基于神經網絡的礦井通風可靠性預計研究

楊德智

（大同煤礦集團有限責任公司云岡礦通風區， 山西 大同 037000）

安全生產是煤礦開采過程中最為關注的問題，隨著采礦技術及礦山設備的進步，礦井安全生產問題已經有了很大的改善，但瓦斯涌出及巷道煤塵治理一直是安全生產和井下人員生命安全面臨的重要問題。井下通風系統是煤礦生產的重要組成部分，通風系統出現故障或發生通風可靠性降低等問題將直接影響礦井安全生產，因此，需將通風系統可靠穩定運行作為重點進行研究[1]。

隨著煤礦機械設備的發展和采掘技術的進步，煤礦開采深度和掘進面單進深度不斷提高，掘進速度也不斷加快，造成了瓦斯排放速度和絕對涌出量增加。由于其環境的復雜性和不確定性，煤塵、瓦斯等排放隨時變化，且隨著井下巷道日益復雜，采掘機械和采掘速度的進步，井下通風系統管理的變量越來越多。為了保證通風系統持續穩定的工作，各需風位置能得到可靠有效的通風，本文采用神經網絡算法對通風系統進行可靠性預測，為井下通風管理人員提供一定的通風故障管理依據。

1 可靠性影響因素分析

通風系統是一個復雜的、多因素耦合的時變系統，在運行過程中，不僅受到系統各部件故障的影響，而且受到正常采掘過程中各需風點地質條件變化的影響[2]。對于通風網絡而言，其通風風壓、風阻、風路等可靠性均會影響整個通風系統的可靠性。

通風網路設置是否合理，不僅影響通風系統的功耗及效率，而且對通風系統可靠性也有極大的影響[3]。通風網路主要由串聯、并聯及角聯三種基本構成方式，并通過這三種基本構成的多種組合形成整個通風網絡，如圖1 所示，

圖1 通風網絡示意圖

1.1 串聯單元通風特性

串聯單元為兩條或多條風路首尾相連，無其余風流節點的網路，其特性如下。總風量等于各單元風量：

總風壓為各單元風壓之和：

總風阻為各單元風阻之和：

1.2 并聯單元通風特性

串聯單元為兩條或多條風路由同一節點分開并由同一節點匯合，中間無其余風流節點的網路，其特性如下。

總風量為各單元風量之和：

總風壓與任一單元風壓相同：

總風阻平方根的倒數為各單元風阻平方根倒數之和：

此外，通風系統可靠性影響因素還包括對風路中粉塵、瓦斯、溫度等參數的監測是否準確等[4]。

2 神經網絡構建

由于通風系統可靠性影響因素的復雜性及多參數的強耦合性等特性，對礦井通風系統可靠性的預測采用神經網絡算法構建預測模型。

BP 神經網絡由非線性神經元構成，通過“輸入層——隱含層——輸出層”的三層網絡結構，在初始輸入及后續實際參數輸入和結果輸出中不斷的自我學習、自我調整，使得預測結果越來越達到實際結果的方法。通過中間層的參數耦合并自動糾正權值的過程，可滿足通風系統多參數耦合預測的使用要求[5]。其結構圖如圖2 所示。

圖2 神經網絡結構示意圖

其中輸入層參數為n 個，隱含層耦合參數為p個，輸出結果層神經元個數為q 個。Wih為輸入層神經元到隱含層神經元的參數權值，Who為隱含層神經元到輸出層神經元的參數權值。

對于通風系統而言，神經網絡輸入層神經元參數為通風系統的輸入參數，即風機參數、巷道溫度、瓦斯濃度等，將風機風速、風壓、巷道溫度及瓦斯濃度各設置三個變量等級作為輸入神經元。

輸出參數為通風系統可靠性，基于常用的礦井通風可靠性評價方法，對可靠性分為安全、較安全、一般、危險、較危險五個等級，并對每個等級對應的數據異常情況進行編碼標定。

通風系統可靠性預測網絡的隱含層，需要通過迭代優化的方法進行選擇，即預先給定一層隱含層，通過參數輸入訓練進行隱含層神經元數進行迭代確定。

根據經驗公式，隱含層的神經元數為：

式中：m 為輸出層神經元數；n 為輸入層神經元數；a為 1～10 的自然數。

由上述分析可知，n=15，m=5 可得到隱含層神經元數可能數值。通過樣本訓練對隱含層神經元數進行分析，得到當隱含層神經元數為10 個時，計算誤差較小，且運算量較小。

3 預測仿真分析

基于上述礦井通風系統可靠性預測模型，采用MATLAB 的神經網絡工具箱進行建模，并選取通風系統采集的現場數據進行輸入并仿真分析，驗證該神經網絡預測模型的準確性。分析過程如圖3 所示。

圖3 分析過程圖

經過上述仿真過程，得到預測仿真結果與實際可靠性結果如圖4 所示。

圖4 仿真結果對比圖

由上述對比圖4 可以看出，預測結果與實際結果有一定的差別，但總體結果可信，預測準確率達到80%以上。后續可根據煤礦個體情況加大訓練數據錄入，并通過更大量的訓練使得結果更加可靠。

4 結論

1）針對礦井通風系統可靠性影響因素進行分析，并對其風路各基本單元構型參數關系進行描述。

2）根據礦井通風系統可靠性分析的實際情況，選擇神經網絡算法作為系統可靠性分析方法。

3）確定了通風系統可靠性的神經網絡算法構型及各層神經元參數。

4）通過對神經網絡預計模型的仿真，得到該預計模型仿真結果與實際結果的對比情況，并確定該預計模型的可行性。