基于神经网络的多参数矿井火灾识别方法.pdfVIP

维普资讯 第26卷第4期 辽宁工程技术大学学报 2007年 8月 、，o1．26 No．4 JournalofLiaoningTechnicalUniversity Aug． 2007 文章编号：1008-0562(2007)04-0555-04 基于神经网络的多参数矿井火灾识别方法 任 慧 一，孙继平 ，田子建 ，王会芹 (1．中国传媒大学 自动化系，北京 100024；2．中国矿业大学 (北京)煤炭资源与安全开采 国家重点实验室，北京100083) 摘 要：针对矿井火灾早期预测预报研究了新的方法，将矿井火灾图像与温度、烟雾、CO、CO2、O2等多个参数相结合，进行 综合分析 ，对矿井火灾进行判断。依据神经网络建立的数学模型，采用神经网络的学习算法，对矿井火灾进行识别。通过仿真分 析结果表明，矿井火灾正确识别率很高，特别是采用 RBF神经网络，正确识别率达到98％以上，从而为神经网络实际用于矿井火 灾识别成为可能，该方对矿井火灾早期预测预报具有重要的理论意义和实用价值 。 关键词：矿井火灾；多参数；神经网络；火灾识别 中图分类号：TP391．4；TD75 文献标识码：A M inefireidentificationmethodwithmulti—parameters basedonneuralnetwork RENHui，一，SUNji．pingz，TIANZi-jianz，、 NGHlli—qin (1．AutomationDepartment,CommunicationUniversityofChina，Beijing100024，China；2．China UniversityofMiningandTechnology(Beijing)StateKeyLaboratoryofCoalResourcesandSafeMining， BeijinglOOO83，China) Abstract：Inview oftheearlypredictionofminefires，anew mehtodhasbeenstudied．Combinedmi nefire imagewiht temperature，smoke，CO，C02，02andmanyohterpraameters raecomprehensivelyanalyzedand htemehtodcanbeusedtopredictmi nefires．Basedonneuralnetwork，themahtematicalmodelissetup．Wiht studyalgorithm ofneuralnetwork，htemodelcanidentifymi nefires．Bysimulationanalysisofmi nefire，hte correctrecognitionrateofminefireisveryhigh．EspeciallywhenRBFneuralnetworkmod elisemployde ，hte correctrecognitionrateismore htna 98％．So．itispossiblehtattheneuralnetworkisusedtoidentifymi ne fires．Thesutdyandapplicationofhtismethod hasagreathteoretical nadpracticalvalueforeralypredictionof minefires． Keywords：mi nefire；multi-prama eter：neur~ network；fireidentification 弓l 言 验”】【。2】。近年来，我国从事这方面研究工作已有报