基于多传感器信息融合的煤矿环境探测与危险评估

《基于多传感器信息融合的煤矿环境探测与危险评估》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要本文针对近年来我国频繁发生的矿难事故，依托煤矿救灾机器人平台，结合矿难事故后煤矿井下危险环境的特点，设计了一套煤矿井下多传感器信息采集系统，同时提出一种基于粗集一神经网络的煤矿井下环境危险度的新算法，对煤矿环境做出准确实时的评估。该系统采用飞思卡尔公司最新推出的16位单片机眦9S12DGl28B作为控制核心组成智能节点，对矿难发生时特征比较明显的有毒有害气体、温度、风量等几种传感器的信息进行采集以及融合处理，同时为了简化系统结构，提高系统的可靠性，智能节点通讯采用cAN总线结构．这样充分结合了淝9s12DGl28B处

2、理速度快，易扩展和CAN总线数据传输的可靠性、开放性，在硬件上保证了危险环境探测的实时性和准确性。在控制算法上，神经网络具有并行处理、信息分布存储等特点，可通过训练、学习产生一个非线性映射，自适应地对数据进行聚类，同时具有较好的抑制噪声干扰的能力和较强的鲁棒性。其缺点是当输入信息空间的维数较大时，网络不仅结构复杂，而且训练时间也很长．而粗集可对数据进行属性约简和值约简，消除样本中的噪声和冗余对象。这两者的结合不仅可以减小网络的规模，同时通过消除对象冗余可减少网络的训练和学习负担，还可以通过消除噪声提高神经网络预测的准确性

3、。本文根据神经网络的自学习能力强和粗集理论属性约简的特点，结合煤矿井下复杂环境详细论证了两者结合的原理、算法及实现过程，将其结合起来形成粗一神经网络算法实现对煤矿井下环境危险程度的评估。仿真结果表明，该粗神经网络能够准确评估处煤矿井下环境危险的程度，有较强的抗干扰能力和较高的准确度，从而验证了系统的有效性和可行性．关键字：c心信息融合粗集神经网络数据采集粗神经网络ABSTRACTInrecentyears，thefTequcntoccuITencA，ofmineaccidentsbringgreatlosstolifea

4、ndfortune．BasedonthecomplexenvironmentoftheInine,wedesignedamulti—sonsorinformationacquisitionandfuse町st聊也Meanwhile,an棚RoI咄Set-NeutralNetworkMgofithmforminerisk-a姻msmentisputuptomakoaccuratereal-timeassessmentofthemineellvironmcrR．Thesystemuse8Freescale'slatest16

5、-bitMCUMC9S12DGl28Bascoretocompo∞allintelligentconu-olnode．tThroughwhichwecommunicatewiththe蝴s吣foriuformalionacquisition．Inordertosim#ifythesystemarchitectureandimpl'ovothereliability,CANbusisusedascomm衄2ation刚nK：tI啪oftheintelligentnodesystem．Thisensm'othereal-ti

6、meandaccuracyofthedangerousemvironmentdetectioninhardwal"o．Incontrolalgorithms，neuralnetworkshastheadvantageofparallelprocessingandinformationstorage．1)lnmeRoughsetcane"hminamthenoiseandredundanttargetsamplesbyattributercduOionandvaluereductiontOthedata．Based011t

7、his，thearticlecombinethetwotheoryintoRoughSet-NeutralNetwork假S吼Explainedit'sprinciples,algorithmsandimplementationprocess．Thenl麟ittoroaligcthedangerassessmentoftheminoenvironment．Thecombinationofthetwomethodcannotonlyreducethesizeofthenetwork,thenreducenetworkbur

8、denoftrainingandstudy,butalsocflnimprovothepredictaccuracyoftheneutralnetwork．SimulationresultsshowthattheRSNc锄a吲natclyas∞tmthedangeroftheminoenvironment,meanw