矿井通风系统中时常发生如风门开关或破损、巷道冒落或变形等引起风阻持久性变化的阻变型故障,实时诊断阻变型故障可及时发现系统中故障发生的位置和类型,制定针对性的故障排除措施,从而降低了安全隐患发展为事故的可能性。目前,矿井通风系统阻变型故障诊断方法需收集故障样本,在执行诊断过程中故障位置和故障量的诊断需分别建立独立的分类和回归诊断模型,难以实现阻变型故障的实时诊断。针对矿井通风系统阻变型故障样本收集难度大和故障位置及故障量无法同时进行实时故障诊断的问题,基于遗传算法的混合编码规则,将矿井通风系统阻变型故障诊断问题转化为故障前后风量最小欧式距离的优化求解问题,提出一种混合编码遗传算法无需样本训练的无监督学习故障诊断方法,实现故障位置分类诊断与故障量回归诊断一体化的矿井通风系统无监督阻变型故障实时诊断。矿井风流的脉动性和随机性导致风速监测值存在较大的误差,是直接影响阻变型故障诊断性能的重要因素之一。通过LDV风速测试试验及模拟矿井试验研究发现,利用自适应卡尔曼滤波器可有效地剔除风速监测中存在的野值,并降低瞬时风速的监测误差,实现矿井通风风速实时在线监测,为实现矿井通风系统阻变型无监督故障诊断提供基础条件。以T型矿井通风网络作为矿井通风系统阻变型故障诊断的试验模型,分别以单一风量、风压特征及风量-风压复合特征作为适应函数的变量进行试验分析,结果表明:相对单一风压特征和风量-风压复合特征而言,使用单一风量作为遗传算法适应度函数变量时,可确保较高准确率的故障位置诊断及较低误差的故障量诊断。以风量作为适应函数变量,对T型矿井通风网络试验模型进行故障模拟及故障位置和故障量诊断分析,其结果表明:故障位置诊断的平均准确率为97.4%,故障量诊断的平均均方误差为33.446 Ns2/m8,相对误差为0.019,R平方值为0.977,在满足矿井通风阻变型故障位置有效诊断的同时,获得较低误差的故障量诊断。因此,利用混合编码的遗传算法对矿井通风系统阻变型故障进行无监督实时诊断具有可行性和有效性。以板石煤矿为实例,利用所提出的故障诊断方法对板石煤矿进行120次阻变型故障诊断现场试验。试验结果分析得出:故障位置诊断的精度为1,准确率和召回率均为0.86,故障量诊断的R平方值为0.995,平均均方误差值为15.89 N·s2·m-8,每次诊断的时间约为9.7s,多次诊断累积时间消耗与诊断的次数呈线性递增的正相关关系。证明了阻变型故障诊断模型的可行性、鲁棒性和有效性,遗传算法阻变型故障实时诊断方法可有效地解决现场人为难以排查的矿井通风系统阻变型故障。该论文有图46幅,表8个,参考文献122篇。