煤矿井下主水仓涌水量的预测与监控系统的研究-电力电子与电力传动专业毕业论文.docxVIP

涌水量的预测与监控系统的研究I 涌水量的预测与监控系统的研究 I N FLOW FO RECAST AN D MONITORI NG SYSTEM RESEARCH OF U N D E RG RO U N D MAI N WATE R STO RAG 作 者： 奎蠢馥 导 师 奎壹垡 申请学位 王堂亟± 培养单位 皇氢皇值皇王猩堂睦 学科专业皇左电王皇电力笾动研究方向智能控制皇智篚自动丝 答辩委员会主席 毯陛 评阅人 堂瞠 二O一一年五月 论文审阅认定书春静在规定的修业年限内，按照研究生培养方案的要 论文审阅认定书 春静在规定的修业年限内，按照研究生培养方案的要 究生课程和其他培养环节的学习，成绩合格；在我的 成本学位论文，经审阅，论文中的观点、数据、表述 认同，论文撰写格式符合学校的相关规定，同意将本 申请论文送专家评审。 导师虢季研 也t J 年厂月乏～日 致谢 致谢 论文是在李春华教授的悉心指导下完成的，导师在科研，学-7和生活各 给予了我殷切地关怀和不遗余力地帮助和指导，在我的课题研究方向， 路中提出了宝贵的指导性意见并提供相关的实验数据，使我能有的放矢 入变量难以确 入变量难以确 各影响因素相 节性变化的特 点，提出了遗传算法优化灰色神经网络进行涌水量预测模型的建立，并通过实 例数据验证、分析，证明该预测模型有较高的精确度，避免了灰色神经网络易 陷入局部最优的缺点，预测适合度好，但运行耗时长、受涌水量影响因素制约， 不适用于煤矿井下短时水位的预测。所以在短时水位预测模型建立前，分析煤 矿井下水位每天短时的变化，虽然受三水位的影响，但仍然有它的规律性，依 据小波中的时间聚合因子可以弥补人工神经网络中存在的输入同步瞬时限制 的问题，提出了基于时间序列的小波神经网络短时预测模型，经过实例数据的 分析、验证，证明该预测模型耗时短，精确度高。 为了将井下实时数据及数学预测模型结果进行在线实时显示，针对传统 B／S结构实时监控系统在线运行期间存在网络负载大、服务器开销大、客户端 与服务器之间的交互效率低，页面实时显示存在闪烁的弊端，提出了下位机选 择性价比较高的三星公司的S3C2440A微控制器，对下位机进行数据采样，上 位机用Ajax特有异步通讯的方式与CGI进行下位机通信、与SVG相结合进行 矢量图形实时显示的方法来实现煤矿井下主水仓系统的网络化，实现实时监 测，网页页面显示无刷新，曲线图可以自由放大缩小不失真。 本文是在查找了大量文献和收集了大量实测数据进行分析后，进行的煤矿 井下主水仓涌水量的预测与监控系统的研究。 该论文有图46幅，表13个，参考文献42篇。 关键词：水仓；预测；神经网络；遗传算法 mine mine in recentcars，and the social focus．the client Call conveniently inquire about the situation of underground water storage plays important role in safety in production．Online monitoring underground water storage situation which seenls important and significant． According to the case that factors affecting multiple vertical discharge and mathematical model is difficult to determine the input variable in underground poor environment，provides a method of Mean Impact Value combining witll Error Back Propagation to determining degree of the weigh of all factors attaches． According to the tendencies of seasonal variations，adopt genetic algorithm to optimize differential equation coefficients that threshold and weight depend on grey neural network model．After instance data validation,its proves that genetic algorithm optimization overcome the disadvantages o