高瓦斯礦井局部通風(fēng)機(jī)智能控制系統(tǒng)研究
發(fā)布時(shí)間:2021-11-09 23:05
煤礦井下局部通風(fēng)機(jī)控制系統(tǒng)是關(guān)系到煤礦生產(chǎn)安全的重要環(huán)節(jié),該系統(tǒng)的正常運(yùn)行能夠保障掘進(jìn)工作面的良好通風(fēng),為井下作業(yè)人員提供安全的生產(chǎn)環(huán)境。本課題的研究對(duì)象火鋪煤礦是一個(gè)高瓦斯礦井,瓦斯涌出量較大且無(wú)規(guī)律,需風(fēng)量計(jì)算系統(tǒng)復(fù)雜,無(wú)法進(jìn)行實(shí)時(shí)推算和預(yù)測(cè);局部通風(fēng)機(jī)調(diào)速算法較為落后,無(wú)法實(shí)現(xiàn)有效的風(fēng)機(jī)調(diào)速;風(fēng)機(jī)控制系統(tǒng)缺乏應(yīng)急電源裝置,存在較大的安全隱患。因此本課題針對(duì)上述問(wèn)題對(duì)局部通風(fēng)機(jī)控制系統(tǒng)進(jìn)行研究與設(shè)計(jì)。一般的局部通風(fēng)機(jī)系統(tǒng)需風(fēng)量計(jì)算都是采用公式定期進(jìn)行推算,在高瓦斯礦井中瓦斯?jié)舛茸兓^快,無(wú)法實(shí)現(xiàn)需風(fēng)量的準(zhǔn)確計(jì)算。因此本文根據(jù)瓦斯、煤塵、溫度、濕度等參數(shù),采用了基于遺傳算法優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法,實(shí)現(xiàn)了對(duì)需風(fēng)量的實(shí)時(shí)預(yù)測(cè),為通風(fēng)機(jī)調(diào)速提供數(shù)據(jù)支持。局部通風(fēng)機(jī)系統(tǒng)是一個(gè)非線性的復(fù)雜系統(tǒng),采用常規(guī)方法難以實(shí)現(xiàn)良好的調(diào)速。本文采用神經(jīng)網(wǎng)絡(luò)作為辨識(shí)部件的T-S模糊控制策略,根據(jù)預(yù)測(cè)出的需風(fēng)量,實(shí)現(xiàn)對(duì)通風(fēng)機(jī)的調(diào)節(jié),具有較好的調(diào)速效果。局部通風(fēng)機(jī)控制系統(tǒng)缺乏有效的應(yīng)急電源設(shè)備,在高瓦斯環(huán)境下容易出現(xiàn)失電導(dǎo)致無(wú)法解決瓦斯積聚的問(wèn)題。因此為控制器設(shè)計(jì)了冗余供電系統(tǒng),增設(shè)了UPS應(yīng)急電源,并...
【文章來(lái)源】:中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:91 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
局部通風(fēng)機(jī)供風(fēng)方式
圖 2-2 通風(fēng)機(jī)特性曲線Figure 2-2 Characteristic curve of ventilator際生產(chǎn)中,根據(jù)通風(fēng)機(jī)運(yùn)行規(guī)律,可以分別得出風(fēng)量Q 、風(fēng)功率 P 與轉(zhuǎn)速n之間的數(shù)學(xué)關(guān)系,如下所示:1 2 1 2Q / Q n /n21 2 1 2H / H ( n / n)31 2 1 2P / P ( n / n)(2-1)可知通風(fēng)機(jī)風(fēng)量和電機(jī)轉(zhuǎn)速成正比關(guān);由式(2-2)可與電機(jī)轉(zhuǎn)速的平方成正比關(guān)系;由式(2-3)可知,通風(fēng)機(jī)的立方成正比關(guān)系。因此可以對(duì)電機(jī)轉(zhuǎn)速進(jìn)行調(diào)節(jié),達(dá)到改變風(fēng)速電力拖動(dòng)原理可知,異步電動(dòng)機(jī)的轉(zhuǎn)速、頻率、與極對(duì)數(shù)之間060(1 )fn sp
得出最優(yōu)調(diào)速方式。將擋風(fēng)板調(diào)速和電機(jī)調(diào)速兩種方式的特性曲線放在一張圖中進(jìn)行對(duì)比,如圖2-3 所示。通風(fēng)機(jī)正常運(yùn)行時(shí),風(fēng)壓和風(fēng)量保持在 A 點(diǎn),當(dāng)采用擋風(fēng)板調(diào)節(jié),將風(fēng)量降低為原來(lái)的一半即hQ 處時(shí),風(fēng)阻曲線由原來(lái)的R變?yōu)閔R ,平衡點(diǎn)由 A點(diǎn)轉(zhuǎn)移至1A點(diǎn)。采用電機(jī)調(diào)速時(shí),當(dāng)風(fēng)量降為原來(lái)的一半,則風(fēng)壓曲線由H 變?yōu)閔H ,平衡點(diǎn)變?yōu)?A 。圖 2-3 通風(fēng)機(jī)特性曲線對(duì)比圖Figure 2-3 Contrast chart of characteristic curve for ventilator通風(fēng)機(jī)的軸功率公式如下所示:102QHP (2-5)式中 P 表示通風(fēng)機(jī)功率,Q和H 分別表示風(fēng)量和風(fēng)壓。根據(jù)軸功率公式可知
【參考文獻(xiàn)】:
期刊論文
[1]基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)光伏MPPT控制[J]. 趙劍飛,盧航宇,丁朋飛. 電機(jī)與控制應(yīng)用. 2018(11)
[2]礦井通風(fēng)安全動(dòng)態(tài)數(shù)據(jù)整合平臺(tái)[J]. 李冠華. 煤礦安全. 2018(10)
[3]現(xiàn)代煤礦通風(fēng)可靠與安全生產(chǎn)研究[J]. 喬進(jìn). 能源與節(jié)能. 2018(10)
[4]基于優(yōu)化算法的六自由度氣浮臺(tái)垂向控制[J]. 陳保秀,王巖. 計(jì)算機(jī)仿真. 2018(09)
[5]基于云計(jì)算的煤礦瓦斯?jié)舛榷唐陬A(yù)測(cè)[J]. 劉曉悅,劉婉晴,郭強(qiáng). 控制工程. 2018(08)
[6]基于自適應(yīng)GAElman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通預(yù)測(cè)[J]. 鄺先驗(yàn),周揚(yáng)棟,宋二猛. 計(jì)算機(jī)仿真. 2018(07)
[7]基于T-S模糊加權(quán)的風(fēng)電機(jī)組變槳距的雙模切換優(yōu)化控制[J]. 張強(qiáng),侯濤. 電機(jī)與控制應(yīng)用. 2018(07)
[8]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)壓電陶瓷蠕變預(yù)測(cè)[J]. 范偉,林瑜陽(yáng),李鐘慎. 電機(jī)與控制學(xué)報(bào). 2018(07)
[9]基于GA-Elman神經(jīng)網(wǎng)絡(luò)的煤礦突水水源判別[J]. 徐星,田坤云,李鳳琴,趙新濤. 西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]改進(jìn)的EMD-Elman采煤工作面瓦斯涌出預(yù)測(cè)[J]. 張吉林. 采礦技術(shù). 2018(02)
博士論文
[1]礦井通風(fēng)系統(tǒng)風(fēng)流參數(shù)動(dòng)態(tài)監(jiān)測(cè)及風(fēng)量調(diào)節(jié)優(yōu)化[D]. 司俊鴻.中國(guó)礦業(yè)大學(xué) 2012
碩士論文
[1]智能交通流量預(yù)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 吳松澤.電子科技大學(xué) 2018
[2]基于T-S模型的非線性系統(tǒng)模型預(yù)測(cè)控制器設(shè)計(jì)[D]. 王永婧.河北科技大學(xué) 2018
[3]基于神經(jīng)網(wǎng)絡(luò)的鋰離子電池SOC估算[D]. 黃磊.湘潭大學(xué) 2017
[4]基于自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)模型[D]. 任浩然.延安大學(xué) 2017
[5]煤礦海量通風(fēng)安全數(shù)據(jù)挖掘算法及智能分析系統(tǒng)研究[D]. 裴秋艷.太原理工大學(xué) 2017
[6]基于T-S模糊模型的水輪機(jī)調(diào)節(jié)系統(tǒng)廣義預(yù)測(cè)控制研究[D]. 劉翔.華中科技大學(xué) 2016
[7]局部通風(fēng)機(jī)智能控制系統(tǒng)研究[D]. 侯秀杰.中國(guó)礦業(yè)大學(xué) 2016
[8]基于改進(jìn)的GA優(yōu)化BP-NN在電網(wǎng)故障區(qū)域診斷中的研究[D]. 袁圃.昆明理工大學(xué) 2016
[9]基于ANFIS-PID控制的局部通風(fēng)機(jī)風(fēng)量自動(dòng)調(diào)節(jié)系統(tǒng)仿真研究[D]. 韓艷杰.南華大學(xué) 2015
[10]局部通風(fēng)機(jī)變頻調(diào)速模糊控制器的開(kāi)發(fā)[D]. 李婧.太原理工大學(xué) 2015
本文編號(hào):3486072
【文章來(lái)源】:中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:91 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
局部通風(fēng)機(jī)供風(fēng)方式
圖 2-2 通風(fēng)機(jī)特性曲線Figure 2-2 Characteristic curve of ventilator際生產(chǎn)中,根據(jù)通風(fēng)機(jī)運(yùn)行規(guī)律,可以分別得出風(fēng)量Q 、風(fēng)功率 P 與轉(zhuǎn)速n之間的數(shù)學(xué)關(guān)系,如下所示:1 2 1 2Q / Q n /n21 2 1 2H / H ( n / n)31 2 1 2P / P ( n / n)(2-1)可知通風(fēng)機(jī)風(fēng)量和電機(jī)轉(zhuǎn)速成正比關(guān);由式(2-2)可與電機(jī)轉(zhuǎn)速的平方成正比關(guān)系;由式(2-3)可知,通風(fēng)機(jī)的立方成正比關(guān)系。因此可以對(duì)電機(jī)轉(zhuǎn)速進(jìn)行調(diào)節(jié),達(dá)到改變風(fēng)速電力拖動(dòng)原理可知,異步電動(dòng)機(jī)的轉(zhuǎn)速、頻率、與極對(duì)數(shù)之間060(1 )fn sp
得出最優(yōu)調(diào)速方式。將擋風(fēng)板調(diào)速和電機(jī)調(diào)速兩種方式的特性曲線放在一張圖中進(jìn)行對(duì)比,如圖2-3 所示。通風(fēng)機(jī)正常運(yùn)行時(shí),風(fēng)壓和風(fēng)量保持在 A 點(diǎn),當(dāng)采用擋風(fēng)板調(diào)節(jié),將風(fēng)量降低為原來(lái)的一半即hQ 處時(shí),風(fēng)阻曲線由原來(lái)的R變?yōu)閔R ,平衡點(diǎn)由 A點(diǎn)轉(zhuǎn)移至1A點(diǎn)。采用電機(jī)調(diào)速時(shí),當(dāng)風(fēng)量降為原來(lái)的一半,則風(fēng)壓曲線由H 變?yōu)閔H ,平衡點(diǎn)變?yōu)?A 。圖 2-3 通風(fēng)機(jī)特性曲線對(duì)比圖Figure 2-3 Contrast chart of characteristic curve for ventilator通風(fēng)機(jī)的軸功率公式如下所示:102QHP (2-5)式中 P 表示通風(fēng)機(jī)功率,Q和H 分別表示風(fēng)量和風(fēng)壓。根據(jù)軸功率公式可知
【參考文獻(xiàn)】:
期刊論文
[1]基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)光伏MPPT控制[J]. 趙劍飛,盧航宇,丁朋飛. 電機(jī)與控制應(yīng)用. 2018(11)
[2]礦井通風(fēng)安全動(dòng)態(tài)數(shù)據(jù)整合平臺(tái)[J]. 李冠華. 煤礦安全. 2018(10)
[3]現(xiàn)代煤礦通風(fēng)可靠與安全生產(chǎn)研究[J]. 喬進(jìn). 能源與節(jié)能. 2018(10)
[4]基于優(yōu)化算法的六自由度氣浮臺(tái)垂向控制[J]. 陳保秀,王巖. 計(jì)算機(jī)仿真. 2018(09)
[5]基于云計(jì)算的煤礦瓦斯?jié)舛榷唐陬A(yù)測(cè)[J]. 劉曉悅,劉婉晴,郭強(qiáng). 控制工程. 2018(08)
[6]基于自適應(yīng)GAElman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通預(yù)測(cè)[J]. 鄺先驗(yàn),周揚(yáng)棟,宋二猛. 計(jì)算機(jī)仿真. 2018(07)
[7]基于T-S模糊加權(quán)的風(fēng)電機(jī)組變槳距的雙模切換優(yōu)化控制[J]. 張強(qiáng),侯濤. 電機(jī)與控制應(yīng)用. 2018(07)
[8]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)壓電陶瓷蠕變預(yù)測(cè)[J]. 范偉,林瑜陽(yáng),李鐘慎. 電機(jī)與控制學(xué)報(bào). 2018(07)
[9]基于GA-Elman神經(jīng)網(wǎng)絡(luò)的煤礦突水水源判別[J]. 徐星,田坤云,李鳳琴,趙新濤. 西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]改進(jìn)的EMD-Elman采煤工作面瓦斯涌出預(yù)測(cè)[J]. 張吉林. 采礦技術(shù). 2018(02)
博士論文
[1]礦井通風(fēng)系統(tǒng)風(fēng)流參數(shù)動(dòng)態(tài)監(jiān)測(cè)及風(fēng)量調(diào)節(jié)優(yōu)化[D]. 司俊鴻.中國(guó)礦業(yè)大學(xué) 2012
碩士論文
[1]智能交通流量預(yù)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 吳松澤.電子科技大學(xué) 2018
[2]基于T-S模型的非線性系統(tǒng)模型預(yù)測(cè)控制器設(shè)計(jì)[D]. 王永婧.河北科技大學(xué) 2018
[3]基于神經(jīng)網(wǎng)絡(luò)的鋰離子電池SOC估算[D]. 黃磊.湘潭大學(xué) 2017
[4]基于自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)模型[D]. 任浩然.延安大學(xué) 2017
[5]煤礦海量通風(fēng)安全數(shù)據(jù)挖掘算法及智能分析系統(tǒng)研究[D]. 裴秋艷.太原理工大學(xué) 2017
[6]基于T-S模糊模型的水輪機(jī)調(diào)節(jié)系統(tǒng)廣義預(yù)測(cè)控制研究[D]. 劉翔.華中科技大學(xué) 2016
[7]局部通風(fēng)機(jī)智能控制系統(tǒng)研究[D]. 侯秀杰.中國(guó)礦業(yè)大學(xué) 2016
[8]基于改進(jìn)的GA優(yōu)化BP-NN在電網(wǎng)故障區(qū)域診斷中的研究[D]. 袁圃.昆明理工大學(xué) 2016
[9]基于ANFIS-PID控制的局部通風(fēng)機(jī)風(fēng)量自動(dòng)調(diào)節(jié)系統(tǒng)仿真研究[D]. 韓艷杰.南華大學(xué) 2015
[10]局部通風(fēng)機(jī)變頻調(diào)速模糊控制器的開(kāi)發(fā)[D]. 李婧.太原理工大學(xué) 2015
本文編號(hào):3486072
本文鏈接:http://www.sikaile.net/kejilunwen/kuangye/3486072.html
最近更新
教材專(zhuān)著