[发明专利]基于Hopfield神经网络的砌体梁变形监测系统及监测预警方法

权利要求书

1.一种基于Hopfield神经网络的砌体梁变形监测预警方法，其特征在于，在Hopfield神经网络处理系统中将传感器采集的数据输入的信息进行分类并编组，设置预警报警阈值，完成分析处理，具体步骤如下：

步骤一：对光栅光纤传感器收集的数据经过解调后进行接收并存储；

步骤二：对矿井输入的参数进行编号并分类和分组，设置模型架构，选取5个具有代表性的评估因子，并对数据进行仿真编码学习，取得预警报警阈值信息存储在存储搜索服务器中；

步骤三：通过对神经网络模型的编码学习，优化仿真计算结果修改等级编码规则，优化评估因子之间的影响，减小相关性影响，增加对评估因子权重的分析，对预警报警阈值进行修改设定，收集数据反复进行仿真模拟计算，得出砌体梁变形监测的重要评估因子与预警报警阈值组，以及相对应的权重系数，完成模型学习；

步骤四：将步骤三建立的阈值数据参数储存到存储搜索服务器中，并对数据验算试验，存储评估因子和预警报警阈值组，以及相对应的权重系数，描述砌体梁变形类型和变形形态分类，设定预测预警表述，形成一个井上基于Hopfield神经网络处理系统的可以学习并能储存的计算机操作圈，同时通过煤矿客户端共享服务器存储数据，生成关于综合情况报表的历史数据。

2.根据权利要求1所述的基于Hopfield神经网络的砌体梁变形监测预警方法，其特征在于，步骤二中5个具有代表性的评估因子为：监测点深度、监测点位移量、监测夹角、顶板监测点应力值、帮部监测点应力值。

3.根据权利要求1所述的基于Hopfield神经网络的砌体梁变形监测预警方法，其特征在于，将收集到的传感器数据经过仿真编码后，通过建立的神经网络模型对数据进行筛选，分类储存于存储搜索服务器，形成预警报警阈值存储体系。

4.根据权利要求1所述的基于Hopfield神经网络的砌体梁变形监测预警方法，其特征在于，步骤二建立的神经网络模型处理及学习方法为，输入信息与权重系数的乘积求累加和，并经非线性函数处理后产生输出信息；

如果神经元的输出信息大于等于预警报警阈值，那么神经元的输出取值为1，

如果神经元的输出信息小于预警报警阈值，则神经元的输出取值为-1；

二元神经元的计算公式：

其中：x_j为外部输入，w_ij为数据编号，且有

其中：θ_j为预警报警阈值；

一个网络状态是输出神经元信息的集合，对于一个输出层是n个神经元的网络，其中t时刻的状态为一个n维向量：

Y(t)＝[y₁(t),y₂(t),...,y_n(t)]^T, (3)

y_i(t)(i＝1,2,3,...,n)可以取值为1或-1，故n维向量Y(t)有2ⁿ种状态，即网络有2ⁿ种状态；考虑一般节点状态，用y_j(t)表示第j个神经元，即节点j在时刻t的状态，则节点的下一个时刻(t+1)的状态可以求得：

5.一种用于实现权利要求1-4任一项所述的基于Hopfield神经网络的砌体梁变形监测预警方法的系统，其特征在于，包括设置在巷道内每一处监测点的光栅光纤传感器和设置在井上且通过井下监测系统平台与光栅光纤传感器通信连接的光纤光栅解调仪，光纤光栅解调仪的信号输出端连接有Hopfield神经网络处理系统，Hopfield神经网络处理系统与存储搜索服务器信息交互，其中：

光栅光纤传感器用于采集应力监测点的数据并传送至井下监测系统平台；井下监测系统平台用于收集光栅光纤传感器传来的数据并将其传输至井上的光纤光栅解调仪；光纤光栅解调仪用于接收井下监测系统平台传输的数据，并对接收到的数据进行解调后传输至Hopfield神经网络处理系统；Hopfield神经网络处理系统用于对光纤光栅解调仪解调后的数据进行分类和编组，设置预警报警阈值；存储搜索服务器用于储存经过Hopfield神经网络处理和分析之后的数据。