基于粗糙集和改進膠囊網絡的煤礦智能通風管理方法

蘇淑嫻，歐陽名三

(1.安徽理工大學 電氣與信息工程學院，安徽 淮南 232001；2.安徽理工大學 深部煤礦采動響應與災害防控國家重點實驗室，安徽 淮南 232001)

0 引 言

礦井通風過程中存在漏風、風流短路、無風死角等眾多通風安全隱患，嚴重影響礦井通風系統的穩定性，礦井智能通風管理系統是保障礦井安全生產、保護井下作業人員生命安全的重要舉措[1]。通風系統的穩定與否關系到整個礦井的安危，對通風系統的嚴格管理是完善、優化通風系統的有效方法，因此，礦井通風系統的管理工作顯得尤為重要[2]。

文獻[3-4]提出在系統硬件層次進行改進，以提升煤礦通風系統的穩定性。這些方法通過數值的偏差進行參數整定，智能化水平偏低。林琳等[5]提出基于粗糙集神經網絡的高壓斷路器故障診斷模型，通過粗糙集算法生成決策表，進而根據決策表構建徑向基函數神經網絡的故障模型。李建等[6]提出粗糙集和神經網絡相結合的鉆井安全評價模型。董春游等[7]將G-K評價策略與粗糙集結合使用，建立煤與瓦斯突出分類知識表達系統。以上系統通過粗糙集與傳統神經網絡的結合使用，取得了一定的效果，但井下通風環境復雜，其動態性、復雜性和不確定性逐漸增加，傳統神經網絡架構在數據融合方面忽略了時間、空間上的煤礦通風環境特征[8]，在礦井通風災害事故預測方面還存在不足。

基于動態路由的膠囊網絡是近年來新提出的神經網絡模型，被認為是可能成為下一代重要的神經網絡模型[9]。……