新型煤与瓦斯突出预测系统研究

论文摘要

本论文综合了国内外现有的煤与瓦斯突出预测的科研成果,研究了一种新的基于神经网络和现场总线技术的煤与瓦斯突出预测系统。首先论文对煤与瓦斯突出的主控因素进行了较详细的理论分析,利用灰色理论确定煤与瓦斯突出主控因素,以此确定系统所要检测的部分监测参数。然后利用自适应法和神经网络中的BP算法对多传感器信息进行数据融合,建立数学模型,使计算结果更加接近实际。并通过历年突出实际数据验证,表明此方法的准确性和实用性。系统采用现场总线技术传输多传感器信息,并设计了现场总线的智能节点,实现了对煤与瓦斯突出的实时监控和预测。

论文目录

• 摘要
• Abstract
• 1 煤与瓦斯突出预测系统的概述
• 1.1 煤与瓦斯突出简介
• 1.1.1 突出的类型
• 1.1.2 煤与瓦斯突出的一般规律
• 1.2 煤与瓦斯突出危害及其防治
• 1.2.1 煤与瓦斯突出的危害
• 1.2.2 防止煤与瓦斯突出的措施和预防措施
• 1.3 煤与瓦斯突出预测现状
• 1.3.1 煤与瓦斯突出区域预测技术
• 1.3.2 煤与瓦斯突出动态预测技术
• 1.4 煤与瓦斯突出预测的研究意义
• 1.5 本论文的主要工作
• 1.6 论文的结构安排
• 2 利用灰色理论确定煤与瓦斯突出的主控因素
• 2.1 加权灰色关联模型的建立
• 2.1.1 灰色关联系数
• 2.1.2 权重系数的确定
• 2.1.3 加权灰色关联度的确定
• 2.2 某矿煤与瓦斯突出主控因素确定及结果分析
• 2.2.1 煤与瓦斯突出主控因素的确定
• 2.2.2 加权灰色关联度的计算
• 2.2.3 结果分析
• 2.3 结论
• 3 多传感器数据融合技术概述
• 3.1 数据融合的定义与分类
• 3.2 多传感器数据融合的特点
• 3.3 多传感器信息融合的基本原理
• 3.4 信息融合的方法
• 3.5 信息融合的结构
• 3.6 数据融合处理多传感器信息的过程
• 3.7 信息融合的级别
• 3.8 信息融合的关键问题
• 3.9 本章小结
• 4 煤与瓦斯突出预测中的多传感器数据融合
• 4.1 煤与瓦斯突出预测中的多传感器信息融合的结构
• 4.2 煤与瓦斯突出预测中的多传感器信息融合的融合方式
• 4.3 一级融合算法及应用
• 4.3.1 自适应加权算法原理
• 4.3.2 权的确定方法
• 4.3.3 基于自适应加权算法的参数的一级融合
• 4.4 二级融合算法及应用
• 4.4.1 人工神经网络
• 4.4.2 BP网络模型与结构
• 4.4.3 BP网络算法
• 4.4.4 BP网络学习过程具体步骤
• 4.4.5 BP网络设计
• 4.4.6 煤与瓦斯突出预测系统二级融合的 BP网络设计及仿真
• 4.4.7 误差分析
• 4.5 本章小结
• 5 CAN总线技术在煤与瓦斯突出预测中的应用
• 5.1 现场总线技术
• 5.1.1 现场总线的结构特点
• 5.1.2 现场总线的技术特点
• 5.1.3 现场总线的优点
• 5.1.4 现场总线的类型
• 5.2 CAN现场总线技术
• 5.2.1 CAN总线的特点
• 5.2.2 CAN总线的基本工作原理
• 5.2.3 CAN总线通信接口设计
• 5.3 基于 CAN总线的煤与瓦斯突出预测系统网络设计
• 5.3.1 设备层的功能及实现
• 5.3.2 控制层的功能及实现
• 5.3.3 需解决的关键问题
• 5.3.4 CAN智能节点的设计
• 5.4 本章小结
• 6 结论和展望
• 6.1 全文结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文
• 附录A