大型离心式通风机性能预测方法

孙涛, 代邦武, 褚菲, 马小平

孙涛,代邦武,褚菲,等.大型离心式通风机性能预测方法[J].工矿自动化,2019,45(2):70-74.. DOI: 10.13272/j.issn.1671-251x.2018100014
引用本文: 孙涛,代邦武,褚菲,等.大型离心式通风机性能预测方法[J].工矿自动化,2019,45(2):70-74.. DOI: 10.13272/j.issn.1671-251x.2018100014
SUN Tao, DAI Bangwu, CHU Fei, MA Xiaoping. Performance prediction method for large-centrifugal ventilator[J]. Journal of Mine Automation, 2019, 45(2): 70-74. DOI: 10.13272/j.issn.1671-251x.2018100014
Citation: SUN Tao, DAI Bangwu, CHU Fei, MA Xiaoping. Performance prediction method for large-centrifugal ventilator[J]. Journal of Mine Automation, 2019, 45(2): 70-74. DOI: 10.13272/j.issn.1671-251x.2018100014

大型离心式通风机性能预测方法

基金项目: 

江苏省重点研发计划资金支持项目(BE2016046)

江苏省普通高校研究生创新计划项目(KYLX16——0533)

详细信息
  • 中图分类号: TD635

Performance prediction method for large-centrifugal ventilator

  • 摘要: 针对现有离心式通风机性能预测方法不能充分利用离心式通风机历史运行数据、建模周期长等问题,提出了基于最小二乘支持向量机(LSSVM)与拉丁超立方采样(LHS)的大型离心式通风机性能预测方法。选取出口压力作为衡量通风机性能的指标,利用LSSVM建立离心式通风机性能预测模型;通过LHS方法采集离心式通风机的入口温度、入口压力、入口流量和转速,将采集的数据进行归一化处理后用于LSSVM模型的训练;通过测试数据验证所建立模型的有效性。仿真结果表明,基于LSSVM与LHS的大型离心式通风机性能预测方法能够充分利用已有通风机数据信息快速准确地预测通风机性能。
    Abstract: In view of problems that existing performance prediction methods for centrifugal ventilator cannot fully utilize historical operation data of centrifugal ventilator and have long modeling period, performance prediction method for large-centrifugal ventilator based on LSSVM and LHS was proposed. Outlet pressure is selected as index to measure performance of ventilator, and performance prediction model of centrifugal ventilator is established by using LSSVM. Inlet temperature, inlet pressure, inlet flow rate and rotational speed of the centrifugal ventilator are collected by LHS method, and the collected data are normalized for training of LSSVM model. Validity of the established model is verified by testing data. The simulation results show that the performance prediction method for large-centrifugal ventilator based on LSSVM and LHS can make full use of existing ventilator data information to quickly and accurately predict performance of ventilator.
  • 期刊类型引用(27)

    1. 翟小伟,李心田,侯钦元,马腾,宋波波,郝乐. 漏风条件下采空区煤自燃分级预警方法研究及应用. 煤炭科学技术. 2025(01): 161-169 . 百度学术
    2. 刘东洋,张浪,姚海飞,徐长富,赵尤信,张逸斌,段思恭. 煤矿火灾智能预警系统研发与应用. 工矿自动化. 2024(01): 1-8+16 . 本站查看
    3. 邓军,李鑫,王凯,王伟峰,闫军,汤宗情,康付如,任帅京. 矿井火灾智能监测预警技术近20年研究进展及展望. 煤炭科学技术. 2024(01): 154-177 . 百度学术
    4. 褚恒滨,高敏峰,王超,徐广华,王振平,张铎. 采煤工作面煤自燃标志气体CO的临界值研究. 煤矿现代化. 2024(02): 94-98 . 百度学术
    5. 邓军,王津睿,任帅京,王彩萍,屈高阳,马砺. 采空区煤自燃高温点识别与探测技术研究与展望. 煤炭学报. 2024(02): 885-901 . 百度学术
    6. 李夏,崔竟成. 煤矿井下外因火灾智能防控系统设计. 工矿自动化. 2024(S1): 100-103 . 本站查看
    7. 周建. 基于“一通三防”的矿井智能管控技术研究与应用. 中国煤炭. 2024(06): 59-66 . 百度学术
    8. 孙文亮,刘红亮,王飞,王海平,胡世熊. 煤矿密闭区域火情监测预警方法与管控体系研究. 煤. 2024(08): 30-35 . 百度学术
    9. 李慎君,沈伟,李明建,覃木广,宋志强,杨宇. 全类型重大灾害监测预警系统架构——以宁煤麦垛山煤矿为例. 能源与环保. 2024(09): 57-64+70 . 百度学术
    10. 高睿. 易自燃特厚煤层煤自燃预测预报系统研究与应用. 能源技术与管理. 2024(05): 143-145+198 . 百度学术
    11. 王玉怀,胡硕鹏,朱永兴,窦静文,张烜乐,张思佳. 机器学习在煤自燃预测预报中的应用现状及展望. 中国煤炭. 2024(10): 98-103 . 百度学术
    12. 杨峰峰,王海晖,龚恒敏,白光杰,张巨峰. 煤自燃倾向性测试及监测技术研究进展. 煤. 2023(02): 29-32+53 . 百度学术
    13. 蒋恒. 煤自燃多参数气体主辅预测指标体系研究. 中国矿业. 2023(04): 147-153 . 百度学术
    14. 孟清华,白亚娥,燕利芳,张奇勇. 浅埋近距离煤层群开采煤自燃发火防治技术研究. 内蒙古煤炭经济. 2023(03): 8-10 . 百度学术
    15. 路培超,唐盛禹,蒋孝元,赵波. 瓦斯与煤自燃复合灾害监测预警系统研究与应用. 能源与环保. 2023(04): 10-15 . 百度学术
    16. 降华. 基于云计算的煤炭自燃安全监测系统设计. 煤炭技术. 2023(08): 154-158 . 百度学术
    17. 王俊博,李鑫,田继军,韦波,彭诗淇. 煤炭开发利用产业碳足迹计算方法及减排措施综述. 煤炭学报. 2023(S1): 263-274 . 百度学术
    18. 葛俊岭,朱现峰,徐振. 回采面全周期火灾综合监测技术研究与应用. 现代矿业. 2023(08): 216-219 . 百度学术
    19. 叶正亮,龚选平,尚博,胡冕. 煤自燃全过程精准预测预报指标体系研究与应用. 矿业研究与开发. 2023(09): 141-145 . 百度学术
    20. 曹其嘉,陈辉,韦钊,杨博飞. 基于智能算法矿井多因素监测预警平台研究. 煤炭技术. 2023(10): 150-152 . 百度学术
    21. 孔彪,朱思想,胡相明,杨涛,赵旭帅,斐达特,万姝含. 基于改进鲸鱼算法优化BP神经网络的煤自燃预测研究. 矿业安全与环保. 2023(05): 30-36 . 百度学术
    22. 李伟宏. 雁南煤矿智能通风控制系统研究. 工矿自动化. 2023(S2): 66-70+74 . 本站查看
    23. 王丹. RVM在煤自燃预测中的应用研究. 煤. 2022(04): 1-5 . 百度学术
    24. 张立海,孙建卫,赵兵兵. 储煤仓预防自燃的实践. 选煤技术. 2022(02): 41-44 . 百度学术
    25. 郭甘霖. 基于PLC的综采设备状态监测系统设计研究. 机械管理开发. 2022(06): 270-271 . 百度学术
    26. 王民华,牛显. 基于数据重构增强的采空区遗煤自燃预测模型. 煤矿安全. 2022(09): 86-93 . 百度学术
    27. 华坤鹏,逯园坤. 烟煤物理吸附氧气的吸附机理. 煤矿安全. 2022(11): 48-55 . 百度学术

    其他类型引用(11)

计量
  • 文章访问数:  86
  • HTML全文浏览量:  16
  • PDF下载量:  14
  • 被引次数: 38
出版历程
  • 刊出日期:  2019-02-09

目录

    /

    返回文章
    返回