基于DE-GWO算法的矿井风网风量调节方法

为及时满足井下某一用风地点的需风要求,提出一种根据分支风量期望值来选择不同调节分支的智能应急调风方案。首先,以矿井通风网络需风分支风量可调最大化为目标,建立通风网络的非线性优化数学模型,针对该优化模型中的风量平衡、风压平衡等约束条件,采用不可微精确罚函数将其转化为目标模型中的惩罚项。然后,通过对风网灵敏度矩阵的计算求解,得出最优的可调分支集和风阻调节范围,并基于灰狼算法实现寻优。为克服灰狼算法在求解复杂问题上易陷入局部最优的缺陷,提出一种差分灰狼算法(DE-GWO),该方法在对种群个体位置不断迭代更新的基础上,加入差分进化算法的变异、交叉、选择操作,进而维持种群的多样性。最后,基于矿井智能控制系统实验平台验证应急调风方案的可行性。研究结果表明:相比于GWO算法,本文提出的DE-GWO算法在寻优性能和稳定性方面提升显著,可用于及时调节风量。