基于多傳感器信息融合的煤礦環(huán)境探測與危險評估.pdf

1、本文針對近年來我國頻繁發(fā)生的礦難事故，依托煤礦救災機器人平臺，結合礦難事故后煤礦井下危險環(huán)境的特點，設計了一套煤礦井下多傳感器信息采集系統(tǒng)，同時提出一種基于粗集一神經網絡的煤礦井下環(huán)境危險度的新算法，對煤礦環(huán)境做出準確實時的評估。 該系統(tǒng)采用飛思卡爾公司最新推出的16位單片機MC9S12DG128B作為控制核心組成智能節(jié)點，對礦難發(fā)生時特征比較明顯的有毒有害氣體、溫度、風量等幾種傳感器的信息進行采集以及融合處理，同時為了簡化系統(tǒng)

2、結構，提高系統(tǒng)的可靠性，智能節(jié)點通訊采用CAN總線結構。這樣充分結合了MC9S12DG128B處理速度快，易擴展和CAN總線數據傳輸的可靠性、開放性，在硬件上保證了危險環(huán)境探測的實時性和準確性。 在控制算法上，神經網絡具有并行處理、信息分布存儲等特點，可通過訓練、學習產生一個非線性映射，自適應地對數據進行聚類，同時具有較好的抑制噪聲干擾的能力和較強的魯棒性。其缺點是當輸入信息空間的維數較大時，網絡不僅結構復雜，而且訓練時間也很長

3、。而粗集可對數據進行屬性約簡和值約簡，消除樣本中的噪聲和冗余對象。這兩者的結合不僅可以減小網絡的規(guī)模，同時通過消除對象冗余可減少網絡的訓練和學習負擔，還可以通過消除噪聲提高神經網絡預測的準確性。 本文根據神經網絡的自學習能力強和粗集理論屬性約簡的特點，結合煤礦井下復雜環(huán)境詳細論證了兩者結合的原理、算法及實現過程，將其結合起來形成粗-神經網絡算法實現對煤礦井下環(huán)境危險程度的評估。仿真結果表明，該粗神經網絡能夠準確評估處煤礦井下環(huán)境