Контролируемый диагностический эксперимент в местах многоразрывов с переменным сопротивлением в системе вентиляции шахты

Научные отчеты, том 13, Номер статьи: 5259 (2023) Цитировать эту статью

322 доступа

Подробности о метриках

Диагностика места множественных разломов с переменным сопротивлением (RVMFL) в шахтной вентиляционной системе является важной функцией шахтной интеллектуальной системы вентиляции, которая имеет большое значение для горнобезопасного производства. В этой статье для диагностики RVMFL в шахтной вентиляционной системе предлагается модель контролируемого машинного обучения, основанная на дереве решений (DT), многослойном перцептроне (MLP) и машине ранжирующих опорных векторов (Rank-SVM). Реализуемость метода, а также прогностическая эффективность и способность к обобщению модели были проверены с использованием десятикратной перекрестной проверки набора выборок из нескольких разломов Т-образной вентиляционной сети с угловыми швами с 10 ветвями и экспериментальной вентиляционной сети с 54 ветвями. Надежность модели была дополнительно проверена путем диагностики RVMFL экспериментальной системы вентиляции. Результаты показывают, что три модели, DT, MLP и Rank-SVM, могут использоваться для диагностики RVMFL в шахтных вентиляционных системах, а эффективность прогнозирования и способность к обобщению моделей MLP и DT работают лучше, чем Rank-SVM. модель. При диагностике многоразрывных мест экспериментальной системы вентиляции точность диагностики модели MLP достигала 100 %, модели DT — 44,44 %. Результаты подтверждают, что модель MLP превосходит три модели и может удовлетворить инженерные потребности.

Основная функция шахтной вентиляционной системы – обеспечение свежим воздухом подземных помещений, нуждающихся в ветре. Это разбавляет и удаляет токсичные и вредные газы, такие как газ, окись углерода и пыль. Оно также может создать хорошие условия труда для обеспечения гигиены труда работников и нормального ведения производственной деятельности1,2,3. Хорошая система вентиляции может эффективно снизить вероятность несчастных случаев, таких как возгорание и взрыв газа или угольной пыли, отравление угарным газом и удушье в шахтах4,5. Это показывает, что стабильная и надежная система вентиляции чрезвычайно важна для обеспечения безопасного производства на шахте. Однако в процессе производства шахты неизбежно происходят резкие изменения воздушного объема вентиляционной системы, такие как закупорка выработки пузырькового падения, поломка и выход из строя заслонок, опорожнение шахтного силоса. Сутью этих явлений, приводящих к резким изменениям объема воздуха на проезжей части, является резкое изменение ветрового сопротивления проезжей части. В данном случае данные явления определяются как возникновение нарушения сопротивления в системе шахтной вентиляции6. При возникновении неисправности сопротивления в системе вентиляции шахты существенно меняется распределение объема воздуха в системе вентиляции. Это, скорее всего, приводит к уменьшению подачи воздуха в горно-шахтные забои, а также к накоплению токсичных и вредных газов в некоторых бризовых трубах. Это создаст серьезные угрозы безопасности и риски для шахты7.

Шахтная вентиляционная сеть обладает хорошей самоадаптируемостью и надежностью, что делает ее подходящей для применения методов искусственного интеллекта и машинного обучения8. Благодаря быстрому развитию интеллектуальных технологий традиционный метод, основанный на использовании персонала для выявления неисправностей переменных сопротивлений в системах вентиляции, постепенно был заменен интеллектуальными методами диагностики. Интеллектуальный метод диагностики может сэкономить значительные человеческие и материальные ресурсы. Кроме того, это экономит много времени и адаптируется к требованиям быстрого устранения неисправностей шахтной вентиляционной системы. Исследования показали, что алгоритмы искусственного интеллекта и машинного обучения, такие как машина опорных векторов (SVM), дерево решений (DT), искусственная нейронная сеть (ANN), случайный лес (RF), генетический алгоритм (GA) и многослойный перцептрон (MLP), ), используются для решения задач диагностики единичных неисправностей в системах шахтной вентиляции9,10,11,12,13,14. Однако из-за специфики и сложности условий подземных рудников в системах шахтной вентиляции часто возникают неисправности с переменным сопротивлением в нескольких местах одновременно. Было проведено мало исследований по диагностике и выявлению неисправностей в различных местах шахтных вентиляционных систем.