基于二级融合的矿井环境智能监测研究.pdfVIP

2013年第32卷 第2期 传感器与微系统(TransducerandMicrosystemTechnologies) 57 基于二级融合的矿井环境智能监测研究 王文庆 ，龚 娜 ，张 涛 ，宋炳泉 (1．西安邮电大学 自动化学院，陕西 西安 710061； 2．白银有色集团股份有限公司 自控所，甘肃 白银 730900) 摘 要：为保证矿井生产环境安全，以井下数据采集系统为基础，提出了最短距离聚类融合算法，以克服 传感器测量误差和系统误差，实现对井下环境信息的数据级融合，与已有文献相比提高了融合精度。在此 基础上 ，设计了概率神经网络分类器对数据级融合结果进行决策级融合，完成了矿井环境安全等级划分， 实现了矿井环境安全状态的智能监测。实践表明：此两级融合方法在矿井环境监测系统中是可行的、有效 的。 关键词：数据融合；最短距离聚类；概率神经网络；环境监测 中图分类号：TP273 文献标识码：A 文章编号：1000-9787(2013)02-0057--03 R’～esearCn1 0n und’erground’m l●ne envir‘onm ent·i·nt-el’l’i·gent· mmoonniittoorriinnggbaased00n ttwwoo-step f[uussiiOonn。 WANG Wen—qing ，GONGNa ，ZHANG Tao ，SONGBing—quan。 (1．SchoolofAutomation，Xi’anUniversityofPostsandTelecommunications，Xi’an710061，China； 2．ControlInstitute，BaiyinNonferrousGroupCoLtd，Baiyin730900，China) Abstract：In orderto ensure environmentsafety ofunderground mine，a minimum—distance clusteringfusion algorithm isputforwardtoovercomemeasurementerrorandsystem errorofsensor，andachievedata—levelfusionof undergroundenvironmentinformation，comparedwithothermentionedreferences，fusionprecisionisimproved．On thisbasis，probabilisticneuralnetworkclassifierisdesignedtocarryondecision—levelfusionondata—levelfusion resuhandachievergadesafetypartitionofundergroundmineenvironment．Practiceshowsthatthetwo—stepfusion methodsarefeasibleandeffectiveinundergroundmineenvironmentmonitoringsystem． Keywords：datafusion；minimum—distanceclustering；probabilisticneuralnetwork；environmentmonitoring 0 引 言 很大融合误差；其次，在定义关系矩阵时常采用阈值法，而 为提高井下安全生产水平，国家要求地下矿山必须建 阈值的选取受主观因素的影响很大 ；再次，利用一些准则剔 立安全避险 “六大系统”lJJ。目前 ，绝大多数的地下矿井安 除稀疏数据时，如果剔除不当则有可能会导致一些有效数 全监测系统都是采用传感器设定阈值进行越限报警的方法