[发明专利]动态补偿模糊神经网络的煤矸识别方法

权利要求书

1.一种基于动态补偿模糊神经网络的煤矸识别方法，其特征在于：

A.在煤矿井下采掘工作面或其他可能发生煤炭采掘活动的地点放置多个X射线放射源与多个X射线探头，设置不同的X射线探头获取的X射线强度不同；

B.通过所述的多个X射线探头采集穿透煤炭后的X射线强度值x_i(i＝1,2,…,n)，其中，x_i代表第i个X射线探头采集到的X射线强度值；

C.将监测数据得到的X射线强度值x_i传送至数据监测分析仪，所述数据监测分析仪采用模糊神经网络算法，将X射线强度值x_i作为模糊神经网络的输入，分析运输中的煤炭的煤矸石含量；

D.分析后输出的煤矸石含量数据传送至煤矸分选机、皮带控制器或其他可进行煤矸分类的设备；不同煤矸石分类控制器设定不同的煤矸石含量阈值，若输出数据值大于阈值，则输出为煤；若输出数据值小于阈值，则输出为矸石。

2.如权利要求1所述的煤矸识别方法，其特征在于：动态补偿模糊神经网络结构分为六层：

a.输入层，本层将接收的X射线强度值x_i数据引入网络中；

b.模糊化层，本层根据定义的模糊隶属函数对输入的X射线强度值x_i进行模糊化处理，隶属函数可选用三角隶属函数和高斯隶属函数，本方法在实验过程中选择高斯隶属函数作为模糊隶属函数，其公式为：

其中，f_ij是x_i的第j个隶属函数，c_ij和σ_j分别表示的是x_i的第j个隶属函数的中心和宽度，n是输入变量的个数，u是系统隶属函数的个数；

本方法在实验过程中依据在X射线放射源上施加的电压和电流强度不同，对不同的输入x_i，设置不同的输入论域F_i、G_i，i＝1,2,…,n和第j个规则的输出论域C_j，j＝1,2,…,u；

输入信号x_i的u个隶属函数对应u个规则：

如果输入信号x_i的u个规则输入属于论域F，0个输入x属于论域G，则规则输出φ属于论域C₁；

如果n-1个输入x属于论域F，1个输入x属于论域G，则规则输出φ属于论域C₂；

如果n-2个输入x属于论域F，2个输入x属于论域G，则规则输出φ属于论域C₃；

……

如果0个输入x属于论域F，u个输入x属于论域G，则规则输出φ属于论域C_u；

其中F_i表示第i个输入的X射线强度为低的模糊论域，G_i表示第i个输入的X射线强度为高的模糊论域，C_i表示不同煤矸含量的输出论域，煤矸含量随着i的增加而减少,C₁表示矸石含量极高的模糊论域，C_n+1表示矸石含量极低或为0的模糊论域；

c.模糊推理层，本层中每个结点代表一条可能的模糊规则中的IF-部分，该层节点数反映了模糊规则数。第j个规则的输出为：

n是输入变量的个数，u是系统隶属函数的个数；

d.归一化层，称这些节点为N节点。N节点数与模糊规则节点数相等。第j个节点N_j的输出为：

e.消极-积极补偿运算层，本方法采用一种基于积极运算和消极运算的补偿运算；积极运算时，能够将输入映射到最好的输出，为最好的输出制定一个乐观的决策；消极运算正好相反，它能够将输入映射到最坏的输出，为最坏的输出制定一个保守的决策；

积极运算表示为：

ActiveOp＝[Πφ_j]^1/n,j＝1,2,…,u

消极运算表示为：

PassiveOp＝Πφ_j,j＝1,2,…,u

补偿运算表示为：

其中，γ是补偿度，γ∈[0,1]；

f.输出层，本层的每个结点代表着一个输出，该输出是所有输入的叠加，表示为：

其中，ω_ji是第j个补偿模糊神经元到第i个输出神经元的权值。