数据挖掘和信息融合在煤矿安全监测系统中的研究

论文摘要

本文以煤矿安全监测系统为研究对象,在对国内外研究现状进行深入分析的基础上,针对井下信息量大、噪声多、多参数、动态等特征,提出了一种基于数据挖掘和信息融合的煤矿安全监测方法。本文对数据挖掘和信息融合进行了介绍,对两种技术集成的可行性进行了分析,并提出了两种技术在煤矿安全监测系统实施方案,首先,采用数据挖掘中的粗糙集对井下信息进行预处理;其次,利用BP神经网络建立了煤矿安全识别模型;最后,利用D-S证据理论进行两级融合决策,对井下安全状况进行判断。结合上述内容,文章对采用粗糙集的原因、BP神经网络的建模原理、建模过程以及D-S证据理论的时空域融合的原理进行了说明和阐述。最后,设计了煤矿安全监测系统的数据采集硬件部分,并采用CAN总线技术实现井下信息的传输,实现了矿井环境监测系统的数字化和网络化,重点实现了粗糙集、神经网络和证据理论相结合的数据挖掘和信息融合过程。仿真实验结果表明,本文提出的方法提高了井下信息的识别和决策效果,极大地降低了不确定性。但是由于条件和时间的限制,在很多方面还有待改进和深入研究。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的意义
• 1.2 国内外发展现状
• 1.2.1 煤矿安全监测系统发展现状
• 1.2.2 数据挖掘发展现状
• 1.2.3 信息融合发展现状
• 1.2.4 CAN 总线在煤矿安全监测系统中的发展现状
• 1.3 课题来源及论文主要内容
• 1.3.1 课题的来源
• 1.3.2 论文主要内容
• 1.4 本文的结构安排
• 2 数据挖掘和信息融合技术研究
• 2.1 数据挖掘技术
• 2.1.1 数据挖掘概述
• 2.1.2 数据挖掘常用的技术和方法
• 2.1.3 粗糙集算法在数据挖掘中的应用
• 2.2 信息融合技术
• 2.2.1 信息融合的概念
• 2.2.2 信息融合的方法
• 2.2.3 多传感器信息融合的原理
• 2.2.4 多传感器信息融合过程
• 2.2.5 神经网络在信息融合中的应用
• 2.2.6 证据理论在信息融合中的应用
• 2.3 数据挖掘和信息融合的集成
• 2.4 数据挖掘和信息融合在煤矿安全监测系统中的应用
• 3 粗糙集在煤矿安全监测系统中的应用研究
• 3.1 粗糙集理论
• 3.1.1 知识与分类
• 3.1.2 粗糙集的不确定性度量
• 3.1.3 属性约简
• 3.1.4 规则提取
• 3.2 粗糙集运算的主要 MATLAB 程序
• 3.3 粗糙集理论在煤矿安全监测系统中的实现
• 3.3.1 模型的建立
• 3.3.2 粗糙集预处理
• 4 数据挖掘在煤矿安全监测系统中的应用研究
• 4.1 粗糙集和神经网络集成方法研究
• 4.1.1 粗糙集和神经网络集成的可行性
• 4.1.2 粗糙集和神经网络常见的集成方法
• 4.2 粗糙集神经网络算法在煤矿安全监测中的应用
• 4.2.1 粗糙集神经网络结合算法的实现
• 4.2.2 BP 神经网络的设计
• 4.2.3 粗神经网络的构建
• 4.2.4 仿真结果及其分析
• 5 信息融合在煤矿安全监测系统中的应用研究
• 5.1 基于D-S 证据理论的煤矿安全信息决策
• 5.1.1 D-S 证据理论合成法则
• 5.1.2 D-S 证据理论的融合模型
• 5.1.3 D-S 证据理论的决策方法
• 5.1.4 D-S 证据理论在煤矿安全中的应用
• 5.2 粗糙集-神经网络-证据理论融合算法的应用研究
• 5.2.1 粗糙集-神经网络-证据理论相结合的可行性
• 5.2.2 基于粗糙集-神经网络-证据理论的煤矿安全评估原理
• 5.2.3 基于粗糙集-神经网络-证据理论的煤矿安全性评估算法
• 5.2.4 基于粗糙集-神经网络-证据理论的煤矿安全性评估实现
• 6 CAN 总线在煤矿安全监测系统中的应用
• 6.1 课题选用CAN 总线的原因与意义
• 6.2 煤矿安全监测系统功能设计
• 6.3 基于 CAN 总线的煤矿安全监测网络组成
• 6.3.1 设备层的功能及实现
• 6.3.2 控制层的功能及实现
• 6.4 CAN 总线硬件电路设计
• 6.4.1 CAN 总线硬件接口电路设计
• 6.4.2 CAN 总线节点设计
• 6.4.3 CAN 总线中继技术实现
• 7 总结与展望
• 7.1 本文所做的工作
• 7.2 创新性工作及目标
• 7.3 尚待解决的问题
• 参考文献
• 致谢
• 攻读学位期间发表论文情况
• 附录A
• 附录B
• 附录C