,并设计一个自适应陷波器以及自适应谱线增强器,给出了算法中关键参数?的优化结果,仿真出滤波效果,结果显示成功滤除了噪声干扰。
【关键词】：瓦斯监测 自适应滤波器 干扰 免疫算法 BP神经网络
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TD712;TN713
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-21
• 1.1 课题背景9-11
• 1.2 国内外研究现状11-19
• 1.2.1 大数干扰11-12
• 1.2.2 免疫算法12-14
• 1.2.3 神经网络14-15
• 1.2.4 滤波器15-17
• 1.2.5 自适应滤波器17-19
• 1.3 本文主要研究内容与结构19-21
• 第二章 瓦斯监测中的大数干扰产生原因及抗干扰技术研究21-29
• 2.1 瓦斯监测概述21-24
• 2.1.1 瓦斯灾害形势21-22
• 2.1.2 瓦斯传感器的安装22-23
• 2.1.3 瓦斯报警及井下断电浓度23-24
• 2.2 井下的大数干扰24-28
• 2.2.1 大数突出产生的原因25-26
• 2.2.2 大数干扰通常的处理手段26-27
• 2.2.3 智能抗干扰技术手段27-28
• 2.3 本章小结28-29
• 第三章 滤除大数干扰的BP神经网络模型29-48
• 3.1 神经网络概述29-32
• 3.1.1 人工神经网络29-30
• 3.1.2 BP神经网络30-32
• 3.1.3 神经网络用于大数干扰的优势32
• 3.2 BP网络模型建立32-41
• 3.2.1 训练样本准备工作32-34
• 3.2.2 模型搭建34-35
• 3.2.3 模型参数的选取与确定35-37
• 3.2.4 参数修正37-38
• 3.2.5 模型训练及测试38-41
• 3.3 仿真结果分析41-47
• 3.3.1 初始数据41-42
• 3.3.2 BP神经算法仿真结果42-44
• 3.3.3 CME算法仿真结果44-46
• 3.3.4 数据对比46-47
• 3.4 本章小结47-48
• 第四章 免疫算法在自适应滤波器优化设计中的运用48-63
• 4.1 免疫算法概述48-51
• 4.1.1 生物免疫算法48-50
• 4.1.2 智能免疫算法50-51
• 4.1.3 可行性分析51
• 4.2 自适应陷波器的设计51-57
• 4.2.1 基本原理52-53
• 4.2.2 结构设计53-54
• 4.2.3 算法实现54-56
• 4.2.4 仿真结果分析56-57
• 4.3 自适应谱线增强器的设计57-62
• 4.3.1 基本原理58-59
• 4.3.2 算法实现59-60
• 4.3.3 仿真结果分析60-62
• 4.4 本章小结62-63
• 第五章 总结与展望63-65
• 5.1 课题总结63-64
• 5.2 课题展望64-65
• 参考文献65-67
• 致谢67-68
• 攻读学位期间的研究成果68-69

【相似文献】

中国期刊全文数据库 前10条

1 吴正茂;自适应滤波器及其应用研究[J];南昌水专学报;2004年02期

2 李春宇;;基于径向基函数神经网络的自适应滤波器[J];常州工学院学报;2005年06期

3 苏飞,王兆华;一种新的带窗重叠自适应滤波器[J];电子与信息学报;2005年01期

4 程玉柱;华晋;李赵春;;自适应滤波器的算法比较研究[J];大庆师范学院学报;2008年02期

5 孙秋菊;胡斌;;自适应滤波器设计及仿真研究[J];光盘技术;2009年06期

6 刘海英;熊俊俏;戴璐萍;郑宽磊;;基于TMS320VC5402DSK的自适应滤波器的实现[J];工业控制计算机;2010年05期

7 吴燕;;一种自适应滤波器的设计与仿真[J];科技广场;2010年07期

8 周志平;;基于System Generator的自适应滤波器仿真与实现[J];中国西部科技;2011年20期

9 韩焱青;;自适应滤波器仿真设计[J];实验科学与技术;2013年03期

10 赵茂林;赵四化;曾一江;;一种新颖的双线性自适应滤波器[J];微电子学;2013年05期

中国重要会议论文全文数据库 前10条

1 张磊;郭圣权;孙绍文;;适用自适应滤波器[A];1996年中国控制会议论文集[C];1996年

2 周永军;卢智远;牛中奇;孔令锋;;自适应滤波器在心电信号检测中的初步应用[A];全国非电离辐射与电离辐射生物效应及防护学术研讨会论文汇编[C];2004年

3 周];李晓东;;多延迟分块频域自适应滤波器算法的步长控制[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

4 程晓斌;徐健;李晓东;;不均匀子带长阶自适应声学回声抵消[A];中国声学学会2002年全国声学学术会议论文集[C];2002年

5 倪锦根;李锋;;基于变步长的仿射投影自适应滤波器[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

6 蒋薇薇;杨萍;王昱洁;;基于变步长LMS算法的自适应滤波器研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年

7 钱伟康;郭强;谢明;刘义红;;基于自适应数字滤波器的算法研究[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

8 卢志刚;李伟;冀尔康;吴士昌;;微粒群算法优化设计自适应滤波器[A];第七届青年学术会议论文集[C];2005年

9 程松;陈光梦;;自适应滤波器在实时交通状态估计中的应用[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

10 周];邱小军;;无延迟子带自适应滤波器中分析滤波器组的构造[A];中国声学学会2005年青年学术会议[CYCA'05]论文集[C];2005年

中国博士学位论文全文数据库 前4条

1 林斌;自适应滤波器的稳态性能研究[D];大连海事大学;2008年

2 倪锦根;变设计参数子带自适应滤波器研究[D];复旦大学;2011年

3 谷源涛;LMS算法收敛性能研究及应用[D];清华大学;2003年

4 肖倩;基于小波理论的去噪方法及其在信号处理中的应用研究[D];东北大学;2011年

中国硕士学位论文全文数据库 前10条

1 于杰;自适应数字滤波器算法的研究与实现[D];天津理工大学;2015年

2 李彬;瓦斯监测中大数干扰的滤除及自适应滤波器的优化研究[D];江西理工大学;2015年

3 王丽丽;自适应滤波器在高次非球面面形检测的应用研究[D];长春理工大学;2010年

4 张婷瑞;自适应滤波器组合设计的研究[D];延边大学;2009年

5 张抒;用于微加速度计检测电路的自适应滤波器的设计与实现[D];吉林大学;2009年

6 刘金凤;基于粒子群算法的自适应滤波器研究与应用[D];大庆石油学院;2008年

7 孔涛;自适应滤波器在无线信道均衡中的应用研究[D];哈尔滨工业大学;2008年

8 冉兴萍;自适应滤波器的研究[D];西北师范大学;2013年

9 张淼;基于FPGA的语音增强技术的实现[D];昆明理工大学;2008年

10 赵光丛;基于优化算法的自适应滤波器设计及其应用研究[D];南京航空航天大学;2013年

  本文关键词：瓦斯监测中大数干扰的滤除及自适应滤波器的优化研究，由笔耕文化传播整理发布。

本文编号：433840