巷道平均风速单点测试方法误差研究

为验证巷道平均风速单点测试方法可行性,提高巷道平均风速单点测试方法精度,采用Fluent数值模拟方法,计算各种断面形状、断面尺寸及支护方式巷道断面上平均风速单点测试误差分布。研究结果表明:在任意断面形状、断面尺寸及支护方式巷道断面上任意测点,巷道平均风速单点测试误差均小于6%,因此,巷道平均风速单点测试方法可行。根据巷道断面上平均风速单点测试误差分布情况,尽可能将风速传感器布置在误差小的位置,可进一步提高巷道平均风速单点测试方法精度。研究结果可为解决巷道平均风速快速精准测试问题,进而推进矿井通风智能化发展提供参考。

基于GA-BP神经网络的巷道平均风速单点测试研究

为了快速准确获取巷道平均风速,采用计算流体力学(CFD)方法对实际巷道风流进行数值模拟,并基于速度场结构近似恒定理论,将矩形巷道断面的宽度、高度、壁面粗糙度、监测点位置及监测点风速作为输入参数,提出1种基于GA-BP神经网络的巷道平均风速单点测试模型。研究结果表明:该模型具有良好的预测性能,利用巷道断面内任意点传感器风速值,可以快速准确地预测巷道断面平均风速,且相对误差达到2%以下。采用Levenberg-Marquardt算法训练的GA-BP神经网络模型预测精度较高,其MAPE,RMSE和R^(2)分别为0.68%,0.04和0.99。研究结果可为矿井通风智能监测系统建设提供参考。