煤矿水情监测与预测系统的研究与开发

论文摘要

随着我国经济的快速发展,对煤炭的需求也越来越大。而煤炭开采要受到很多条件的限制,其中地下水是威胁煤矿安全生产的重要因素。因此,根据当前煤矿井下排水的实际情况,设计了一种基于单片机W78E58作为核心通信控制器的井下监测与预测系统,该系统主要由井下终端设备和井上的上位机监控中心组成,并可以完成井下水的流量监测和显示。上位机与终端设备采用串行通信实现矿井与监控中心的数据传送。经过计算机模拟试验,该系统实现简单,降低了工作人员的劳动强度,提高了工作效率；通信成本低,可节省单片机I/O资源,具有以弱电控制强电的特性；且可靠性高,运行稳定,具有很强的工程应用价值。本文首先分析了国内外井下水情的研究现状,针对矿区的实地情况,完成了该系统的硬件设计,并用Protel99SE软件绘制电路原理图。实现了对井下水情的流量的采集和保存,将采集到的数据以串行通信的方式发送给地面的主控制室计算机。其次,由于人工神经网络在煤矿水情预测中的应用越来越广泛,运用BP神经网络原理,结合MATLAB的神经网络工具箱,对矿井的水情监测数据进行了预测,根据预测值和实测值的比较,说明了BP神经网络算法有很好的应用价值。最后,对该系统的软件部分进行了详细介绍,上位机程序设计及人机交互界面均采用Delphi7完成；下位机由汇编语言控制。并通过软件测试与调试,最终取得了较为良好的结果。整个系统的设计具有很强的针对性,即使在环境较恶劣的地方,也能达到较好的预期效果,给煤矿安全生产的下一步工作提供了依据。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 选题的背景及研究意义
• 1.2 煤矿水情监测与预测系统的国内外研究现状
• 1.3 论文的主要内容
• 第2章 监测系统设计
• 2.1 监测系统总体介绍
• 2.1.1 主要特点
• 2.1.2 系统工作原理
• 2.2 工作流程
• 2.2.1 网络结构
• 2.2.2 光纤传输
• 2.2.3 通信接口
• 2.2.4 光纤modem
• 2.3 总线通信控制器
• 2.3.1 单片机W78E58
• 2.3.2 芯片简介
• 2.3.3 系统整体硬件设计
• 2.4 设备层
• 2.4.1 传感器的选用
• 2.4.2 工作原理
• 2.5 本章小结
• 第3章 水情预测算法
• 3.1 水情预测方法
• 3.1.1 Local Modeling模型
• 3.1.2 门限自回归预测模型
• 3.1.3 灰色预测模型
• 3.1.4 其它方法
• 3.2 BP神经网络
• 3.2.1 神经网络的发展过程及特点
• 3.2.2 BP神经网络结构
• 3.2.3 BP学习算法
• 3.2.4 BP网络设计原则
• 3.2.5 BP网络学习过程
• 3.3 BP神经网络的MATLAB仿真
• 3.3.1 MATLAB简介
• 3.3.2 神经网络工具箱
• 3.3.3 BP神经网络的MATLAB实现
• 3.4 BP神经网络算法在井下水情预测中的应用
• 3.4.1 确定网络结构
• 3.4.2 BP神经网络训练样本的选取
• 3.4.3 样本数据的归一化处理
• 3.4.4 确定传递函数
• 3.4.5 水情预测结果
• 3.5 本章小结
• 第4章 系统软件开发
• 4.1 上位机软件实现
• 4.1.1 Delphi软件介绍
• 4.1.2 程序设计
• 4.1.3 系统数据管理及软件界面
• 4.2 下位机程序设计
• 4.3 本章小结
• 第5章 结论与展望
• 5.1 全文总结
• 5.2 展望
• 参考文献
• 致谢