[发明专利]一种基于神经网络的避难硐室实时状态监测方法

说明书

本发明公开了一种基于神经网络的避难硐室实时状态监测方法，该方法包括以下步骤：一、避难硐室内监测点的布设及气体传感器的安装；二、获取避难硐室内监测点的历史气体浓度数据；三、训练集和测试集的归一化处理；四、避难硐室气体状态在线测量模型的获取；五、根据避难硐室气体状态在线测量模型，将气体传感器实时检测的气体浓度输入实现在线测量，以获取实时的避难硐室气体状态系数。本发明方法步骤简单，利用避难硐室内监测点的历史气体浓度数据，实现避难硐室气体状态在线测量模型的获取，并采用避难硐室气体状态在线测量模型进行避难硐室气体状态系数的预测，从而实现对避险硐室状态的实时监测。

技术领域

本发明属于煤矿安全技术领域，尤其是涉及一种基于神经网络的避难硐室实时状态监测方法。

背景技术

我国煤矿安全事故频繁发生，借鉴国外煤矿紧急救援经验与技术，研制出适合于我国井下应急救援的避难硐室。2011年4月10日我国首次完全模拟灾变环境的条件下避难硐室载人试验在山西潞安集团常村煤矿获得完美成功。避难硐室试验的成功代表煤矿紧急避险系统的初步实现，为事故发生后紧急救援提供有效的方式，增加了被困人员生还的概率，标志着我国避难硐室正式进入实用阶段，对中国煤矿安全生产具有重要的意义。综合目前国内研究为避难硐室系统总体研究提供了理论依据，及可靠的实验数据，为矿井紧急避险系统的完善奠定了基础。避难硐室是关乎煤炭安全生产的重要保障，而对避险硐室实时状态的监测的相关技术却相对空白，对避难硐室的实时状态进行监测是避难硐室在矿难发生时能否对井下工作人员提供庇护的先决条件。因此对避难硐室的状态监测是关乎煤矿安全生产的重要一环。因此，现如今需要一种基于神经网络的避难硐室实时状态监测方法，利用避难硐室内监测点的历史气体浓度数据，实现避难硐室气体状态在线测量模型的获取，并采用避难硐室气体状态在线测量模型进行避难硐室气体状态系数的预测，从而实现对避险硐室状态的实时监测，且提高了避难硐室状态监测的准确度。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于神经网络的避难硐室实时状态监测方法，其方法步骤简单，设计合理，利用避难硐室内监测点的历史气体浓度数据，实现避难硐室气体状态在线测量模型的获取，并采用避难硐室气体状态在线测量模型进行避难硐室气体状态系数的预测，从而实现对避险硐室状态的实时监测，且提高了避难硐室状态监测的准确度。

为解决上述技术问题，本发明采用的技术方案是：一种基于神经网络的避难硐室实时状态监测方法，其特征在于，该方法包括以下步骤：

步骤一、避难硐室内监测点的布设及气体传感器的安装：其中，气体传感器包括氧气传感器、一氧化碳传感器、甲烷传感器和二氧化碳传感器，且氧气传感器、一氧化碳传感器、甲烷传感器和二氧化碳传感器的数量均为多个；

步骤二、获取避难硐室内监测点的历史气体浓度数据：

气体传感器按照预先设定的采样时间对避难硐内的气体浓度进行检测，并将各个气体传感器各个采样时刻采集到的气体浓度发送至数据处理器，数据处理器接收到M组气体浓度，并从M组气体浓度中选择训练集和测试集；

步骤三、训练集和测试集的归一化处理：

采用所述数据处理器对训练集和测试集进行归一化处理，得到归一化训练集和归一化测试集；

步骤四、避难硐室气体状态在线测量模型的获取：

步骤401、构建改进的LSTM神经网络模型；

步骤402、采用所述数据处理器对归一化训练集和归一化测试集进行处理，得到输入特征矩阵；

步骤403、采用所述数据处理器对输入特征矩阵进行处理，得到输入主动专心度主元特征矩阵；