前言：想要寫出一篇引人入勝的文章？我們特意為您整理了礦井通風監測系統設計應用范文，希望能給你帶來靈感和參考，敬請閱讀。

［摘要］為了能夠準確掌握井下通風機運行系統的運行狀況，確保風量滿足生產作業要求，以新村煤業井下通風改造項目為例，利用BP神經網絡對通風監測和預判系統進行了設計，后期應用及檢驗結果表明，該系統的各項性能均能滿足設計要求，實現了對井下通風系統的實時監測，通過對監測的各項數據進行采集分析，預判和預測系統是否存在故障，確保了井下通風系統的安全穩定。

［關鍵詞］通風系統；通風機；監測系統；BP神經網絡；數據采集

引言

實現對通風系統狀態的及時或超前預判，對保障煤礦井下安全生產具有十分重要的意義。因此，在煤礦井下開采過程中，建立一套井下通風監測系統和通風狀態預判機制是十分必要的，它可以提高對井下通風系統狀況的監測和預警能力，提升礦井安全管理水平。本文以新村煤業通風系統改造項目為例，利用BP神經網絡擬合分析能力，提出了礦井通風監測系統設計方案，實現了對新村煤業井下通風系統運行狀況的實時監測和預判。

1BP神經網絡

因煤礦井下開采條件極其復雜，各種不確定因素影響較多，風機在運行過程中經常會出現風機停機、不能自動倒臺等故障問題，實現對通風機運行系統各項功能的有效監測、分析及管控，可以減小因通風機故障影響造成的礦井損失。BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡［1-2］，利用網絡計算機數據分析功能，結合通風機系統運行數據，BP神經網絡通過對通風機系統數據的輸入，將各節點間的連接情況正向逐層處理后，得到神經網絡的實際輸出，計算網絡實際輸出與期望輸出的誤差［3］，可以擬合分析出通風機運行系統的一般規律。當前煤礦使用的通風機系統監測預警控制平臺的使用方法較為單一，利用神經網絡對數據進行模糊處理，可以對數據進行篩選、甄別和分析，基于對通風機運行期間存在的故障問題，建立系統故障預測模型。神經網絡的主要作用就是模擬人的思維，在解決處理某個問題時，通過對數據的不斷學習訓練，從而達到對一些問題的自主處理能力，并且能夠通過網絡的學習，實現對問題處理方法的優化調整，從而減少下次犯同樣錯誤的可能性，其本身具有容錯、學習和聯想的特性。BP神經網絡算法是目前應用最為廣泛的神經網絡算法之一，它的學習過程由信號正向傳播與誤差的反向回傳2部分組成。其中在正向傳播時，輸入樣本從輸入層傳入，經各隱層依次逐層處理，傳向輸出層，若輸出層輸出與期望不符的信號，則將誤差作為調整信號逐層反向回傳，對神經元之間的連接權矩陣做出處理，使誤差減小，經反復學習，最終使誤差減小到可接受的范圍［4］。其結構如圖1所示。

2通風監測與預測系統設計方案

2.1通風監測系統

2.1.1總體設計煤礦井下使用的通風監測系統以PLC控制器為核心，主要由通風機主機、信號測取裝置、變頻器、各類傳感（變送）器、信號采集及轉換裝置、通訊裝置、供電裝置、顯示器等設備及元器件組成。它的主要作用是對井下通風系統運行狀態、設備工況進行監測，并對相關數據進行收集及對設備輸入輸出功率進行控制。通風監測系統結構如圖2所示。2.1.2設備硬件的選擇通風監測系統設備硬件的選擇需要根據井下生產需要及通風機的使用情況進行設計，它主要包括通風機供配電系統、通風機設備以及PLC控制系統的選擇設計等［5］。（1）供配電系統的選擇設計。根據井下通風機用電情況對供配電線路及系統進行優化設計，使供配電線路、系統布局合理，降低電能損耗。通風機供配電系統的組成主要包括供電母線聯絡柜供電電源、變壓器、低壓配電柜和進線柜、變頻器供配電線路等相關設備和元件。（2）通風機的選擇。根據該礦通風機系統改造項目實際需要選擇的通風機既要滿足安全生產所需要的風量，又要減少不必要的浪費。經過綜合分析，最終選擇了2臺FBDNO6.3/2×30礦用隔爆型對旋軸流局部通風機，其額定功率為30kW，供風量在390～590m3/min。在通風機安裝時，在其出氣口處安裝了5臺溫度傳感器，同時通風機可以根據工作面用風量需求進行風量大小的自動調節，便于井下使用。（3）PLC控制系統的選擇。本次改造的項目選用了由西門子公司制造生產的S7-400系列PLC控制器，該型號的控制器具有性能穩定可靠、編程簡單、操作靈活等特點［6］，對井下環境適應能力強，能夠滿足井下通風監測系統要求。

2.2數據信息采集系統設計

伴隨著計算機技術水平的不斷提升和發展，數據信息采集功能也得到了廣泛推廣和應用，特別是在傳統工業生產中的推廣應用，大大提升了原有系統的工作效率。在傳統的數據信息采集系統中，其結構主要包括傳感器數據信息采集、信號的傳輸與處理、A/D相互轉換等。該系統設計的基本原理是通過安裝在風機上的傳感器將監測的設備所發出數據信息進行采集，并將采集的信息存儲在傳感器的輸出信號中，通過A/D轉換器將數據信息轉換成數字信號后進行存儲，最后通過以太網傳輸到計算機中，在計算機中顯示并進行分析處理。數據信息采集傳輸處理關系如圖3所示。

2.3通風預測系統設計

通風系統預測的原理是根據數據信息采集系統采集的數據信息進行分析預測，最后將處理信息反饋給控制系統進行執行操作。該系統主要是通過OPCServer服務器在MCGS軟件與PLC控制系統之間實現數據信息的傳輸功能，并且能夠利用MATLAB軟件通過BP神經網絡算法實現通風系統監測平臺數據預測。通風預測系統結構如圖4所示。

3監測平臺的設計與實現

根據井下改造項目的實際需要對通風監測系統軟件平臺的設計提出具體要求，設計的基本原則是確保軟件的實用、穩定可靠，同時在后期能夠進行軟件擴展升級。監測平臺軟件設計結構如圖5所示。由圖5可知，實現監測平臺功能的主要流程是對傳感器數據信息進行采集，并通過工業環網將采集的數據信息進行傳輸，最后通過計算機處理系統對監測和采集到的數據信息進行分析處理，并根據BP神經網絡計算分析結果實現通風監測系統狀態的分析和預判［7-9］。該平臺監測界面顯示的內容主要包括通風機運行狀態、風機轉速、軸溫、電流及電壓等。同時該系統還能夠實現對通風機運行監控、運行狀態查詢、歷史數據查詢、預警、參數設置等功能。后期實際現場應用效果表明，該監測系統能夠對井下通風系統狀況進行實時監測，并對監測的各項數據進行采集分析，對系統是否存在故障進行預判和預測，該系統的各項性能均能夠滿足設計要求。根據BP神經網絡預判預測情況，可以將系統的安全性閾值劃分為危險、較大危險、一般、較安全和安全5個級別。當預判預測的結果為危險時，監測系統將會啟動自動報警功能，從而確保了井下通風系統的安全可靠。

4結論

（1）為了能夠掌握井下通風系統的穩定可靠性，確保風量滿足生產作業要求，保證井下作業安全，通過對井下通風監測系統的設計，實現了對礦井通風機運行狀況的實時監測，并根據監測數據進行分析預判預測。以新村煤業井下通風改造項目為例，利用BP神經網絡對通風監測和預判系統進行了設計，得到了能夠達到該改造項目要求的監測預測系統平臺。（2）對監測系統軟件的各項功能及具體要求提出了總體設計方案，設計開發了監測系統軟件，后期的應用及檢驗結果表明，該系統的各項性能均能滿足設計要求，實現了對井下通風系統的實時監測，并對監測的各項數據進行采集分析，對系統是否存在故障進行預判和預測，確保了井下通風系統的安全穩定。該項設計對井下通風監測系統的研究提供了重要參考價值，對保障井下通風及生產作業安全具有指導意義。

［參考文獻］

［1］溫建強，張巖，高帥帥，等.基于灰色理論－BP神經網絡預測瓦斯含量［J］.能源技術與管理，2020（1）:44-45.

［2］王志偉，葛楠，李春偉.基于BP神經網絡算法的結構振動模態模糊控制［J］.山東大學學報，2020（9）.

［3］黃春香.基于BP神經網絡的熱泵機組故障診斷研究［J］.科技創新與應用，2015（35）:66.

［4］黃亮，趙輝.BP神經網絡模糊控制在電弧爐電極調節系統中的實現［J］.電氣自動化，2010（3）:18-20.

［5］劉偉峰.通風機電氣控制系統的改造［J］.機械管理開發，2020（10）:210-211.

［6］孫國棟.基于PLC的礦井主通風機控制系統設計分析［J］.機械管理開發，2020（7）:232-233.

［7］宋佳林.煤與瓦斯突出預測的PSO-BP算法模型［J］.能源技術與管理，2020（4）：32-33.

［8］曲方，張龍，李迎業，等.基于BP神經網絡的煤與瓦斯突出預測系統開發［J］.中國安全科學學報，2012（1）：11-15.

［9］劉新喜，木合塔爾扎日，王鵬飛，等.基于BP人工神經網絡的礦井瓦斯涌出量預測［J］.安全與環境工程，2002（1）：34-36.

作者：吳淑怡 單位：同煤集團忻州窯礦