基于神经网络算法的井下通风监测与控制系统

基金项目:

国能大渡河流域水电开发有限公司科技基金项目(GJNY-DDH-2023-004)。

详细信息

Underground ventilation monitoring and control system based on neural network algorithm

1. CHN Energy Dadu River Hydropower Development Co., Ltd., Chengdu 610000, China;
2. CHN Energy Dadu River Shaping Power Generation Co., Ltd., Leshan 614300, China

摘要: 精准控制井下巷道风量、提前预测煤矿通风系统故障是保证煤矿企业安全高效运行的前提。分别建立了基于模拟退火(SA)-BP算法的通风机出风量控制模型和基于自适应遗传(AGA)-BP算法的通风机故障诊断模型，并在此基础上设计了一套基于神经网络算法的井下通风监测与控制系统。通过环境传感器采集甲烷浓度、粉尘浓度和温度等数据，利用SA-BP算法计算风量与环境系数的最优目标，在保证安全的前提下，精准控制出风量，减少通风机能耗；利用AGA优化的BP神经网络算法分析通风机振动信号频率与故障类型的关系。仿真结果表明，基于SA-BP神经网络控制的通风机可根据瓦斯和粉尘浓度实时调节通风机频率，使通风机风量保持在最佳水平；基于AGA-BP的通风机故障诊断准确率平均值为91.20%,能够有效识别通风机故障。
- 井下通风 /
- 神经网络 /
- 风量控制 /
- 故障诊断 /
- SA-BP /
- AGA-BP

[1]	刘杰.基于WIFI通信技术的矿井通风监测系统设计应用[J].机械研究与应用,2021,34(6):156-158.
[2]	刘思敏.矿井通风监测系统的设计与应用[J].机械管理开发,2021,36(8):231-232,315.
[3]	虎小龙.采矿井下通风系统的智能监测与优化控制策略[J].冶金与材料,2024,44(4):121-123.
[4]	李伟宏.雁南煤矿智能通风控制系统研究[J].工矿自动化,2023,49(增刊2):66-70,74.
[5]	宿敬肖,江春然,吕晓华,等.基于GA-BP神经网络的矿井节能通风控制系统设计[J].煤炭技术,2022,41(12):232-234.
[6]	管丽莎,张恩瑜,潘越.基于时间序列和BP神经网络的矿井风机故障诊断[J].科技创新与应用,2016(18):47-48.

1.	贺加居. 基于粒子群优化神经网络的通风机风量控制方法研究. 凿岩机械气动工具. 2025(06) 百度学术
2.	刘湘滢. 矿井智能通风研究进展及展望. 工矿自动化. 2025(04): 44-56 . 本站查看

在线预览下载 (0.9MB)

2. CHN Energy Dadu River Shaping Power Generation Co., Ltd., Leshan 614300, China