礦井局部通風(fēng)系統(tǒng)故障診斷遺傳神經(jīng)網(wǎng)絡(luò)模型研究.pdf

1、礦井局部通風(fēng)系統(tǒng)的故障是導(dǎo)致掘進(jìn)工作面較易發(fā)生瓦斯爆炸事故主要原因之一。礦井局部通風(fēng)系統(tǒng)包含了多個(gè)組成部分，涉及的故障原因和種類較多。工作人員由于缺乏可以依賴的故障診斷方法，無法及時(shí)對所發(fā)生的故障進(jìn)行準(zhǔn)確和快速地分析判斷，延長了停風(fēng)時(shí)間，為瓦斯爆炸事故的發(fā)生創(chuàng)造了條件。因此，本文提出采用遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對礦井局部通風(fēng)故障診斷模型進(jìn)行研究和建立，以提高礦井局部通風(fēng)系故障診斷的效率和準(zhǔn)確性。完成主要研究內(nèi)容如下： (1

2、)通過對礦井局部通風(fēng)系統(tǒng)各組成單元故障進(jìn)行收集和分析，確定了礦井局部通風(fēng)系統(tǒng)的故障征兆和故障原因，建立故障診斷模型樹及故障診斷實(shí)例樣本； (2)采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立礦井局部通風(fēng)故障診斷神經(jīng)網(wǎng)絡(luò)模型。分析了基于BP人工神經(jīng)網(wǎng)絡(luò)的故障診斷模型隱層個(gè)數(shù)和隱層神經(jīng)元節(jié)點(diǎn)數(shù)的選取問題，并采用網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜度函數(shù)對故障診斷神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化。形成基于BP神經(jīng)網(wǎng)絡(luò)的礦井局部通風(fēng)系統(tǒng)故障診斷模型； (3)針對BP神經(jīng)網(wǎng)絡(luò)算法易陷入局

3、部最小的缺點(diǎn)，根據(jù)遺傳算法全局搜索的特性，建立遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合的礦井局部通風(fēng)系統(tǒng)故障診斷模型。該模型繼承了傳統(tǒng)遺傳算法的優(yōu)點(diǎn)，兼具神經(jīng)網(wǎng)絡(luò)強(qiáng)大的函數(shù)逼近功能，同時(shí)又克服了BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法易陷入局部最優(yōu)解的缺陷； (4)在以上研究基礎(chǔ)上，運(yùn)用Matlab7.0程序軟件編制兩種神經(jīng)網(wǎng)絡(luò)模型程序，并通過礦井局部通風(fēng)系統(tǒng)故障樣本對兩種神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，遺傳神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果明顯好于BP網(wǎng)絡(luò)的訓(xùn)練結(jié)果，并