（中國煤炭科工集團(tuán)西安研究院有限公司，西安 710077）

防爆電氣安全產(chǎn)品中，本質(zhì)安全產(chǎn)品占有很大比例，尤其在煤礦井下，本質(zhì)安全礦井、數(shù)字化礦山、監(jiān)測監(jiān)控系統(tǒng)等已經(jīng)成為煤礦考核標(biāo)準(zhǔn)和發(fā)展水平的象征[1]。防爆電氣產(chǎn)品檢驗(yàn)是一個國際化的專業(yè)，電氣產(chǎn)品的檢測技術(shù)和檢測手段是鑒定產(chǎn)品安全性能的重要關(guān)口，是煤礦安全生產(chǎn)的有力保障[2]。由于本質(zhì)安全電路的影響因素的不確定性，元器件性能的干擾等諸多因素交互作用，使本質(zhì)安全電路安全評價實(shí)現(xiàn)量化和程序化十分困難[3]。目前，本質(zhì)安全型電路主要通過在指定實(shí)驗(yàn)條件下，利用規(guī)定的火花實(shí)驗(yàn)裝置，進(jìn)行爆炸實(shí)驗(yàn)來判定[4-5]。進(jìn)行爆炸實(shí)驗(yàn)，不僅周期長、花費(fèi)大，而且實(shí)驗(yàn)通過率與試驗(yàn)裝置、試驗(yàn)人員的經(jīng)驗(yàn)水平、試驗(yàn)環(huán)境等因素有關(guān)，增加了本安電路設(shè)計和檢驗(yàn)的難度[6-7]。

鑒于此，本文提出了一種基于粒子群（PSO）優(yōu)化的BP人工神經(jīng)網(wǎng)絡(luò)的本質(zhì)安全電氣參數(shù)評定的模型，通過訓(xùn)練火花點(diǎn)燃試驗(yàn)得到的數(shù)據(jù)樣本，對本質(zhì)安全電氣參數(shù)的評定進(jìn)行預(yù)測。仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性，為本安防爆理論研究和開展本安電路設(shè)計、檢驗(yàn)提供依據(jù)。

1 影響本質(zhì)安全電路火花引燃因素分析

電流所產(chǎn)生的熱、火花和電弧是導(dǎo)致爆炸性氣體混合物爆炸的主要點(diǎn)火源。本質(zhì)安全電路的防爆原理，就是通過限制電路的電氣參數(shù)或采取保護(hù)措施，以達(dá)到削弱電流所產(chǎn)生的熱效應(yīng)及火花、電弧的放電能量的目的，使電路系統(tǒng)無論在正常操作或故障狀態(tài)下，產(chǎn)生的火花和熱效應(yīng)都不能點(diǎn)燃爆炸性氣體混合物。

電路放電的基本方式有3種：火花放電、弧光放電和輝光放電?；鸹ǚ烹娨话闶堑碗妷捍箅娏鞣烹姡景搽娐分械碾娙莘烹?，化學(xué)電源放電屬于火花放電；電弧放電為高壓擊穿產(chǎn)生的放電，弧光放電可產(chǎn)生持續(xù)電弧，電流密度大，能量集中，有很強(qiáng)的點(diǎn)燃能力。電感電路都會產(chǎn)生弧光放電。輝光放電發(fā)生在高電壓小電流的條件下，斷開電感電路放電末期會產(chǎn)生輝光放電。輝光放電能量不集中，散失大，不易造成點(diǎn)燃。電火花的形成過程和特征與電路的性質(zhì)（電阻性、電感性、電容性）、開關(guān)特性（接通、斷開、通斷速度）有著密切的關(guān)系。

因此，通過大量的試驗(yàn)及電路分析，影響火花點(diǎn)燃能力的主要因素涉及氣體種類、電源性質(zhì)和電氣參數(shù)這3個方面，其中電氣參數(shù)起關(guān)鍵作用的主要是電路電壓U、電流I、電容C、電感L以及電阻R。由于各主要因素之間存在交互式的非線性影響關(guān)系，如線性電路和非線性電路得出的結(jié)果完全不同，以及 U、I、C、L、R 之間存在交叉影響，因此采用傳統(tǒng)的方法難以實(shí)現(xiàn)對本質(zhì)安全參數(shù)的評定。

2 基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)

2.1 粒子群算法

通過2臺泵組合運(yùn)用，能夠覆蓋裝置的流量范圍，并在滿足流量調(diào)節(jié)的前提下充分體現(xiàn)節(jié)能與經(jīng)濟(jì)性最優(yōu)的原則。粒子群算法是從生物種群行為特征中得到啟發(fā)并用于求解優(yōu)化問題的，算法中每個粒子都代表問題的一個潛在解，每個粒子對應(yīng)一個由適應(yīng)度函數(shù)決定的適應(yīng)度值。粒子的速度決定了粒子移動的方向和距離，速度隨自身及其他粒子的移動經(jīng)驗(yàn)進(jìn)行動態(tài)調(diào)整，從而實(shí)現(xiàn)個體在可解空間中的尋優(yōu)。

假設(shè)在一個D維的搜索空間中，由n個粒子組成的種群 X=（X1，X2，…，Xn），其中第 i個粒子表示為一個 D 維的向量 Xi=（xi1，xi2，…，xi3）T，代表第 i個粒子在D維搜索空間中的位置，以代表問題的一個潛在解。根據(jù)目標(biāo)函數(shù)即可計算出每個粒子位置Xi對應(yīng)的適應(yīng)度值。第i個粒子的速度為Vi=（Vi1，Vi2，…，Vid）T，其個體極值為 Pi=（Pi1，Pi2，…，Pid）T，種群的全局極值為 Pk=（Pg1，Pg2，…，Pgd）T。

在每一次迭代過程中，粒子通過個體極值和全局極值更新自身的速度和位置，更新公式為

式中：K為迭代次數(shù)；c1、c2為加速系數(shù)。

2.2 本安電路判定BP神經(jīng)網(wǎng)絡(luò)構(gòu)建

根據(jù)上述對本質(zhì)安全電路火花引燃因素的分析，建立火花試驗(yàn)是否點(diǎn)燃與影響火花點(diǎn)燃能力的主要因素（電壓U、電流I、電容C、電感L和電阻R）的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。建立一個3層BP神經(jīng)網(wǎng)絡(luò)模型來描述，所建立的BP神經(jīng)網(wǎng)絡(luò)模型如圖1所示。

圖1 本安電路判定BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型Fig.1 Determine the BP neural network prediction model is intrinsically safe circuit

建立的本安電路判定BP神經(jīng)網(wǎng)絡(luò)模型，輸入層共有5個輸入神經(jīng)元，分別為電壓（U）、電流（I）、電感（L）、電容（C）、電阻（R）。 輸出層采用一個神經(jīng)元（K），當(dāng)輸出K=1代表本安電路被引爆，K=0代表本安電路未被引爆。5個輸入層關(guān)鍵因素間有影響關(guān)系，為了降低誤差同時考慮網(wǎng)絡(luò)盡快收斂，預(yù)測模型采用3層神經(jīng)網(wǎng)絡(luò)，即輸入層、隱含層及輸出層。當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)確定后，通過網(wǎng)絡(luò)學(xué)習(xí)，確定權(quán)重和閾值，模型就建立了。

2.3 粒子群優(yōu)化的本安電路判定BP神經(jīng)網(wǎng)絡(luò)構(gòu)建

由于BP神經(jīng)網(wǎng)絡(luò)易出現(xiàn)局部極值的問題，同時對初始的權(quán)值和閾值有較大依賴。為了避免BP神經(jīng)網(wǎng)絡(luò)陷入局部極小值和增加其泛化性能，提高預(yù)測精度，采用粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。粒子群算法優(yōu)化的適應(yīng)度函數(shù)f為

粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的過程如下：

步驟1采用本質(zhì)安全電路實(shí)驗(yàn)測得的數(shù)據(jù)作為訓(xùn)練樣本，并對BP神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行初始化；

步驟2由確定好的BP神經(jīng)網(wǎng)絡(luò)模型，初始化粒子群算法種群規(guī)模、位置速度、慣性因子、加速系數(shù)以及迭代次數(shù)等參數(shù)；

步驟3初始化粒子群種群，運(yùn)用粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進(jìn)行尋優(yōu)迭代，計算每組粒子的適應(yīng)度，計算出每個粒子對應(yīng)的個體極值點(diǎn)的適應(yīng)度值Phest，并進(jìn)行判斷后，找出種群的最優(yōu)值ghest；

步驟4根據(jù)式（1）和式（2）更新每一個粒子群的速度和位置；

步驟5判斷是否符合結(jié)束條件，如果適應(yīng)度值達(dá)到設(shè)定的精度或迭代次數(shù)，達(dá)到設(shè)定的最大次數(shù)或最小誤差要求時，則停止迭代。此時粒子所處位置就是優(yōu)化得到的最優(yōu)解，并把它作為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。否則，則轉(zhuǎn)到步驟3。

3 粒子群優(yōu)化的本安電路BP網(wǎng)絡(luò)的訓(xùn)練、驗(yàn)證

用Matlab編程，應(yīng)用采集并歸一化的數(shù)據(jù)對設(shè)計好的模型進(jìn)行訓(xùn)練，在訓(xùn)練過程中，逐步調(diào)整權(quán)值和閾值以便完善網(wǎng)絡(luò)，使網(wǎng)絡(luò)達(dá)到預(yù)期效果。利用采集到的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練后的測試驗(yàn)證，使網(wǎng)絡(luò)用陌生輸入數(shù)據(jù)預(yù)測判定結(jié)果，經(jīng)誤差分析，滿足網(wǎng)絡(luò)模型的要求。根據(jù)誤差變化情況，不斷選取隱含層節(jié)點(diǎn)數(shù)。最終，當(dāng)隱含層節(jié)點(diǎn)數(shù)為24時，迭代次數(shù)為20次即達(dá)到了所設(shè)定的誤差，既滿足了收斂速度，也達(dá)到一定的泛化能力。本安電路判定網(wǎng)絡(luò)定型為5-24-1型，網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖2所示。

圖2 網(wǎng)絡(luò)訓(xùn)練誤差曲線Fig.2 Network training error curve

4 實(shí)際電路的檢驗(yàn)

利用火花試驗(yàn)裝置對已訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行測試，確定其解決實(shí)際問題的能力，即網(wǎng)絡(luò)的泛化能力。根據(jù)本安電路模型中混合電路結(jié)構(gòu)搭建模擬檢驗(yàn)電路。通過大量本安試驗(yàn)得出檢驗(yàn)原始數(shù)據(jù)，通過不同輸入變量的獨(dú)立變化，將各種因素的交互影響考慮在內(nèi)，在試驗(yàn)電路上將若干非直接影響因素疊加在其中，根據(jù)參考曲線計算和檢驗(yàn)裝置的實(shí)測，并將相關(guān)電氣參數(shù)引入檢驗(yàn)?zāi)Ｐ瓦M(jìn)行比較，其它非電氣因素作為常量不在模型中訓(xùn)練，網(wǎng)絡(luò)預(yù)測結(jié)果如表1所示。

表1 實(shí)際電路參數(shù)網(wǎng)絡(luò)判定輸出結(jié)果Tab.1 Actual network to determine the output circuit parameters

比較試驗(yàn)結(jié)果和網(wǎng)絡(luò)輸出結(jié)果可知，對于大部分試驗(yàn)結(jié)果，網(wǎng)絡(luò)輸出都能夠很好地預(yù)測實(shí)際情況，說明該網(wǎng)絡(luò)模型的泛化能力較好，可以用于預(yù)測實(shí)際的本質(zhì)安全電路參數(shù)。

5 結(jié)語

文章對影響本質(zhì)安全電路火花點(diǎn)燃能力的主要因素進(jìn)行分析，涉及到氣體種類、電源性質(zhì)和電氣參數(shù)3個方面，其中電氣參數(shù)起關(guān)鍵作用的主要是電路電壓U、電流I、電容C、電感L以及電阻R。運(yùn)用粒子群算法具有的全局搜索能力，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，構(gòu)建出了基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)本質(zhì)安全電路評定的網(wǎng)絡(luò)預(yù)測模型。試驗(yàn)證明，該模型具有較好的預(yù)測能力。可以用于本質(zhì)安全電路的設(shè)計和檢驗(yàn)中，對提高本質(zhì)安全電路設(shè)計質(zhì)量和檢驗(yàn)效率具有一定的指導(dǎo)和實(shí)用價值。

[1]國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.GB3836.4-2010爆炸性環(huán)境第4部分：由本質(zhì)安全型“i”保護(hù)的設(shè)備[S].北京：中國標(biāo)準(zhǔn)出版社出版，2010.

[2]李真西.微機(jī)自動控制火花試驗(yàn)裝置的研究[D].大連：大連理工大學(xué)，2012.

[3]杜亞娟.微機(jī)在測試本質(zhì)安全電路電氣參數(shù)中的應(yīng)用[D].西安：西安礦業(yè)學(xué)院，1996.

[4]李萍，曾令可，稅安澤，等.基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)的設(shè)計[J].計算機(jī)應(yīng)用與軟件，2008，25（4）：149-152.

[5]郭陽明，冉從寶，姬昕禹，等.基于組合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J].西北工業(yè)大學(xué)學(xué)報，2013，31（1）：45-48.

[6]杜京義，張明哲.基于粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的液壓鉆機(jī)故障診斷[J].煤礦機(jī)械，2013，33（5）：251-253.

[7]莫建虎.基于BP神經(jīng)網(wǎng)絡(luò)的擠壓力與擠壓出口溫度預(yù)測研究[D].長沙：湖南大學(xué)，2009.