趙 斌
(山西霍寶干河煤礦有限公司, 山西 洪洞 041600)
煤礦井下通風(fēng)系統(tǒng)是煤礦安全生產(chǎn)的重要部分,也是構(gòu)成煤礦生產(chǎn)管理系統(tǒng)的關(guān)鍵系統(tǒng),礦井運行通風(fēng)狀態(tài)的穩(wěn)定性與礦井安全正常運行有著密不可分的聯(lián)系。目前通風(fēng)系統(tǒng)存在系統(tǒng)布置不符合實際應(yīng)用情況、系統(tǒng)設(shè)備老化、故障頻發(fā)、監(jiān)控不到位、反饋延時長等問題,導(dǎo)致瓦斯?jié)舛瘸邥r不能及時進行處理。因此,必須建立一個可以實時監(jiān)控系統(tǒng)運行狀態(tài)以及關(guān)鍵位置濃度參數(shù)的可靠性檢測子系統(tǒng),才能從根本上解決目前信息滯后,處理不及時的問題,以使通風(fēng)管理人員能夠及時發(fā)現(xiàn)問題,從而確保礦井通風(fēng)管理系統(tǒng)的正常運行,使管理狀態(tài)始終保持最佳[1-2].
本文主要針對目前煤礦實際生產(chǎn)應(yīng)用狀況,以如何實現(xiàn)對其礦井通風(fēng)控制系統(tǒng)功能可靠性的有效預(yù)測為研究目的,采用具有理論基礎(chǔ)結(jié)合實際的研究方法,細(xì)化相關(guān)研究內(nèi)容,將BP神經(jīng)網(wǎng)絡(luò)算法運用于智能預(yù)測軟件算法中,并充分結(jié)合目前智能軟件技術(shù)的應(yīng)用設(shè)計發(fā)展趨勢,運用多種技術(shù)手段設(shè)計出一套功能符合實際生產(chǎn)需要的、有效的煤礦通風(fēng)系統(tǒng)可靠性現(xiàn)場監(jiān)測控制系統(tǒng)。
BP神經(jīng)網(wǎng)絡(luò)處理算法是目前使用廣泛的人工神經(jīng)網(wǎng)絡(luò)分析算法之一,其概念是由人工神經(jīng)網(wǎng)絡(luò)算法演化而來。通過采用梯度搜索算法,使求的網(wǎng)絡(luò)輸出期望值與網(wǎng)絡(luò)輸出實際值間的誤差可以達(dá)到最小。神經(jīng)網(wǎng)絡(luò)處理算法由非線性化的神經(jīng)元網(wǎng)絡(luò)構(gòu)成,運用處理器處理各種問題的過程與人的正常大腦處理相似,該算法沒有運算公式以及確定的程序,處理問題會結(jié)合來自外部環(huán)境的各種刺激,再進行統(tǒng)一的處理,從而實現(xiàn)獲取期望的結(jié)果。運算過程分為3步:信息輸入、處理反饋、動作輸出。網(wǎng)絡(luò)系統(tǒng)中的各層信息處理單元都在一個雙向并行的網(wǎng)絡(luò)關(guān)系中,各層之間只有在信息數(shù)據(jù)交流的進行過程中才可能會直接處于一個雙向串行的網(wǎng)絡(luò)關(guān)系[3-4]. 實際運算的神經(jīng)元模型見圖1.
圖1 神經(jīng)元模型組成圖
以各種神經(jīng)元模型為設(shè)計基礎(chǔ),組成的BP模型神經(jīng)網(wǎng)絡(luò)是該算法中最關(guān)鍵的一步。其中所組成的神經(jīng)網(wǎng)格主要可以分為3層:輸入層、隱含層、輸出層。其中每個隱含層所需要的每個節(jié)點數(shù)量一般是不固定的,該節(jié)點數(shù)量主要由解決問題的難易進行決定,具體的分層結(jié)構(gòu)設(shè)計示意圖見圖2.
圖2 神經(jīng)網(wǎng)格的分層結(jié)構(gòu)設(shè)計示意圖
1) 輸入?yún)?shù)確定。網(wǎng)絡(luò)的輸入層作為運算的輸入項,需要對采集到的數(shù)據(jù)進行輸入,通常為了保證可靠性預(yù)測,同時為了保證數(shù)據(jù)的獲取有效,一般輸入數(shù)據(jù)選擇巷道的通風(fēng)速度、通風(fēng)壓力、巷道溫度、瓦斯?jié)舛纫约帮L(fēng)機運行狀態(tài)。
2) 輸出參數(shù)確定。神經(jīng)網(wǎng)絡(luò)中的輸出處理層通過神經(jīng)元的信號輸出對通風(fēng)控制系統(tǒng)可靠性進行等級判斷。確定信號輸出端神經(jīng)元從小到大分為1—5級,對應(yīng)可靠性等級為安全、較安全、一般、較危險和危險。
根據(jù)對系統(tǒng)實際需求的分析,建立礦井通風(fēng)系統(tǒng)可靠性預(yù)測系統(tǒng)的總體設(shè)計架構(gòu),其主要由3個子系統(tǒng)組成,見圖3.
圖3 礦井通風(fēng)系統(tǒng)可靠性預(yù)測系統(tǒng)總體架構(gòu)圖
系統(tǒng)的第一部分為數(shù)據(jù)采集系統(tǒng),為可靠性預(yù)測系統(tǒng)的基礎(chǔ),該系統(tǒng)需保證數(shù)據(jù)的實際有效性,為后續(xù)系統(tǒng)提供數(shù)據(jù)支持。第二部分為監(jiān)控系統(tǒng),主要工作是實時監(jiān)控主通風(fēng)機運行數(shù)據(jù),確保通風(fēng)機的正常運行,同時實時接收來自數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)。第三部分為可靠性預(yù)測評價子系統(tǒng),由系統(tǒng)計算工作站的上位機完成收集數(shù)據(jù)的計算分析,選用最恰當(dāng)?shù)脑u價算法,使得子系統(tǒng)具有更強的計算能力。通過3個核心子系統(tǒng)的綜合分析,及時處理礦井通風(fēng)控制系統(tǒng)中的各個故障,并及時做出相應(yīng)的技術(shù)決策[5].
通風(fēng)機日常監(jiān)控管理子系統(tǒng)主要是以PLC控制器作為核心,從而實現(xiàn)監(jiān)測監(jiān)控單元。通過PLC的控制在保證系統(tǒng)可靠的前提下,順利進行指令傳達(dá)和下發(fā),完成對通風(fēng)機的快速啟動和暫停、變頻等監(jiān)測控制管理任務(wù)。通風(fēng)監(jiān)控系統(tǒng)的主要框架結(jié)構(gòu)圖見圖4.
圖4 通風(fēng)監(jiān)控系統(tǒng)主框架設(shè)計圖
數(shù)據(jù)采集子系統(tǒng)是所有上層編程邏輯系統(tǒng)數(shù)據(jù)處理的技術(shù)基礎(chǔ)。其工作架構(gòu)圖見圖5.
圖5 礦井通風(fēng)數(shù)據(jù)采集架構(gòu)圖
BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)是基于一種機器算法學(xué)習(xí)(machinelearning,ml)的算法學(xué)習(xí)機制,3層網(wǎng)絡(luò)構(gòu)成,每一次由一定維度數(shù)量的一個神經(jīng)元函數(shù)構(gòu)成。這些神經(jīng)元細(xì)胞如同人的神經(jīng)細(xì)胞一樣都是互相沒有關(guān)聯(lián)的。通過系統(tǒng)學(xué)習(xí)后所使用的網(wǎng)絡(luò)系統(tǒng)性能可以得到極大提高,且用戶可以不斷更新優(yōu)化自我網(wǎng)絡(luò)性能。機器智能學(xué)習(xí)的基本架構(gòu)見圖6,由主機產(chǎn)生器G、訓(xùn)練器主機S和智能學(xué)習(xí)機理器LM構(gòu)成[6].
圖6 智能學(xué)習(xí)機模型圖
預(yù)測評價控制子系統(tǒng)的基本設(shè)計可以根據(jù)采集子系統(tǒng)的數(shù)據(jù)和風(fēng)機自動控制子系統(tǒng)的風(fēng)機控制數(shù)據(jù)運行中的狀態(tài)及時間所反饋的風(fēng)機控制數(shù)據(jù)信號完成數(shù)據(jù)綜合分析處理,然后通過OPC Serve,可以實現(xiàn)利用PLC風(fēng)機自動控制子系統(tǒng)和新的MCGS組態(tài)軟件以及之間的控制信息數(shù)據(jù)交換和基于新的MATLAB的BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測評價進行預(yù)測評估。具體架構(gòu)見圖7.
圖7 預(yù)測評價子系統(tǒng)架構(gòu)圖
本文研究了一種面向礦井通風(fēng)系統(tǒng)的可靠性預(yù)測分析系統(tǒng),通過BP神經(jīng)網(wǎng)絡(luò)、預(yù)測系統(tǒng)關(guān)鍵參數(shù)確定以及預(yù)測系統(tǒng)的設(shè)計等,設(shè)計了一款通風(fēng)系統(tǒng)可靠性預(yù)測以及分析系統(tǒng)。該系統(tǒng)主要由3部分組成:數(shù)據(jù)采集系統(tǒng)、監(jiān)控系統(tǒng)、可靠性預(yù)測評價子系統(tǒng)。通過3個核心子系統(tǒng)的綜合分析,及時處理各個礦井通風(fēng)控制系統(tǒng)中的故障,并及時做出相應(yīng)的技術(shù)決策。