基于遗传算法的矿井局部通风故障诊断神经网络模型.pdfVIP

维普资讯 煤矿安全 (zoo8—05) ·35· 基于遗传算法的矿井局部通风故障 诊断神经网络模型 龚晓燕，孙晓辉 (西安科技大学机械工程学院，陕西 西安710054) 摘 要：针对矿井局部通风系统停风现象严重，故障诊断困难的问题，在大量故障实例收集、归类 和故障特征提取的基础上，采用遗传算法和神经网络相结合手段对矿井局部通风系统故障诊断 模型进行了建立和优化。实例分析结果表明，此模型能较好识别局部通风系统的故障种类和部 位，提高故障诊断的效率。 关键词：局部通风；故障诊断；神经网络；遗传算法 中图分类号：TD724 文献标识码 ：B 文章编号：1003—496X(2008)05—0035—04 矿井局部通风系统是保障煤矿井下安全运行 模型的样本来决定，本文样本来源于煤矿局部通风 的重要组成部分。该系统是一个复杂的串联系统， 停风故障事件历史数据，通过对以往发生的故障事 其中涉及的故障原因和种类较多，造成煤矿工作人 件原因、征兆及发生故障和排除故障等历史信息的 员无法及时准确做出判断，从而出现瓦斯浓度超标， 收集，归纳整理出矿井局部通风系统各个设备发生 给矿井的安全生产带来重大隐患…。目前国内外 故障的种类及发生这些故障种类时相应的设备所出 在矿井通风系统方面研究已经有较多的成果，例如： 现的关键故障征兆，从已知的故障征兆中找出对应 波兰的Mironowicz．W．等对高瓦斯浓度矿井通风系 的故障类型及其所发生部位。把整理归类的故障事 统控制的研究 ，我国安徽理工大学聂文艳等用变 例作为样本的组成元素。其中样本的故障征兆数作 频技术和模糊控制在矿井局部通风中的应用的研 为输入层神经元个数，样本的故障种类和部位作为 究 等。但是对矿井局部通风故障诊断方面还缺 输出层神经元个数。 乏系统的研究。针对这一现状，论文从矿井局部通 神经网络隐含层神经元数 目的确定，则由优化 风系统故障诊断模型建立角度进行研究，以提高故 网络结构的目标函数来确定，它主要 由两方面的因 障诊断效率，减少停风时间。本文利用神经网络技 素决定 ：神经网络学习精度和神经网络结构复杂度。 术对矿井局部通风系统诊断模型进行佳建立，并采 因此网络结构的 目标函数可以表示为： 用遗传算法对网络结构和连接权值进行优化，以获 厂()=rank[E1]+aNz (1) 取最优故障诊断模型。神经网络具有处理复杂模 其中，Ot是网络学习精度和结构复杂度之间的 式、推测和记忆的功能，因此在故障诊断领域显示极 权重系数，一般小于选取的最大隐层神经元个数的 大的应用潜力 J。但网络规模较大时，极易陷入局 倒数值 ；E是样本预期与神经网络输出之间误差 部极小，降低了诊断结果的可信度。而遗传算法具 平方和，rank[E，]是E，的分等值，当误差平方和满 有全局寻优能力，因此，利用两者相结合方法建立的 足要求的误差范围其值为 1，否则为2；Ⅳ2是隐层神 故障诊断模型将具备较高的准确度。 经元个数。 1 故障诊断神经网络模型设计 1．2 神经网络结构