基于BP 神经网络模型的矿井通风可靠性研究
秦彦磊
陆愈实
（中国地质大学工程学院
武汉430074）
摘要在MATLAB 7.0神经网络工具箱的基础上，通过采用快速的Levenberg Marguart 算法，
提高神经网络训练的速度与精度，实现矿井通风系统可靠性的研究和预测。旨在以一种相对简单的途径实现人工神经网络这种复杂而有效的非线性预测方法。实验结果显示了L
M 算法的优越性，网络具有良好的收敛特性。关键词
矿井通风
可靠性
BP 神经网络
MATLAB 7.0
Research on Mine Ventilation Reliability Based on BP Neural Network
OIN Yan
Iei
LU Yu
shi
（Faculty of Safety Engineering ，China Uniuersity of Geosciences
Wuhan 430074）
Abstract
Based on the neuraI network tooIboX of MATLAB 7.0，the training speed and precision of neuraI networks can be improved and the
research of mine ventiIation reIiabiIity can be carried out by using Ievenberg marguart arithmetic.The nonIinear forecasting method is reaIized by a reIative simpIe method.The resuIts show the advantage of L M arithmetic and good converge property.
Keywords
mine ventiIation
reIiabiIity
BP neuraI network
MATLAB 7.0
众所周知，矿井通风系统的可靠性对矿井的安全生产有着至关重要的影响。随着煤矿开采深度的不断增加，开采规模的不断扩大，矿井通风系统相应地会越来越复杂，煤矿通风问题已经成为煤矿安全生产的重要制约因素。主要表现为：①有些煤矿盲目增加采掘头面，存在超通风能力生产现象；②通风网络结构复杂，形成许多多角联的子系统，同时不合理串联通风、扩散通风、老塘通风等通风方式的存在，造成风流不稳定，增加了技术管理难度；③生产布置过分集中，造成有的区域风量过剩，有的区域风量不足；④矿井通风阻力过大，造成通风系统的通风能力低下；⑤部分矿井仍然使用老、旧、杂的主扇风机，附属装置通风阻力大，造成扇风机的综合效率低下；③井口封闭不严，漏风率过大，矿井有效风量大大减少。
矿井通风系统是煤矿生产的重要组成部分，安全可靠的矿井通风系统能有效提高矿井的防灾抗灾能力，因此，衡量矿井通风系统安全可靠程度越来越重要。
人工神经网络（ANN ）是20世纪80年代以来获得迅速发展的非线形模拟技术，具有自组织、自适应、自学习、鲁棒性和容错性等独特的优良性质，为多输入、多输出系统提供了l 个有效的解决方案。人工神经网络特别适用于处理2类问题，一是复杂大系统的优化和求解，二是对内部未知系统的逼近和模拟。对于矿井通风可靠性系统的研究属于第2种情况。因此本研究针对陕西某煤矿通风系统的运行数据，建立BP 人工神经网络模型来预测该系统可靠性级别。1
矿井通风可靠性的指标体系及数据
在可靠性分析中，系统可分为可修系统和不可修系统，矿井通风系统是一种可修系统。本文涉及的可靠性数量指标主要有
［3，4］
：
（l ）矿井通风动力。矿井通风动力指的是矿井通风机装置，它包括矿井主要通风机及其附属装置。其稳定运行直接影响着矿井运行的安全可靠性和经济合理性。
（2）矿井通风网络。矿井下纵横交错的井巷构成了复杂的矿井通风网络，矿井风压与风量合理匹配与矿井通风网络有着密切的关系。
（3）矿井通风设施。矿井通风设施是指设置在矿井通风巷道中用于控制风流方向和大小的通风构筑物，直接关系到矿井通风系统的稳定性和可靠性。
（4）矿井通风质量。矿井通风质量是指向矿井各作业地点供给新鲜空气的多少和品质，主要受到矿井风量分配、矿井产量、瓦斯涌出量、温度、矿尘等各种因素的影响，其大小多少和品质，直接关系到矿井通风的安全可靠性。
（5）矿井通风能力。通风能力的大小受主要通风机、通风网络、管理水平等各种因素的影响。因此，矿井通风能力的大小反映了主要通风机、通风网络、管理水平等各种影响因素的状况，也反映了矿井的安全可靠性。
矿井通风可靠性指标体系还包括有毒有害气体类、通风系统累积故障类等指标。矿井通风系统的可靠性级别可按照实际数据的情况分为l ~5级，见表l 。矿井通风系统运行
部分数据见表2［2］
。
表1
可靠性级别可靠性级别
输出显示
指标5l 0000很可靠40l 000可靠300l 00较可靠2000l 0不可靠l
l
极不可靠
?
84?工业安全与环保
IndustriaI Safety and EnvironmentaI Protection 2006年第32卷第2期February 2006
表2矿井通风系统运行数据
序号
通风系统可靠性影响因素指标
矿井主要通
风机风量/
（m3?s-1）
巷道最低有
效风量率
/%
用风场所有
效风量/%
矿井通风构
筑物完好率
/%
有毒有害气
体体积分数
/%
通风系统累
积故障率
/%
矿井各时段
的自然风压
/Pa
矿井漏风系
数
可靠性
级别
210.3418190.4274240.4220500.4604720.2105770.2659530.5888760.8056213 220.2718730.4302930.5129590.6421640.3910030.3840110.6112350.7611243 230.3872960.9305790.6425530.5575590.4216320.5356170.5089440.0284383 240.5842810.5315550.8046420.7850210.3503230.5260530.8686420.7166284 250.5887300.8046470.7330750.8044380.3519980.5801570.3655670.3302113
2神经网络模型的建立
人工神经网络包括BP网络、Hopfieik网络、自适应共振网络、自组织特征映射网络等。据统计，有近90%的神经网络应用是基于BP算法的。
BP网络是一种单向传播的多层前向网络，它通过连续不断的在相对于误差函数斜率下降的方向上计算网络权值和偏差的变化而逐渐逼近目标，每1次数字和偏差的变化都与网络误差的影响成正比，并以反向传播的方式传递到每1层，实现多层网络学习。3层BP网络分为输入层、隐藏层、输出层。网络的学习过程分为正向和反向传播两部分。在正向传播中，输入信号从输入层经过隐藏层，然后传到输出层，每1层神经元的状态只能影响到下1层神经元网络。如果实际输出与期望输出之间有误差，那么误差信号将通过传播通路反向折回，通过修改各层神经元的权值和阈值，逐层向输入层传播进行计算，再经过正向传播，如此反复进行，误差达到期望的要求时，学习过程结束［1］。
设MATLAB7.0环境下需要训练和仿真的前馈神经网络如图1所示。
图1前馈神经网络
BP神经网络的建立基于MATLAB平台，使用MATLAB 里神经网络工具箱函数编程实现。选取通风系统中有代表性的数据25组，将其分为训练15组，验证5组，剩下的5组数据来检验网络的效果。
3BP神经网络的学习、训练、验证
程序在MATLAB7.0环境下运行，其源程序代码为：% P、T为神经网络训练数据（省略），数据类型为P：（8X15kou-bie）、T：（5X15koubie）
P’；
T’；
%输入向量的最大、最小值；
threshoik=［01；01；01；01；01；01；01；01］；
%网络参数（训练函数，trainim；学习函数，iearnkm；性能函数，mse。）；
net=newff（threshoik，［17，5］，｛‘tansig’，’iogsig’，｝’trainim’）；
%训练参数（训练次数，1000000；训练目标，0.0001；学习速率，0.01。）；
net.trainParam.epochs=1000000；
net.trainParam.goai=0.0001；
LP.ir=0.01；
%开始训练；
net=train（net，P，T）；
%P test为实验测试数据（见表2），区别于训练数据；
P test’；
Y=sim（net，P test）；
%仿真结果为；
Y’。
采用MATLAB语言中的newff函数来具体实现以上建立起来的BP神经网络模型。图2就是模型所得到的收敛曲线，可见在19次运算之后，网络达到了最小收敛值。通过仿真函数，可以得到网络的仿真输出，表3是模型预测值与真实值之间的比较。
图2BP网络的训练误差曲线
表3网络模型对矿井通风可靠性级别的预测值
序号实际值预测值
21001000.00000.00680.99650.00720.0000 22001000.00000.00140.99990.00030.0000 23001000.00000.0000 1.00000.00020.0006 24010000.00000.99980.07520.00010.0001 25001000.00000.0000 1.00000.00020.0005从实验数据可以看出，网络模型较好地反映了矿井通风系统的可靠性级别，网络是稳定的，结果是可靠的。矿井通风系统可靠性的数学模型得以建立。
4讨论
利用人工神经网络对复杂的矿井通风系统可靠性进行建模，可以较好地预测可靠性级别。
神经网络有其动态性特点，不像其他数学模型有固定的
?
9
4
?
安全利用火烧清理法进行脱硅器的清理
胡凌哲
（中国铝业中州分公司
河南焦作454174）
摘要针对氧化铝生产中密闭性压力容器脱硅器清理作业环境差、清理难度大、危险性高等特点，结合中国铝业
中州分公司脱硅器现场清理检修作业的实践经验，阐述了如何安全利用火烧法进行脱硅器现场清理工作。
关键词
脱硅器
清理作业
安全
The Safe Way of Cleaning Up the Desilion Machine By the Burning Fire
HU Ling
zhe
（Zhongzhou Branch ，China Aluminum Group
Jiaozuo ，Henan 454174）
Abstract
This articie expounds how to do the cieaning up work in the airtight pressure vessei
desiiion machine by the burning fire through
the practice at the Zhongzhou Branch ，China Aiuminum Group and in consideration of the characteristics ，bad working environment ，hard to cieaning up and danger.Keywords
desiiion machine
cieaning up work
safety
由于我国铝土矿的特点是高铝、高硅、低铁，因此决定了烧结法氧化铝生产工艺在我国有着非常重要的地位，特别是随着高品位铝土矿的日益匮乏，烧结法处理低品位铝土矿的优越性将日益突现出来。而烧结法存在生产工艺流程复杂、工艺能耗高等不利因素，尤其是湿法系统的结垢问题，极大地加重了清理检修作业工作量，成为提高氧化铝产量的严重制约因素。在湿法系统的脱硅环节，溶液流经的每1根管道、每1个器壁和罐体，都极易结垢（也即钠硅渣），各个氧化铝生产企业都在积极探索如何减轻脱硅系统的结垢量和清理脱硅机结垢的有效方法。1
脱硅器的清理方法
中国铝业中州分公司采用的就是烧结法生产氧化铝，脱硅器是湿法系统的关键设备之一，属于密闭性的压力容器。中州分公司氧化铝年产量从最初的20万t 逐年递增，提升到现在的年产80万t 的生产能力，而脱硅器则仅在最初的4组
直接加热脱硅器的基础上，增加了2组间接加热脱硅器，产量大幅度提高，清理作业也日渐频繁，时间紧，工作量大，脱硅系统面临的压力愈来愈大。如何采用行之有效的方法安全清理脱硅器，中州分公司在十几年的生产实践中，进行了积极的探索。
中州分公司目前运用的直接加热脱硅器和间接加热脱硅器规格分为!2.6m X 9.5m 和!2.8m X 12m ，平均每2个月就要清理1组（5~7个脱硅罐），其结垢具有质密、厚度均匀等显著特点。常用的脱硅器清理方法有以下3种：
（1）人工清理法。在脱硅罐体内搭架子，然后人工用大锤等器具击打罐壁，使结垢脱落。人工法清理结垢较为彻底，但作业时间长，严重影响大液量生产的组织。尤其是清理罐体上部的结垢时（十几米的高空作业），极易造成人员伤害。
（2"""""""""""""""""""""""""""""""""""""""""""""""""
）爆破清理法。利用炸药爆破原理清理结垢，对罐体
函数关系，所以每次运行都有不同的结果，由于神经网络是一种黑箱操作，不能清楚控制和操作其中影响因素的作用关系，从而影响了它对系统控制的稳定性。虽然神经网络有这样一些缺点，但上面得到的结果仍然证明神经网络对于矿井通风系统可靠性研究是合适的，结果有很强的实用价值。5
结语
采用人工神经网络的方法，以陕西某矿的通风运行数据为依据对象，对通风系统的可靠性进行了动态研究。通过建立BP 人工神经网络模型来预测可靠性的级别。研究结果体现了神经网络在处理类似矿井通风系统这样未知复杂系统方面的优势。神经网络模型不仅适用于本文的研究对象，对于全国其他类似的矿井通风系统，也可以利用人工神经网络，建立相应的数学模型。
参考文献
1
程磊，杨运良，熊亚选.矿井通风系统评价指标体系的研究.中国
安全科学学报，2005
2崔岗，陈开岩.矿井通风系统安全可靠性综合评价方法探讨.煤炭科学技术，1999
3王洪德，马云东.矿井通风系统可靠性理论与应用研究.北京：煤炭工业出版社，2004
4飞思科技产品研发中心.神经网络理论与MATLAB 7实现.北京：电子工业出版社，2005作者简介
秦彦磊，男，1982年生。中国地质大学
（武汉）工程学院在读硕士，安全技术及工程专业，主要研究方向：职业安全卫生及计算机仿真。
（收稿日期：2005
11
14）
?
05?工业安全与环保
Industriai Safety and Environmentai Protection 2006年第32卷第2期February 2006
基于BP神经网络模型的矿井通风可靠性研究
作者：秦彦磊， 陆愈实， QIN Yan-lei， LU Yu-shi
作者单位：中国地质大学工程学院,武汉,430074
刊名：
工业安全与环保
英文刊名：INDUSTRIAL SAFETY AND ENVIRONMENTAL PROTECTION
年，卷(期)：2006,32(2)
被引用次数：6次
参考文献(4条)
1.王洪德;马云东矿井通风系统可靠性理论与应用研究 2004
2.崔岗;陈开岩矿井通风系统安全可靠性综合评价方法探讨[期刊论文]-煤炭科学技术 1999(12)
3.飞思科技产品研发中心神经网络理论与MATLAB 7实现 2005
4.程磊;杨运良;熊亚选矿井通风系统评价指标体系的研究[期刊论文]-中国安全科学学报 2005(3)
本文读者也读过(10条)
1.郑德祥.黄传春.谢益林.涂勇鑫.黄斌.ZHENG De-xiang.HUANG Chuan-chun.XIE Yi-lin.TU Yong-xin.HUANG Bin 基于L-M算法的林分径级材种出材率BP网络模型[期刊论文]-北华大学学报（自然科学版）2008,9(5)
2.张晓宇.窦世卿.ZHANG Xiao-yu.DOU Shi-qing应用神经网络评价矿井通风系统[期刊论文]-有色矿冶
2005,21(4)
3.魏建平.胡卫民.刘明举.李辉.WEI Jian-ping.HU Wei-min.LIU Ming-ju.LI Hui循环系数对非稳态可控循环通风系统主要参数的影响[期刊论文]-煤炭学报2000,25(z1)
4.孙树魁.张树光.SUN Shu-kui.ZHANG Shu-guang基于分形和神经网络相结合的土体冻胀量预测[期刊论文]-辽宁工程技术大学学报2007,26(6)
5.黄剑锋.曹丽云.陈立红.沈清.吴建鹏.杨军胜.贺海燕.HUANG Jian-feng.CAO Li-yun.CHEN Li-hong.SHEN Qing. WU Jian-peng.YANG Jun-sheng.HE Hai-yan基于L-M算法网络的卫生瓷干坯强度的预测[期刊论文]-武汉理工大学学报2005,27(10)
6.陈君.CHEN Jun基于人工神经网络的矿井通风系统安全可靠性评价[期刊论文]-矿业安全与环保2007,34(3)
7.董秀芳.孙浩.DONG Xiu-fang.Sun Hao基于时序建模的教学质量评估系统的神经网络辨识[期刊论文]-科学技术与工程2007,7(20)
8.刘伟.王桂坤应用BP神经网络技术评价矿井通风系统[会议论文]-2007
9.胡云生.郑继明.HU Yun-sheng.ZHENG Ji-ming基于主分量分析和遗传神经网络的电力负荷预测[期刊论文]-自动化技术与应用2008,27(8)
10.褚冬莉.李静.范君.李晓峰.王秋平.CHU Dong-li.LI Jing.FAN Jun.LI Xiao-feng.WANG Qiu-ping模糊故障树在通风系统可靠性研究中的应用[期刊论文]-西安科技大学学报2011,31(6)
引证文献(6条)
1.孙锋民浅谈煤矿通风安全评价及防范措施[期刊论文]-中国科技博览 2011(24)
2.李海港.唐敏康.黄同林金属矿山井下通风系统人机工程可靠性分析[期刊论文]-金属矿山 2011(12)
3.陈桂安浅议煤矿通风安全评价的作用[期刊论文]-科技致富向导 2011(21)
4.卓勤源浅谈如何通过煤矿通风的强制管理降低事故隐患[期刊论文]-中国科技博览 2010(32)
5.李睿.曹顺安.盛凯基于BP神经网络的多参数关联变压器油击穿电压的预测研究[期刊论文]-高压电器 2008(4)
6.伊磊船用曲轴精加工调校测试系统研制[学位论文]硕士 2006
本文链接：https://www.doczj.com/doc/25832969.html,/Periodical_gyaqyfc200602021.aspx