[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

摘要

本发明公开了一种基于Hopfield神经网络的砌体梁变形监测系统及监测预警方法，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；采用本发明所述系统及方法，多点和多参数监测，集合光栅光纤传感器收集数据，采用矿用光纤进行传输，抗电磁干扰能力强，运行稳定，基于Hopfield神经网络处理系统处理数据并共享操作数据平台，不仅能够优化参数，还能根据井下巷道变形情况来调整预警报警阈值，极大地提高了监测系统的效能。

主权项

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。