亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Labview 和Matlab的改進神經(jīng)網(wǎng)絡(luò)煤與瓦斯突出預(yù)測系統(tǒng)*

        2014-04-20 01:58:22艾迪昊
        中國煤炭 2014年7期
        關(guān)鍵詞:功耗計算結(jié)果瓦斯

        艾迪昊 李 聰 榮 濤 李 凱

        (中國礦業(yè)大學(xué) (北京)資源與安全工程學(xué)院,北京市海淀區(qū),100083)

        隨著我國煤礦開采深度和強度的不斷增大,礦井瓦斯突出問題日益嚴(yán)重。礦井瓦斯突出是一個復(fù)雜的動力學(xué)過程,與其影響因素之間存在著復(fù)雜的非線性關(guān)系,在進行瓦斯突出分析時需要考慮多種因素的共同影響。人工神經(jīng)網(wǎng)絡(luò) (Artificial Neuron Network,ANN)是一種基于對人腦活動機制和組織結(jié)構(gòu)的認(rèn)識所提出的新型信息處理方法,對非線性函數(shù)具有很強逼近和映射能力,近年來被一些學(xué)者應(yīng)用于解決具有高度非線性、復(fù)雜性以及模糊性的煤礦安全問題。但使用基本的神經(jīng)網(wǎng)絡(luò)算法的神經(jīng)網(wǎng)絡(luò)模型存在訓(xùn)練時間過長和學(xué)習(xí)過程中易發(fā)生振蕩等缺點。利用Matlab的神經(jīng)網(wǎng)絡(luò)工具箱可以方便調(diào)用改進的神經(jīng)網(wǎng)絡(luò)算法,很好地對樣本數(shù)據(jù)進行學(xué)習(xí)和擬合,進而對煤與瓦斯突出程度進行預(yù)測,但此過程需要在Matlab中進行復(fù)雜的操作并且需要操作人員有一定的神經(jīng)網(wǎng)絡(luò)知識,不太適合在煤礦現(xiàn)場中直接使用。Labview 是美國國家儀器NI公司推出的具有良好開放性的虛擬儀器開發(fā)平臺,廣泛應(yīng)用于實際工程中的測試測量、數(shù)據(jù)采集以及控制仿真等領(lǐng)域。利用Labview 中的ActiveX 技術(shù),可以方便地進行Labview 和Matlab的混合編程。本文利用Matlab提供的神經(jīng)網(wǎng)絡(luò)工具箱和Labview 圖形化編程和數(shù)據(jù)采集能力,混合開發(fā)出基于改進神經(jīng)網(wǎng)絡(luò)的瓦斯突出程度預(yù)測系統(tǒng)。

        1 Labview 和Matlab混合編程

        Labview 是一種使用圖形化編程語言的開發(fā)環(huán)境,其提供了各種在工業(yè)中使用的信息處理模塊和完善的標(biāo)準(zhǔn)庫函數(shù),可以方便地使用圖形化編程來構(gòu)建自己的虛擬儀器系統(tǒng),在硬件系統(tǒng)不變的情況下,通過改變軟件就可以實現(xiàn)不同的儀器儀表的功能,特別是針對煤礦現(xiàn)場使用Labview 既可以實時對采集的大量數(shù)據(jù)進行保存又可以對保存數(shù)據(jù)進行不同的處理。但是,Labview 在處理復(fù)雜的算法時很難滿足相應(yīng)的要求,而Matlab具有強大數(shù)值計算能力、完備的工具箱以及復(fù)雜的算法函數(shù)。通過Labview 提供的與多種語言的外部接口和ActiveX 技術(shù)可以實現(xiàn)Labview 和Matlab 的混合編程。本文通過Mathscript節(jié)點實現(xiàn)在Labview 中調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱,完成煤與瓦斯突出程度預(yù)測系統(tǒng)的設(shè)計。

        2 人工神經(jīng)網(wǎng)絡(luò)

        2.1 基本BP神經(jīng)網(wǎng)絡(luò)

        圖1 基本神經(jīng)網(wǎng)絡(luò)算法流程圖

        2.2 改進的神經(jīng)網(wǎng)絡(luò)

        基本BP神經(jīng)網(wǎng)絡(luò)雖然可以使權(quán)值和閾值向量得到一個穩(wěn)定的解,但是存在收斂速度慢、網(wǎng)絡(luò)易陷于局部極小和學(xué)習(xí)過程常常發(fā)生振蕩等缺點,特別是由于最速下降BP 算法的訓(xùn)練時間往往過長,造成不便在實際工程中應(yīng)用。為了克服這些不足,出現(xiàn)了許多改進算法,如動量BP算法、學(xué)習(xí)速率可變的BP 算法、Fletcher-Reeves共軛梯度法和擬牛頓算法。其中共軛梯度法比絕大多數(shù)常規(guī)的梯度下降法收斂都要快,而且只需要增加很少的存儲量及計算量,適合在實際中應(yīng)用。

        共軛梯度法的第一步是沿負梯度方向進行搜索,然后沿當(dāng)前搜索方向的共軛方向進行搜索,確定最優(yōu)迭代步長,最終使期望的輸出誤差達到訓(xùn)練要求。其過程描述如下:

        第一次迭代的搜索方向確定為負梯度方向,即搜索方向S (X (0))=-▽f(X (0)),以后各次迭代的搜索方向由下式確定:

        式中:X(k)——網(wǎng)絡(luò)所有的權(quán)值和閾值組成的向量;

        S (X(k))——由X 的各分量組成的向量空間中的搜索方向;

        η(k)——S (X(k))方 向 使f (X (k+1))=min {f[X(k)+η(k)S (X(k))]}達到極小的步長。

        表3中的相對誤差為正值表示相對于算法1的功耗計算結(jié)果,該算法的功耗計算結(jié)果將功耗“高估”,為負值則表示該算法的功耗計算結(jié)果將功耗“低估”.對實驗所用的1000個MPRM電路做進一步分析,在這些MPRM電路中,算法3和ACE2.0的動態(tài)功耗計算結(jié)果和靜態(tài)功耗計算結(jié)果既存在“低估”的情形,也存在“高估”的情形,算法4動態(tài)功耗計算結(jié)果的相對誤差均為0,靜態(tài)功耗計算結(jié)果均為“低估”.關(guān)于表3中的電路c8和m181,ACE2.0的平均動態(tài)功耗計算結(jié)果的相對誤差為0,只是說明這兩個電路,其100個MPRM電路動態(tài)功耗計算結(jié)果的“高估”部分和“低估”部分恰好相互抵消.

        3 煤與瓦斯突出強度預(yù)測模型

        3.1 輸入層神經(jīng)元的確定

        煤與瓦斯突出是在多種不同因素的共同作用下產(chǎn)生的復(fù)雜動力現(xiàn)象,采用單一指標(biāo)很難對其進行準(zhǔn)確預(yù)測,必須考慮多種因素共同作用所產(chǎn)生的影響。

        綜合指標(biāo)D、K 的值是由地應(yīng)力、瓦斯和煤的物理力學(xué)性質(zhì)共同決定的,它是判定煤層是否區(qū)域突出危險性的重要指標(biāo)。當(dāng)D、K 值同時達到或者超過其規(guī)定的臨界指標(biāo)時,表示該區(qū)域煤層具有突出危險性。其中:

        式中:H——開采深度,m;

        Δp——瓦斯放散初速度,mmHg;

        f——煤的堅固性系數(shù);

        P——煤層瓦斯壓力,MPa。

        另外,礦井的地質(zhì)構(gòu)造會對煤與瓦斯的突出產(chǎn)生一定的影響。其中地質(zhì)構(gòu)造中的斷層破壞了煤層的連續(xù)性,使煤層瓦斯逸散條件發(fā)生變化。張扭性斷層有利于瓦斯的逸散,壓扭性斷層對瓦斯的逸散起阻擋作用,成為逸散屏障。

        除了上述條件之外,在相同的條件之下,不同煤的破壞類型的孔隙結(jié)構(gòu)存在一定差異,會導(dǎo)致不同煤的破壞類型吸附性能不同,吸附性能不同進而會導(dǎo)致瓦斯抽采能力不同。同時在瓦斯流動理論方程中,瓦斯含量系數(shù)是影響瓦斯抽放難易程度的一個重要指標(biāo),而煤層瓦斯含量是影響煤與瓦斯突出的關(guān)鍵因素。

        根據(jù)上述分析,綜合考慮神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度,選取對煤與瓦斯突出預(yù)測有重要影響的7個參數(shù)為神經(jīng)網(wǎng)絡(luò)的輸入層,分別為瓦斯放散初速度、煤的破壞類型指標(biāo)、煤層瓦斯壓力、地質(zhì)構(gòu)造類型指標(biāo)、煤的堅固性系數(shù)、煤層瓦斯含量以及煤層開采深度。

        3.2 隱藏層和輸出層的確定

        Robert證明只要隱層節(jié)點數(shù)足夠多,只含有一個隱層的神經(jīng)網(wǎng)絡(luò)模型就可以以任意的精度逼近一個非線性函數(shù),因此本文中的模型選擇采用一個隱藏層,隱藏層節(jié)點數(shù)根據(jù)經(jīng)驗公式選擇為10個。

        對于輸出層,按照煤與瓦斯突出強度的大小將其編碼為沒有突出、小型突出、中型突出和大型突出四類,設(shè)置四類的期望輸出值分別為 (0,0,0,1)、 (0,0,1,0)、 (0,1,0,0)、 (1,0,0,0)。

        3.3 訓(xùn)練樣本數(shù)據(jù)

        選取國內(nèi)典型突出礦井10組不同煤層7個參數(shù)的實測數(shù)據(jù)為神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)的樣本集進行訓(xùn)練,如表1所示。

        表1 訓(xùn)練樣本數(shù)據(jù)

        綜上所述,此神經(jīng)網(wǎng)絡(luò)模型由7個輸入層神經(jīng)元、10個隱層神經(jīng)元和4 個輸出層神經(jīng)元構(gòu)成,初始化設(shè)定學(xué)習(xí)速率為0.01,最大訓(xùn)練次數(shù)為1000次,訓(xùn)練要求精度為0.0001,模型的權(quán)值和閾值的初始值為隨機賦值,傳遞函數(shù)分別選擇tansig和purline,訓(xùn)練函數(shù)為triancgf。

        4 Labview 中實現(xiàn)煤與瓦斯突出強度預(yù)測

        4.1 瓦斯突出強度預(yù)測系統(tǒng)的建立

        Labview 和Matlab 進行混合編程時,使用Labview 設(shè)計用戶圖形界面,負責(zé)數(shù)據(jù)的采集、輸入、顯示、保存和通信;Matlab在后臺提供復(fù)雜算法供Labview 調(diào)用。本文利用MatlabScript 節(jié)點實現(xiàn)Matlab的調(diào)用。對MatlabScript節(jié)點的使用既可以將已經(jīng)調(diào)試好的M 文件導(dǎo)入節(jié)點中去,也可以在程序框圖中直接輸入程序。

        本文設(shè)計的瓦斯突出預(yù)測系統(tǒng)分為原始數(shù)據(jù)的采集和保存、改進神經(jīng)網(wǎng)絡(luò)的建立以及預(yù)測結(jié)果數(shù)據(jù)的保存三大部分。其中數(shù)據(jù)采集和保存部分主要是設(shè)置采集端口和文件保存的路徑,神經(jīng)網(wǎng)絡(luò)的建立是整個系統(tǒng)的核心。在建立神經(jīng)網(wǎng)絡(luò)模型時首先考慮輸入層和輸出層數(shù)據(jù)類型和大小,通過定義矩陣的方式設(shè)置輸入和輸出的樣本數(shù)據(jù),接著在Labview 的前面板中添加神經(jīng)網(wǎng)絡(luò)仿真參數(shù),通過定義輸入數(shù)據(jù)來設(shè)置在仿真時的學(xué)習(xí)速率、期望誤差等參數(shù)。之后在Labview 的程序框圖中調(diào)用Mathscript腳本,在腳本框內(nèi)輸入神經(jīng)網(wǎng)絡(luò)仿真的Matlab程序代碼,最后設(shè)置數(shù)據(jù)的輸出和保存。

        4.2 訓(xùn)練結(jié)果

        通過Matlab神經(jīng)網(wǎng)絡(luò)工具箱,輸入相應(yīng)的訓(xùn)練樣本數(shù)據(jù),Matlab進行運算,當(dāng)達到預(yù)先設(shè)定的精度要求時,自動停止運算,神經(jīng)網(wǎng)絡(luò)誤差曲線如圖2所示。圖中x軸表示整個神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的次數(shù),y軸表示整個神經(jīng)網(wǎng)絡(luò)預(yù)期的精度誤差要求,隨著學(xué)習(xí)次數(shù)的不斷增大,精度誤差逐漸減小。

        可以看出此神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練次數(shù)達到50次時就可以達到訓(xùn)練要求的精度,當(dāng)訓(xùn)練次數(shù)達到100次時網(wǎng)絡(luò)收斂,克服了基本BP 神經(jīng)網(wǎng)絡(luò)收斂速度慢的缺點。

        仿真輸出數(shù)據(jù)如表2所示。由表2可以看出網(wǎng)絡(luò)期望輸出與學(xué)習(xí)結(jié)果的值之間的誤差很小,最大的平均絕對誤差值小于0.3%,表示此神經(jīng)網(wǎng)絡(luò)對樣本數(shù)據(jù)進行了很好的學(xué)習(xí),可以表示其輸入和輸出之間復(fù)雜的映射關(guān)系。

        圖2 神經(jīng)網(wǎng)絡(luò)誤差曲線

        4.3 預(yù)測結(jié)果檢驗

        在神經(jīng)網(wǎng)絡(luò)達到預(yù)期的誤差精度要求后,使用檢驗數(shù)據(jù)對此神經(jīng)網(wǎng)絡(luò)模型進行檢驗,通過輸入2組實測數(shù)據(jù),觀察網(wǎng)絡(luò)預(yù)測輸出與實際值的差異,檢驗數(shù)據(jù)如表3所示。

        預(yù)測結(jié)果如表4所示。從表4可以得出預(yù)測輸出的結(jié)果與實際結(jié)果之間的平均絕對誤差值小于5%,說明此系統(tǒng)可以很好地根據(jù)樣本數(shù)據(jù)進行學(xué)習(xí),可以對瓦斯突出程度進行有效地預(yù)測。

        表2 仿真輸出數(shù)據(jù)

        表3 檢驗數(shù)據(jù)

        表4 預(yù)測結(jié)果

        5 結(jié)論

        (1)通過Labview 和Matlab混合編程,實現(xiàn)了基于改進神經(jīng)網(wǎng)絡(luò)的瓦斯突出程度預(yù)測系統(tǒng),相比于在Matlab中直接進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,既增加了數(shù)據(jù)的采集和仿真結(jié)果的保存功能,又簡化了仿真過程,每次只需要輸入訓(xùn)練樣本和進行參數(shù)設(shè)置,就可以進行神經(jīng)網(wǎng)絡(luò)的仿真,使神經(jīng)網(wǎng)絡(luò)在實際的工程中有一定的應(yīng)用價值。

        (2)采用改進的FR 共軛梯度算法神經(jīng)網(wǎng)絡(luò),有效避免了基本神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間過長和學(xué)習(xí)過程中易發(fā)生振蕩的缺點。

        (3)將影響煤與瓦斯突出的因素進行綜合考慮,避免了單一因素的片面性,通過實際結(jié)果與預(yù)測數(shù)據(jù)的比較,可以得出此神經(jīng)網(wǎng)絡(luò)模型對瓦斯突出程度預(yù)測準(zhǔn)確度較高,基本可以反映煤與瓦斯突出程度與其影響因素之間的非線性關(guān)系。

        (4)將Labview 完善的數(shù)據(jù)采集功能、友好的界面和Matlab強大的數(shù)值計算功能應(yīng)用于煤礦現(xiàn)場應(yīng)用軟件系統(tǒng)的開發(fā),為快速開發(fā)功能完善的智能化礦山系統(tǒng)提供了一條新的途徑。

        [1] 王捷帆,李文俊 .中國煤礦事故暨專家點評集[M].北京:煤炭工業(yè)出版社,2002

        [2] 尹光志,李銘輝等.基于改進神經(jīng)網(wǎng)絡(luò)的煤體瓦斯?jié)B透率預(yù)測模型 [J].煤炭學(xué)報,2013(7)

        [3] 高洪濤,陳曉寧等.基于LabVIEW 與MATLAB平臺的神經(jīng)網(wǎng)絡(luò)設(shè)計與應(yīng)用研究 [J].自動化技術(shù)與應(yīng)用,2012(2)

        [4] 焦川,李艾華 .基于ActiveX 技術(shù)下LabVIEW 與MATLAB 的通訊實現(xiàn)[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2000(7)[5] 史峰.Matlab 神經(jīng)網(wǎng)絡(luò)30 個案例分析 [M] .北京:北京航空航天大學(xué)出版社,2010

        [6] 田麗云,周利華.基于BP 神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測方法的研究 [J] .系統(tǒng)工程理論與實踐,2005 (12)

        [7] 張德豐 .Matlab 神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計 [M] .北京:機械工業(yè)出版社,2011

        [8] 任浩源.BP神經(jīng)網(wǎng)絡(luò)在煤與瓦斯突出危險性預(yù)測中的應(yīng)用研究 [D].西安科技大學(xué),2012

        [9] 吳觀茂,黃明等.基于BP 神經(jīng)網(wǎng)絡(luò)的瓦斯含量預(yù)測 [J].煤田地質(zhì)與勘探,2008 (1)

        [10] 周少華.焦作礦區(qū)不同破壞類型煤的瓦斯吸附特性研究 [D].河南理工大學(xué),2011

        [11] 王軼波,徐阿猛等.基于Matlab 的神經(jīng)網(wǎng)絡(luò)工具箱在礦井瓦斯治理中的應(yīng)用 [J] .煤礦安全,2010 (3)

        [12] 馬克偉,袁梅等.基于人工神經(jīng)網(wǎng)絡(luò)的煤礦安全事故預(yù)測研究 [J].中國煤炭,2010 (2)

        猜你喜歡
        功耗計算結(jié)果瓦斯
        不等高軟橫跨橫向承力索計算及計算結(jié)果判斷研究
        甘肅科技(2020年20期)2020-04-13 00:30:40
        11采區(qū)永久避難硐室控制瓦斯涌出、防止瓦斯積聚和煤層自燃措施
        揭開GPU功耗的面紗
        個人電腦(2016年12期)2017-02-13 15:24:40
        高瓦斯礦井防治瓦斯異常涌出措施的應(yīng)用
        數(shù)字電路功耗的分析及優(yōu)化
        電子制作(2016年19期)2016-08-24 07:49:54
        “功耗”說了算 MCU Cortex-M系列占優(yōu)
        電子世界(2015年22期)2015-12-29 02:49:44
        瓦斯探鉆鉆頭的一種改進
        IGBT模型優(yōu)化及其在Buck變換器中的功耗分析
        超壓測試方法對炸藥TNT當(dāng)量計算結(jié)果的影響
        煤與瓦斯突出礦井瓦斯抽放技術(shù)應(yīng)用研究
        河南科技(2014年7期)2014-02-27 14:11:07
        国内久久婷婷六月综合欲色啪 | 精品无码久久久九九九AV| av黄片免费在线观看| 日本va中文字幕亚洲久伊人| 午夜时刻免费入口| 久久精品国产亚洲av高清漫画| 丰满少妇爆乳无码专区| 亚洲高清精品一区二区| 久久久久人妻精品一区二区三区| 中文字幕精品一区二区2021年| 91网站在线看| 国产精品久久国产三级国| 亚洲最好看的中文字幕| 十八18禁国产精品www| 亚洲男人天堂网站| 午夜男女视频一区二区三区| 亚洲国产国语在线对白观看| 无码乱人伦一区二区亚洲一| 亚洲精品有码在线观看| 一本久道在线视频播放| 久久久久久久久无码精品亚洲日韩 | 亚洲欧洲精品成人久久曰影片| 丰满人妻一区二区三区精品高清 | 亚洲熟妇少妇任你躁在线观看无码| 二区三区视频| 精品国产亚洲人成在线观看| 又黄又刺激的网站久久| 伊人久久大香线蕉av一区| 国产自产c区| 一区二区三区极品少妇| 亚洲av永久无码天堂网小说区| 天天做天天爱天天综合网| 国产亚洲一区二区三区成人| 日本伊人精品一区二区三区| 女人被狂躁到高潮视频免费网站 | 色噜噜狠狠色综合欧洲| 中文字幕一区二区黄色| 亚洲成av人的天堂在线观看| 亚洲无码一二专区| 亚洲国产综合久久精品| 国产精品 无码专区|