论文部分内容阅读
矿井通风系统是一个复杂、动态的系统,受到众多的内外因素影响,其安全可靠性评价属于多因素综合评价问题。研究表明,到目前为止,还找不到一种单项指标能够比较准确地评定矿井通风的安全程度。随着通风系统监测手段的多元化,监测到的数据种类越来越多,也越来越复杂,这些数据之间可能存在冗余、互补,也可能相互矛盾,加上复杂的监测环境和传感器的不精确性,使得监测数据具有模糊性、不确定性。本文以对监测数据进行有效处理为目的,将矿井通风系统安全评价看作是一个多源信息融合处理的过程,主要工作如下: (1)应用D-S证据理论、BP神经网络对矿井通风监测数据进行融合处理,并对这两种评价方法进行比较,结果表明这两种信息融合方法用于矿井通风安全评价是可行的;但根据D-S证据理论的基本可信度不易分配,以及单个BP神经网络的输出不稳定,提出将D-S证据理论与BP神经网络相结合的融合方法应用于矿井通风系统安全评价中,即利用BP神经网络为D-S证据理论分配基本可信度。实验结果表明,该方法比单独用D-S证据理论或BP神经网络的方法更加有效。 (2)本文提出将模糊神经网络(FNN,Fuzzy Neural Network)与D-S证据理论相结合的融合方法应用到矿井通风安全稳定性评价中,并将评价结果与基于D-S证据理论与BP神经网络相结合的融合结果相比较。实验结果表明,基于FNN和D-S证据理论的信息融合方法具有提高系统的抗干扰能力和计算速度,增强系统的容错能力,降低系统的不确定性等优点。 (3)为了提高监测系统获取信息的准确性、完善系统的融合与决策,在矿井通风监测多传感器系统中对众多软、硬件资源进行管理,本文提出了多传感器管理技术在矿井通风监测中的应用。详细分析了多传感器多目标的排序以及多信息融合算法的管理问题。