大明矿通风系统故障源诊断及风速传感器的布置

分析了大明矿分支风阻变化与各分支风量之间的关系,通过改进灵敏度矩阵,建立了分支灵敏度0-1矩阵,并据此建立了大明矿通风网络故障巷道范围库。为了故障源诊断能够包含到所有分支,风速传感器布置的最小数量及位置问题也是研究的重点,提出最少全覆盖布点法,给出了大明矿风速传感器的布置方案。通过工业试验,大明矿故障源诊断结果与现场试验结果一致,验证了矿井通风系统故障源诊断技术及方法的可行性。

RBF神经网络的矿井风速故障源

为解决井下风速传感器获得的风速异常数据确定故障源位置问题,采用RBF神经网络方法确定可能引起各分支风速异常的分支集合,即建立通风系统故障巷道范围库,再通过对分支的灵敏度进行排序来选择故障巷道诊断的优先级.研究结果表明:RBF神经网络被训练好后,就可以不用建立具体的数学模型,得到整个网络各分支风量与风阻之间的关系.

矿井风速故障源诊断及角联结构传感器布设

煤矿井下监控系统测量的风速数据并不能用来判断故障源位置,只能反映风速传感器所在巷道的风量变化情况。引起井下风速变化的原因很多,如巷道冒落、巷道堵塞、巷道变形等,从整个通风网络角度考虑,都可以归结为分支的风阻发生变化。由于井下通风网络中任一分支风阻的变化都可能引起自身及其他相关分支风量变化。提出用逐步线性回归分析法,确定引起通风系统风速传感器报警的分支集合。建立了逐步线性回归分析的通风系统故障源诊断数学模型。通过具体实例给出了风速传感器安设在不同位置下,可能引起此分支风速超限的故障巷道集合的结果。分析了关联分支的风阻变化对角联分支的影响,从而确定选择那些对角联分支影响大且自身风量容易发生变化的巷道安设风速传感器。

有效监测时间和范围的一氧化碳传感器优化布置

为确定易自燃煤矿一氧化碳传感器的合理数量和位置,采用Dijkstra算法,求得任意两个节点间的最短路径,建立了邻接节点路径矩阵和邻接节点时间矩阵.规定一个有效监测时间,把邻接节点时间矩阵化为有效监测矩阵,从而得到各节点的有效监测分支集合.利用极小边支配集原理提出了最少全覆盖布点法,给出了一氧化碳传感器的优化布置方案.研究结果表明:有效监测时间不同,布点的数量、位置以及分支覆盖度也不同.