欢迎来到天天文库
浏览记录
ID:35060903
大小:3.07 MB
页数:86页
时间:2019-03-17
《基于信息融合算法的矿井安全监测系统研究》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、^-..r_.i、.■t-...—-'.一-'.vV'—扩,/一:-r-,.-■?--—.義緣又锭少、專WuhanInstituteOfTechnology硕±学位论文基于信息融洽算法的矿井安全监测系统硏究学科专业:控制理论与控制工程研究生:姜勇指导教师:杨帆教授培养单位:电气信息学院' ̄.〇六年五月分类号:TP391.9学校代号:10490学号:201304001密级:
2、公开武汉工程大学硕士学位论文基于信息融合算法的矿井安全监测系统研究作者姓名:姜勇指导教师姓名、职称:杨帆教授申请学位类别:工学硕士学科专业名称:控制理论与控制工程研究方向:嵌入式系统论文提交日期:2016年3月30日论文答辩日期:2016年5月25日学位授予单位:武汉工程大学学位授予日期:2016年6月18日答辩委员会主席:王典洪教授ResearchofminesafetymonitoringsystembasedoninformationfusiontechnologyAThesisSubmi
3、ttedfortheDegreeofMasterMajor:ControlTheoryandControlEngineeringCandidate:JiangYongSupervisor:Prof.YangFanWuhanInstituteofTechnologyWuhan,Hubei430073,P.R.China摘要煤炭作为我国重要的能源之一,直接影响着我国经济的增长。如何确保矿井的安全生产是煤矿企业重点关注的问题。将多传感器信息融合算法应用到矿井安全监测系统也越来越受到人们的重视。因为以往
4、的矿井环境的监测是由单个传感器完成,检测的信号常常会因为干扰或者故障导致虚警、误警等。基于此,本文研究了一种基于信息融合算法的矿井安全监测系统,可以准确预防和判断矿井事故的发生。本文利用Zigbee无线传感器网络技术、多传感器信息融合技术和BP神经网络信息融合算法,设计出一套安全可靠的矿井监测系统。在本系统的设计研发中,以CC2530为硬件平台,成功实现了矿井下Zigbee无线传感器网络的设计,并利用MATLAB神经网络工具箱建立了BP神经网络预测模型,确定了温度、粉尘、风速、一氧化碳、瓦斯等环
5、境参数与井下安全状况之间的关系。同时,为了实现可视化图形界面,建立了MATLAB与DELPHI的应用程序接口,实现了DELPHI对MATLAB的调用。该模型采用50组数据为训练样本,采用5输入、5输出、10隐含层的三层网络,期望误差选取为0.001,最大训练次数设为3000,初始学习速率设为0.01,最后对BP神经网络进行训练。最后预测的结果显示,预测结果与实际情况吻合率高达99.5%,说明系统利用BP神经网络训练后的算法能够大大提高预测的准确性。本文的研究实现了信息融合算法应用于矿井安全监测系
6、统中。该系统能够准确地判断井下环境的安全状况,使矿井监测系统向更安全、准确性更高的方向发展,对信息融合算法在矿井安全监测系统中的进一步探究具有一定参考价值。关键词:煤矿;传感器网络;神经网络;信息融合IAbstractCoal,asoneofthemainenergy,hasanimportantinfluenceontheeconomicdevelopmentofChina.Howtominimizecasualtiesandpropertylossisagreatconcernforcoal
7、mineenterprises.Therefore,itisaninevitabletrendtoapplythemulti-sensordatafusionalgorithmtotheminesafetymonitoringsystem.Inthepast,themineenvironmentalparametersweremeasuredbyasinglesensor.Thesignaldetectionoftenleadstofalsealarmbecauseoftheinterferen
8、ceormalfunction.Basedontheexistedfact,thisthesisstudiesonaminesafetymonitoringsystembasedoninformationfusionalgorithmtoaccuratelypreventandjudgethechanceofmineaccidents.AsafeandreliableminemonitoringsystemhasbeendesignedbasedonZigbeewirelesssensornet
此文档下载收益归作者所有