CN104951588A - 一种矿井通风系统辅助设计方法 - Google Patents

Abstract

本发明公开了一种矿井通风系统辅助设计方法，包括以下部分：第一部分：矿井通风系统可靠性分配设计平台，根据使用方提出的可靠性指标，分配到各子系统。第二部分：矿井通风系统改造方案优选平台，根据对矿井通风系统现状的调查分析，对矿井通风系统改造方案进行。第三部分：矿井通风系统可靠性评价平台，根据矿井通风系统当前状况，判断各个影响通风系统整体因素的好坏程度，得到评价等级或可靠度。第四部分：矿井通风系统的预警平台，根据矿井通风系统实时数据的采集，及时地对矿井通风系统的安全性进行监测，并给出预警提示。本发明可对矿井通风系统的设计进行相关的优化及评价，大大提高了效率和准确性，为矿井通风系统的正常运行提供了保障。

Description

一种矿井通风系统辅助设计方法

技术领域

本发明涉及一种矿井通风系统辅助设计方法，属于矿井通风系统技术领域。

背景技术

矿井通风是保障矿井安全的最主要的技术手段之一。在系统初期的设计时，就应该深入使用成熟的可靠性工程来指导实践，减少由于不合理设计而造成系统先天缺陷而导致为后天的可能的事故埋下隐患。在矿井通风系统运行过程中，矿井通风状态是动态的，随机变化的，对于这样的随机特性，就需要用动态的方法来及时评价通风系统的状况。矿井通风系统在长期的运行中，其固有的演化规律有周期性的特征，但由于本身的因素或外部条件变动的影响，系统一般呈现或偏向安全状态或趋于故障失效状态的波动性。如果这种波动剧烈到难以把握时，则有可能发生事故给生产带来严重的损失。故，需要构建矿井通风系统的预警机制以提前预警。同时，随着对不同矿井通风系统的研究，我们能够参考已有的矿井通风系统的优化评判指标体系，给出合理的矿井通风系统改造优化方案。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种从可靠性分配设计到改造方案优选再到可靠性评价再到预警的一整套矿井通风系统的辅助咨询系统的矿井通风系统辅助设计方法，该方法为矿井通风系统提供统一的规划，没有事故隐患，通风系统评价及时、系统波动可提前预警，同时对已有的矿井通风系统的优化评判指标。

为实现上述目的，本发明采用的技术方案为：一种矿井通风系统辅助设计方法，包括四个部分，

第一部分，矿井通风系统可靠性分配方法：根据使用方提出的可靠性指标，在保证矿井通风系统总体可靠度的前提下，通过基于模糊层次分析的系统可靠性分配模型把可靠性指标合理地分配给矿井通风系统的各子系统；

第二部分，矿井通风系统改造方案优选方法；根据对矿井通风系统现状的调查分析，从技术可行性、经济合理性和安全可靠性三个方面提出一套较为全面合理的矿井通风系统改造方案优选评判指标体系；

第三部分，矿井通风系统可靠性评价方法：根据矿井通风系统当前状况，采用科学性原则、可行性原则、系统性原则来衡量判断各个影响通风系统整体因素的好坏程度， 得到评价等级或可靠度；

第四部分，矿井通风系统的预警方法：根据矿井通风系统实时数据的采集，及时地对矿井通风系统的安全性进行检测，并给出预警方案。

本发明提供的一种矿井通风系统辅助设计方法，相比现有技术，具有以下有益效果：本发明给出了从可靠性分配设计到改造方案优选再到可靠性评价再到预警的一整套矿井通风系统的辅助咨询系统的辅助设计方法，因此该方法能够为矿井通风系统提供统一的规划，没有事故隐患，通风系统评价及时、系统波动可提前预警，同时对已有的矿井通风系统的优化评判指标。本发明可对矿井通风系统的设计进行相关的优化及评价，大大提高了效率和准确性，为矿井通风系统的正常运行提供了保障。

附图说明

图1为本发明的系统结构框图。

图2为本发明的模糊层次分析结构模型简图。

图3为本发明的矿井通风系统改造方案优选指标体系图。

图4为本发明的矿井通风系统综合评价指标体系图。

图5为本发明的可靠性分配输入数据界面截图。

图6为本发明的矿井通风系统改造方案优选结果界面截图。

图7为本发明的矿井通风系统可靠性评价静态评价系统实测数据输入界面截图。

图8为本发明的矿井通风系统可靠性评价动态评价界面截图。

图9为本发明的矿井通风系统可靠性评价动态评价可靠度变化趋势界面截图。

图10为本发明的矿井通风系统支持向量机预测结果界面截图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

一种矿井通风系统辅助设计方法，如图1所示，包括四个部分，

第一部分，矿井通风系统可靠性分配方法：根据使用方提出的可靠性指标，在保证矿井通风系统总体可靠度的前提下，通过基于模糊层次分析的系统可靠性分配模型把可靠性指标合理地分配给矿井通风系统的各子系统。

如图2所示，基于模糊层次分析的系统可靠性分配模型的建立方法包括以下步骤：

第101步，根据矿井通风系统的组成单元子系统及其设计影响因素，确定模糊分析层次图，该模糊分析层次图包括三个层次结构，分别为对象层，准则层和目标层，其中 对象层包括矿井通风系统的各子系统；准则层包括工艺技术水平、复杂程度、单元重要程度以及工作环境因素，其中工作环境因素包括经济因素和任务情况；目标层为矿井通风系统整体可靠性；

第102步，确定第101步中准则层中的设计因素艺技术水平、复杂程度、单元重要程度、经济因素和任务情况的评价集及评判尺度；

第103步，从系统总体可靠性角度出发,根据第102步汇总确定的各因素的评判尺度给出对于准则层内各个影响因素的模糊权重评判向量；

第104步，对于对象层内各子系统,根据第102步汇总确定的各因素的评判尺度分别给出各个子系统的模糊评判行向量；同时将各子系统的模糊评判行向量组合成评判矩阵；

第105步，引入三角模糊数对第102步汇总确定的各因素的评判尺度进行模糊化，同时根据三角模糊数和第102步汇总确定的各因素的评判尺度得到三角模糊数的α截集，然后根据该α截集得到第103步中模糊权重评判向量的α截集和第104步中评判矩阵的α截集；

第106步，根据第105步得到的模糊权重评判向量的α截集和评判矩阵的α截集建立模糊综合评判矩阵；

第107步，引入乐观指数对第106步中的模糊综合评判矩阵的区间数转化为非模糊数，将模糊综合评判矩阵转化为非模糊综合评判矩阵；

第108步，对第107步得到的非模糊综合评判矩阵进行归一化处理，其中该归一化后的非模糊综合评判矩的第i行第j列元素表示第i个子系统中第j个影响因素所占的比重，根据归一化后的第i个子系统中第j个影响因素所占的比重求得各子系统的熵权值，进而得到系统的熵权向量；

第109步，根据第108步得到的系统的熵权向量，建立基于模糊层次分析的系统可靠性分配模型，进而求得系统可靠性指标的分配结果。

第二部分，矿井通风系统改造方案优选方法；根据对矿井通风系统现状的调查分析，从技术可行性、经济合理性和安全可靠性三个方面提出一套较为全面合理的矿井通风系统改造方案优选评判指标体系。

如图3所示，矿井通风系统改造方案优选方法是指从改造矿井的几个方案中优选出最好的方案，其方法包括以下步骤：

第201步，建立指标评价体系：根据评价因素，将各因素分为三层，第一层为矿井通风系统改造最优方案；第二层为三大类指标，分别为技术可行性、经济合理性、安全可靠性；第三层为各大类指标所考虑的因素，分别为作为技术可行性指标考虑的矿井风压、矿井总等积孔、矿井风量供需比、通风网络结构合理系数、矿井的有效风量率指标；作为经济合理性指标考虑的通风机总功率、通风机总效率、吨煤通风电费指标；作为安全可靠性指标考虑的风机运转稳定性、矿井抗灾能力和矿井通风管理困难度指标；同时给出各因素的标度，形成判断矩阵标度；

第202步，构造决策方案矩阵：根据需要评价方案、每个方案的评价指标以及评价指标的权重系数、以及每个方案痊愈评价指标的属性值，由各待评价方案中每项评价指标的属性值构造决策方案矩阵；

第203步，确定理想方案：预先确定最优方案和最劣方案，最优方案、最劣方案分别为评价指标的最优值和最劣值；根据确定的最优方案和最劣方案确定评价指标的比较区间和方案的比较空间；

第204步，层次分析法确定指标权重：根据第201步得到的判断矩阵标度构造判断矩阵；根据判断矩阵，计算它的最大特征根所对应的特征向量，这个特征向量就是各评价指标的权重分配；

第205步：模糊联系度：根据第203步确定评价指标的比较区间和方案的比较空间，计算各方案的同一隶属度、对立隶属度以及差异隶属度，进而得到模糊集对分析联系度；

第206步：计算相对贴近度：根据第205步中得到的各方案的同一隶属度、对立隶属度，计算各方案与第203步确定的最优方案的相对贴近度；

第207步：方案的综合评价：根据第206步得到各方案的相对贴近度值的大小对各待评价方案进行排序优化，确定最优理想方案。

第三部分，矿井通风系统可靠性评价方法：根据矿井通风系统当前状况，采用科学性原则、可行性原则、系统性原则来衡量判断各个影响通风系统整体因素的好坏程度，得到评价等级或可靠度。

所述第三部分中矿井通风系统可靠性评价方法，根据对评价的需求，矿井通风系统可靠性评价分为：静态评价方法和动态评价方法；静态评价方法，是根据矿井通风的输入数据，系统给出当前矿井通风系统的等级；动态评价方法，是根据矿井通风的输入数据，系统给出当前矿井通风系统的可靠度，同时用户可以查看矿井通风系统可靠度的变 化趋势图及相关参数图。所述相关参数有：方差系数，偏差系数，峰态系数。

如图4所示，所述静态评价方法包括以下步骤：第301步，建立指标评价体系：根据评价因素，将各因素分为三层，第一层为矿井通风系统综合评价；第二层为六大类指标，分别为矿井风量与风质的合格度、通风网络的合理性、通风设施合格度、系统抗灾能力可靠性、通风管理工作的科学规范性、通风动力可靠性；第三层为各大类指标所考虑的因素，分别为作为矿井风量与风质的合格度考虑的矿井风量供需比、井下作业点最高温度、井下瓦斯最高浓度、采掘面瓦斯超限频率、矿井用风点风质合格度；作为通风网络的合理性考虑的采掘面串联通风发生率、风流不稳定角联分支数、风网独立回路数、风网角联分支数；作为通风设施合格度考虑的矿井风量调节合理度、千米巷道通风设施数、通风设施质量合格度；作为系统抗灾能力可靠性考虑的防灾设施质量合格度、反风系统反风合格度、安全监测系统故障率、风网调节能力合格度；作为通风管理工作的科学规范性考虑的特殊工种人员合格度、规章制度完善度；作为通风动力可靠性考虑的矿井风压、主要通风机运转稳定性、反风系统灵活度、主要通风机能力备用系数、主要通风机装置运行效率；同时通过层次分析法确定各评价指标权重值；

第302步，二级综合评价：第一级评价是根据各评价指标权重值运用三角白化权函数的模糊灰色综合评价方法来得到当前矿井通风系统所处的综合聚类系数：第二级评价是基于单级的模糊综合评价确定当前矿井通风系统各个评价等级，根据第一级得到的综合聚类系数确定该当前矿井通风系统所处的。

所述运用三角白化权函数的模糊灰色综合评价方法包括以下步骤：

第3021步，按照评价要求所需划分的灰类数个数，将各个评价指标的取值范围也相应地划分为相同的灰类数个数的子区间；第3022步，根据第3021步得到的各个评价指标的取值范围子区间，得到各个评价指标关于各个灰类的TWW函数，然后根据各个评价指标关于各个灰类的TWW函数计算出其关于各个评价指标关于各个灰类的隶属度；第3023步，根据第3022步得到的各个评价指标关于各个灰类的隶属度以及第301步各评价指标权重值，计算各个评价指标关于各个灰类的综合聚类系数。

所述动态评价方法包括以下步骤：第303步，分布函数确定及假设检验：根据用户需要输入矿井巷道的条数，每条巷道的名称、巷道截面积、巷道类型、巷道内允许的风速数据，以及相关巷道通风系统的通风数据，得到各风路的风量分布密度函数；并通过 假设检验验证该风量分布密度函数；

第304步，Monte Carlo模拟：根据用户需要输入矿井巷道的条数，每条巷道的名称、巷道截面积、巷道类型、巷道内允许的风速数据，以及相关巷道通风系统的通风数据，运用Monte Carlo方法进行模拟抽样，并统计得到当前矿井通风系统的可靠度，同时，用户还可以查看相关参数的图像。

第四部分，矿井通风系统的预警方法：根据矿井通风系统实时数据的采集，及时地对矿井通风系统的安全性进行检测，并给出预警方案。

所述第四部分中矿井通风系统的预警方法，包括以下步骤：

第401步，预警分级和预测指标确定：将矿井通风系统预警的警示级划分为四个区间，即：1级为可靠区，表示系统处于安全、可靠运行状态；2级为预警区，表示系统较可靠，但短期内有可能进入故障状态；3级为报警区，表示系统进入不可靠状态；4级为故障区，是指系统己经处在极危险，不可靠状态；以风量与风质，通风网络，通风设施，抗灾能力，通风管理和通风动力这个六个方面作为基础，选取矿井风量供需比、采掘面瓦斯超限频率、采矿面串联风发生率、风流不稳定角联分支、千米巷道通风设施数、通风设施质量合格度、防灾设施质量合格率、安全监测系统故障率、特殊工种人员合格度、矿井风压、主通风机运转稳定性、主通风机装置运行效率12个小指标作为预测指标；

第402步，数据离散化：将第401步中的预测指标进行离散化处理；

第403步，决策表区分矩阵的求解：将第402步离散化好的预测指标转为决策表和决策区分矩阵，据此通过粗糙集的思想求出各预测指标的属性重要度；

第404步，支持向量机的参数优选：选择全部或部分指标通过支持向量机方法，根据已有的训练模型对矿井通风系统的预警进行预测。

本发明的矿井通风系统辅助设计方法的咨询设计软件，所述软件包含四个部分：

第一部分：矿井通风系统可靠性分配设计，根据使用方提出的可靠性指标分配到各子系统，设备和元器件。

第二部分：矿井通风系统改造方案优选，根据对矿井通风系统现状的调查分析，从技术可行性、经济合理性和安全可靠性三个方面提出一套较为全面合理的矿井通风系统改造方案优选评判指标体系。

第三部分：矿井通风系统可靠性评价，根据矿井通风系统当前状况，采用科学性原 则、可行性原则、系统性原则来衡量各个影响通风系统整体因素的好坏程度，得到评价等级或可靠度。

第四部分：矿井通风系统的预警，根据矿井通风系统实时数据的采集，及时地对矿井通风系统的安全性进行检测，并给出预警方案。

所述的矿井通风系统可靠性分配设计，为建立可靠性工程体系，可靠性设计是基础。

可靠性工程在决策过程中,会遇到大量的不确定因素,只有充分考虑这些因素的影响,才能得到最合理分配结果。因此,本文在充分考虑不确定因素的基础上提出了“基于模糊层次分析的系统可靠性分配模型”。从技术的角度来看该模型由两个阶段组成，首先是通过层次分析方法(AHP)将其划分为三个层次结构，分别为对象层，准则层和目标层。说明书附图2展示了分层结构。

其次是提出了使用模糊数学计算方法来完成和优化的可靠性分配工作。建立了模糊综合评价矩阵,引入熵的概念，一旦总体可靠性值确定,则可以根据下列方程组计算出每个子系统的可靠性分配:

$\left\{\begin{array}{c}{R}_1={(R_s/\underset{i=1}{\overset{6}{\mathrm{\Π}}}{h}_i)}^{1/6}\·h_1\\ R_k=\frac{h_k}{h_1}{R}_1=h_k\·{(R_s/\underset{i=1}{\overset{6}{\mathrm{\Π}}}{h}_i)}^{1/6}\end{array}\right.k=(\mathrm{2,3},...,6)$

式中：R₁,R₂,...,R₆表示各子系统可靠度，h_i表示熵权向量中第i个值。k值表示子系统编号。

所述的矿井通风系统改造方案优选，从改造矿井的几个方案中优选出最好的方案，首先应建立一个指标评价体系，由于矿井是一个系统，所以应从技术可行性、经济和理性和安全可靠性方面给出指标，最终给出三大类十一项指标。详细指标上面已详述。层次图参见说明书附图3。根据这些待评价的方案中每项指标的属性值来构造决策方案。为了能够在同一范围内进行分析比较，我们根据给定指标值的不同，确定了最优方案和最劣方案。由于各项指标重要性不同，所以采用我们层次分析法(AHP)得到每个指标的权重。最终用模糊集对分析理论得出模糊联系度，进而得出几个矿井的相对贴近度，即得出结果。

所述的矿井通风系统可靠性评价：矿井通风系统的可靠性评价根据对评价的需求分为：静态评价方法和动态评价方法。静态评价方法，是根据矿井通风的输入数据，系统给出当前矿井通风系统的等级(定性)；动态评价方法，是根据矿井通风的输入数据， 系统给出当前矿井通风系统的可靠度(定量)，同时用户可以查看矿井通风系统可靠度的变化趋势图及相关参数图。所述相关参数有：方差系数，偏差系数，峰态系数等。

所述的矿井通风系统可靠性静态评价方法，本系统依据矿井通风系统的组织结构，利用系统工程理论的相关手段，优选指标项目，先用层次分析法来确定评价指标的权重值，然后运用三角白化权函数的模糊灰色综合评价方法来得到当前矿井通风系统所处的等级。说明书附图4展示了分层结构。

所述的矿井通风系统可靠性动态评价方法：矿井通风系统的动态评价可以根据矿井通风系统的当前数据计算出该矿井通风系统的可靠度。首先，用户需要输入矿井巷道的条数，每条巷道的名称、巷道截面积、巷道类型、巷道内允许的风速等数据，同时，还要导入相关巷道通风系统的通风数据，系统计算出其大致分布并做假设检验以验证；最后，系统根据所有巷道数据分布，运用Monte Carlo方法进行模拟抽样，并统计得到当前矿井通风系统的可靠度，同时，用户还可以查看相关参数的图像。

使用本发明矿井通风系统辅助设计系统的方法，包括：

一矿井通风系统可靠性分配模块，用于根据已确定的可靠性分配指标体系，以及用户输入的各自系统基本信息和各影响因素的权重值，系统计算得出矿井通风系统的可靠性分配值。如附图5所示。其基本输入为：工艺水平的权重向量、复杂程度的权重向量、重要程度的权重向量、经济因素的权重向量、任务情况的权重向量、乐观截集值和系统总体可靠度值。

一矿井通风系统改造方案优选模块，用于根据输入的需要优化改造的矿井总个数，以及相关参数，系统计算得出矿井通风系统的改造方案优选结果。如附图6所示。一是矿井通风系统可靠性评价模块。该模块主要分为两部分，分别为静态评价模块和动态评价模块。如附图7、附图8、附图9所示。

所述静态评价模块，系统内部预先确定了优选的可靠性评价指标层次，用户需要输入各层次间的专家权重，然后系统计算得出各层次的判断矩阵，接着用户输入所评价矿井现场实测的23个参数值，系统进一步求解出该矿井通风系统的当前可靠性等级，用户可以将系统评价数据保存到SQL数据库中，SQL数据库中的数据可以在评价界面上即时显示。所述SQL数据库模块主要用于矿井通风系统可靠性评价模块，可以提供数据保存、历史数据查看、历史数据应用等。所述可靠性评价模块中，数据可以是用户输入或者外部导入。外部数据文件格式可以为EXCEL格式。

所述动态评价模块，户需要输入矿井巷道的条数，每条巷道的名称、巷道截面积、巷道类型、巷道内允许的风速等数据，同时，还要导入相关巷道通风系统的通风数据，系统计算出其大致分布并做假设检验以验证；最后，系统根据所有巷道数据分布，运用Monte Carlo方法进行模拟抽样，并统计得到当前矿井通风系统的可靠度，同时，用户还可以查看相关参数的图像。

一是矿井通风系统预警模块，系统预先设定了预警警示级别和预警层次，用户需要输入预警层次指标参数值，接着，将所得数据离散化，转为决策表和决策区分矩阵，据此通过粗糙集的思想求出各指标的属性重要度。最后，选择全部或部分指标通过支持向量机方法，根据已有的训练模型进行预测。如附图10所示。

矿井通风系统辅助咨询设计系统是一套专为矿井安全生产设计的通风专业软件，可以从矿井的可靠性设计开始，到方案改造优选，再到可靠性评价以及预警的整个流程提供全面的服务。

以下给出本发明的理论推导部分。

1、矿井通风系统可靠性分配:①模糊分析层次结构确定

根据矿井通风系统的组成单元子系统及其设计影响因素，我们确定了模糊分析层次图，如说明书附图2所示。该图由三个层次构成，分别为对象层，准则层和目标层，对象层为矿井通风系统组成的子系统(通风动力子系统；通风设施子系统；通风管理部门子系统等)，准则层为影响矿井通风系统设计的各个影响因素(工艺水平，重要程度，复杂程度等)，目标层为矿井通风系统整体可靠性。

②评价集及评判尺度的确定

评判尺度采用五级制，由数字1，3，5，7，9来表示；对于每种因素，又有不同的含义，例如对于技术水平，采用的评价集为{不成熟,一般成熟,较成熟,成熟,非常成熟},而对于工作时间,则采用的评价集为{较短,短,中等,长,非常长}。

③模糊权重评判向量的构造从系统总体可靠性角度出发,给出对于准则层内各个影响因素的模糊权重评判向量，可以表示为：

$\stackrel{\‾}{W}={\{\stackrel{\‾}{w_1},\stackrel{\‾}{w_2},\stackrel{\‾}{w_3},\stackrel{\‾}{w_4},\stackrel{\‾}{w_5}\}}^T---(1-1)$

其中表示五个影响因素所占的权重向量值。

④模糊评判向量矩阵的构造

对于对象层内各子系统,分别给出各个子系统对于准则层各影响因素的模糊评价。例如,对于子系统i,专家分别给出因素1、因素2、……、因素5的模糊评判行向量

${\tilde{C}}_{\mathrm{ij}}=\{{\tilde{c}}_{i1},{\tilde{c}}_{i2},{\tilde{c}}_{i3},{\tilde{c}}_{i4},{\tilde{c}}_{i5}\},i=\mathrm{1,2},...,5---(1-2)$

其中表示第i个子系统中第j个影响因素的模糊评价值。该模糊评价值即为第i个子系统中第j个影响因素的模糊评价集尺度。将各子系统的模糊评判行向量组合成评判矩阵,得到:

⑤求评判向量和矩阵的α水平截集首先要引入三角模糊数，三角模糊数本质上是一种隶属函数，通过它可以将确定的数值转化为不同区间上的隶属数值，从而将确定值模糊化，三角模糊数可以表示为：其隶属函数为：

${\mathrm{\&mu;}}_A\left(x\right)=\left\{\begin{array}{cc}0& x<a_1\\ \frac{x-a_1}{a_2-a_1}& a_1\&le;x\&le;a_2\\ \frac{a_3-x}{a_3-a_2}& a_2\&le;x\&le;a_2\\ 0& x>a_3\end{array}\right.---(1-4)$

根据上文提出的评判尺度及三角模糊数，数字1，3，5，7，9，其三角数值特征如表1-1所示：

表1-1 三角模糊数特征取值表

通过定义隶属度α的值,可以获得模糊数的α水平截集。即对于α∈[0,1],可以将模糊数表示为区间数,如式(1-5)所示。

${\tilde{x}}^{\mathrm{\&alpha;}}=[x_l^{\mathrm{\&alpha;}},x_u^{\mathrm{\&alpha;}}]=[(a_1-a_2)\mathrm{\&alpha;}+a_1,-(a_3-a_2)\mathrm{\&alpha;}+a_3]---(1-5)$

评判向量系统的评判矩阵的α截集可以写为：

${\tilde{W}}^{\mathrm{\&alpha;}}={\{\stackrel{\&OverBar;}{w_1^{\mathrm{\&alpha;}}},\stackrel{\&OverBar;}{w_2^{\mathrm{\&alpha;}}},\stackrel{\&OverBar;}{w_3^{\mathrm{\&alpha;}}},\stackrel{\&OverBar;}{w_4^{\mathrm{\&alpha;}}},\stackrel{\&OverBar;}{w_5^{\mathrm{\&alpha;}}}\}}^T---(1-6)$

其中

其中， ${\tilde{c}}_{\mathrm{ij}}^{\mathrm{\&alpha;}}=[c_{\mathrm{ijl}}^{\mathrm{\&alpha;}},c_{\mathrm{iju}}^{\mathrm{\&alpha;}}](i=\mathrm{1,2},...,5;j=\mathrm{1,2},...,6),$ α的大小反映了系统的模糊程度,α越大,系统模糊性越小(当α＝1时,系统为非模糊系统)；反之则系统模糊性越大。

⑥构造模糊综合评判矩阵

用评价矩阵中的各元素乘以相对应的影响因素权重,可以建立模糊综合评判矩阵：

其中:为模糊乘算子， ${\tilde{a}}_{\mathrm{ij}}^{\mathrm{\&alpha;}}=[a_{\mathrm{ijl}}^{\mathrm{\&alpha;}},a_{\mathrm{iju}}^{\mathrm{\&alpha;}}]={\tilde{c}}_{\mathrm{ij}}^{\mathrm{\&alpha;}}\&CircleTimes;{\tilde{w}}_{\mathrm{ij}}^{\mathrm{\&alpha;}}=[c_{\mathrm{ijll}}^{\mathrm{\&alpha;}}\&times;w_{\mathrm{jl}}^{\mathrm{\&alpha;}},c_{\mathrm{iju}}^{\mathrm{\&alpha;}}\&times;w_{\mathrm{ju}}^{\mathrm{\&alpha;}}],$ 利用 算子可以尽可能地保留模糊信息,增加决策的可信度。

⑦求模糊综合评判矩阵的λ截集引入乐观指数λ(λ∈[0,1]),对式(1-8)中的区间数进行运算,可以将区间数转化为非模糊数,如式(1-9):

${\hat{x}}_{\mathrm{\&lambda;}}^{\mathrm{\&alpha;}}=x_l^{\mathrm{\&alpha;}}+\mathrm{\&lambda;}(x_u^{\mathrm{\&alpha;}}-x_l^{\mathrm{\&alpha;}})---(1-9)$

乐观指数λ越大,则非模糊数的值越大，当λ＝1时，用乐观指数λ作为评判矩阵的满意度,将转化为非模糊综合评判矩阵

$A_{\mathrm{\&lambda;}}^{\mathrm{\&alpha;}}={\left[\begin{array}{cccc}{\hat{a}}_{11}& {\hat{a}}_{12}& ...& {\hat{a}}_{15}\\ {\hat{a}}_{21}& {\hat{a}}_{22}& ...& {\hat{a}}_{25}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ {\hat{a}}_{61}& {\hat{a}}_{62}& ...& {\hat{a}}_{65}\end{array}\right]}_{6\&times;5}---(1-10)$

其中 ${\hat{a}}_{\mathrm{ij}}=\mathrm{\&lambda;}{a}_{\mathrm{iju}}^{\mathrm{\&alpha;}}+(1-\mathrm{\&lambda;})a_{\mathrm{ijl}}^{\mathrm{\&alpha;}},(i=\mathrm{1,2},...,6;j=\mathrm{1,2},...,5),$ λ越大,决策者对决策的乐观程度越大,反之则乐观程度越小。

⑧求熵权：对非模糊矩阵进行归一化处理,得到矩阵:

其中：f_ij(i＝1,2,...,5；j＝1,2,...,6)表示第i个子系统中第j个影响因素所占的比重。由此，可以求得熵权向量H：

H＝[h₁ h₂ … h_m]^T      (1-12) 

在信息领域中， $h_i=-\underset{j=1}{\overset{6}{\mathrm{\&Sigma;}}}{f}_{\mathrm{ij}}\log \left(f_{\mathrm{ij}}\right),(i=\mathrm{1,2},...,5;j=\mathrm{1,2},...,6),$ 熵权数值越大，系统的封闭性越大，人为干扰越小。

⑨可靠性分配 

假定各子系统可靠度分别为R₁,R₂,...,R₆，则有:

$R_i=\frac{h_i}{h_1}{R}_1,(i=\mathrm{1,2},...,6)---(1-13)$

假定系统总体可靠度为R_s,对于串联系统,则有:

$R_s=\underset{i=1}{\overset{6}{\mathrm{\&Pi;}}}{R}_I={\left(\frac{R_1}{h_1}\right)}^6\&CenterDot;\underset{i=1}{\overset{6}{\mathrm{\&Pi;}}}{h}_i,(i=\mathrm{1,2},...,6)---(1-14)$

从而可以求得系统可靠性指标的分配结果:

$\left\{\begin{array}{c}{R}_1={(R_s/\underset{i=1}{\overset{6}{\mathrm{\&Pi;}}}{h}_i)}^{1/6}\&CenterDot;h_1\\ R_k=\frac{h_k}{h_1}{R}_1=h_k\&CenterDot;{(R_s/\underset{i=1}{\overset{6}{\mathrm{\&Pi;}}}{h}_i)}^{1/6}\end{array}\right.k=(\mathrm{2,3},...,6)---(1-15)$

2、矿井通风系统改造方案优选:

①构造决策方案矩阵：设所需评价方案为S_k(k＝1，2，…，m)，则有m个方案可供评价筛选。每个方案的评价指标为e_r(r＝1，2，…，n)，d_kr则为方案S_k关于评价指标e_r的属性值。W_j为指标e_r的权重系数。且一满足W_j>0，由各待评价方案中每 项评价指标的属性值构造决策方案矩阵D则有：

②确定理想方案

为在同一范围内进行分析比较，需预先确定最优方案和最劣方案。若记最优方案u＝(u₁，u₂，…u_n),最劣方案v＝(v₁，v₂，…v_n)。其中u_r、v_r分别为指标e_r的最优值和最劣值。显然，对不同类型指标，u_r和v_r的确定也不同。通常评价指标主要分为正向指标(收益型)和逆向指标(成本型)。对正向指标，u_r≥d_kr，v_r≤d_kr(k＝1，2，…，m；r＝1，2，…，n)。对逆向指标u_r≤d_kr，v_r≥d_kr。为方便可对逆向指标取倒数将其转变为正向指标。于是，最优方案和最劣方案分别成为各评价指标的最大值和最小值的集合即：

u＝(max{d_k1}，max{d_k2}，…max{d_kn})       (2-2) 

v＝(min{d_k1}，min{d_k2}，…min{d_kn})         (2-3) 

由此.确定了指标e_r的比较区间和方案S_k的比较空间[u，v]。

③层次分析(AHP)法确定指标权重

运用层次分析法求解判断矩阵，同时还要对求得的判断矩阵进行一致性检验所谓判断矩阵的一致性，即判断矩阵A有如下关系：b_ij＝b_ik/b_jk；i，j，k＝1，2，…，n。根据矩阵理论，当判断矩阵具有完全一致性时，具有唯一非零的，也是最大的特征根λ_max＝n，且除λ_max＝n外，其余特征根均为零。当其具有满意的一致性时，它的最大特征根稍大于矩阵阶数n，且其余特征根接近于零，这样基于层次分析法得出的结论才是基本合理的。在层次分析法中引入判断矩阵最大特征根以外的其余特征根的负平均值作为度量判断矩阵偏离一致性的指标，

为了度量不同阶判断矩阵是否具有满意的一致性，还需引入判断矩阵的平均随机一致性指标RI值。该值是经足够多次重复进行随机判断矩阵特征值的计算，然后取其算术平均数而得。因为1、2阶判断矩阵总具有完全一致性，故RI只是形式上的，RI＝0。当阶数大于2时，判断矩阵的一致性指标CI与同阶平均随机一致性指标RI之比称为随机一致性比率，记为CR。当CR<0.1时，一般认为判断矩阵具有满意的一致性，否则就需要调整判断矩阵，并使之具有满意的一致性。指标层次总排序的一致性检 验，可按下式计算：

$\mathrm{CR}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_i{\mathrm{CI}}_i}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_i{\mathrm{RI}}_i}---(2-4)$

式中：CI_i—因素集D_i的判断矩阵的一致性指标；RI_i—因素集D_i的判断矩阵的平均随机一致性指标，见表2-1。

表2-1RI系数表

矩阵阶数N	2	3	4	5	6	7	8	9	10
										RI	0.00	0.52	0.89	1.12	1.26	1.36	1.41	1.46	1.52

④模糊联系度 

(1)同一隶属度 

对正向指标，当比较区间为[Vr，Ur]，则在论域X_r＝{d_kr，u_r，v_r}(k＝1，2，…，m)上定义集对{d_kr，u_r}的同一隶属度a_kr为：

$a_{\mathrm{kr}}=\frac{d_{\mathrm{kr}}}{u_r+v_r}---(2-5)$

(2)对立隶属度 

在上述条件卜定义该集对的对立隶属度为：

$c_{\mathrm{kr}}=\frac{\frac{1}{d_{\mathrm{kr}}}}{\frac{1}{u_r}+\frac{1}{v_r}}=\frac{u_r{v}_r}{(u_r+v_r)\&CenterDot;d_{\mathrm{kr}}}---(2-6)$

式中a_kr，c_kr分别表示d_kr与u_r，v_r的接近程度。

⑤计算相对贴近度

据集对分析理论可知a_kr，c_kr是相对确定的，分别表示S_k接近最优方案u的肯定和否定程度那么在相对确定条件下可定义S_k与u的相对贴近度r_k为：

$r_k=\frac{a_k}{a_k+c_k}---(2-7)$

⑥方案的综合评价

根据各方案的相对贴近度r_k值的大小对各待评价方案进行排序优化。若 则S_k为最优理想方案.

3、矿井通风系统可靠性评价:

静态评价

①评价体系指标优选

经过考察不同类型的矿井通风系统，深入研究矿井通风理论，参考前人的研究成果并汲取国内近几年来煤矿各次重大灾害事故发生及扩大的原因和影响因素的基础上，综合评定矿井通风系统的好与差，本文选择相关的评价指标，如说明书附图4所示。

②指标权重定量

矿井通风系统进行综合评价也是由相互关联和相互制约的一系列定性或定量因素所构成的复杂系统的决策问题。因此，确定评价指标权重值仍可采用层次分析法(AHP)来确定权重。该法在上一章节中已介绍。

③二级综合评价，其中：

第一级评价是基于白化权函数的灰色评估方法，其具体步骤如下：

第一步：按照评价要求所需划分的灰类数s，将各个评价指标的取值范围也相应地划分为s个灰类，例如，将j指标的取值范围[a₁,a_s+1]划分为s个区间

[a₁,a₂],…,[a_k-1,a_k],…,[a_s-1,a_s],[a_s,a_s+1] 

其中，a_k(k＝1,2,…s,s+1)的值要根据实际问题的要求或定性研究结果取定。

第二步:令λ_k＝(a_k+a_k+1)/2属于第k个灰类的TWW函数值为1，连接(λ_k，1)与第k-1个灰类的起点a_k+1和第k+1个灰类的终点a_k+2连接，得到指标j关于k灰类的TWW函数j＝1,2,…,m；k＝1,2,…，s。对于和，可分别将j指标的取值域向左、右延拓至a₀，a_s+2：

对于j指标的TWW函数为：

$f_j^k\left(x\right)=\left\{\begin{array}{cc}0& x\&NotElement;[a_{k-1},a_{k+2}]\\ \frac{x-a_{k-1}}{{\mathrm{\&lambda;}}_k-a_{k-1}}& x\&Element;[a_{k-1},{\mathrm{\&lambda;}}_k]\\ \frac{a_{k+2}-x}{a_{k+2}-{\mathrm{\&lambda;}}_k}& x\&Element;[{\mathrm{\&lambda;}}_k,a_{k+2}]\end{array}\right.---(3-1)$

若评价对象i对于指初标j的观测值为x，由上式可计算出其关于灰类k(k＝1，2，…，s)的隶属度

第三步：计算评价对象i(i＝1,2,…,n)关于灰类k(k＝1,2,...,s)的综合聚类系数

${\mathrm{\&sigma;}}_i^k=\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{f}_j^k\left(x_{\mathrm{ij}}\right)\&CenterDot;{\mathrm{\&eta;}}_j---(3-2)$

其中，为对象i(i＝1,2,…,n)在指标j(j＝1,2,…,m)下关于灰类k(k＝1,2,...,s)的TWW函数，η_j为指标j在综合聚类中的权重。

第二级评价是基于单级的模糊综合评价，其具体步骤如下：

第一步：构成因素集。

该级模糊综合评价因素集为D，其中的每一个因素D_i(i＝1，2，…，n)由上一级评价中的各聚类(即评价体系的次级目标)所构成。

第二步：构成评语集。

C＝{优秀A级(C₁)，合格B级(C₂)，不合格C级(C₃)}

第三步：构成模糊评判矩阵

关于灰类k的不同函数值，则代表了该次级指标的在三个不同评语等级的隶属度值，分别计算各个次级指标的关于灰类k的不同函数值(隶属度值)，得矩阵 用构成模糊评判矩阵为：

第四步：计算模糊评判结果

因素集D的权重分配为得评判结果为归一化得

第五步：确定评价等级

根据模糊综合评价结果首先按最高隶属度原则确定基本评价等级， 然后根据其余等级隶属度大小，按下列原则进行修正：

(1)如果基本评价等级为C级，当b₁+b₂>b₃/2时，则最终评价等级应上调至B级，否则保持不变为C级。

(2)如果基本评价等级为A级，当b₂+b₃>b₁/2时，则最终评价等级应下调至B级，否则保持不变为A级。

(3)如果基本评价等级为B级，当b₁>b₂/2>b₃时，则最终评价等级应上调至A级；当b₁<b₂/2<b₃时，则最终评价等级应下调至C级，否则保持不变为B级。

动态评价

①分布函数确定及假设检验

对于矿井通风系统来讲，其最为重要的作用是保证流经巷道的风量能够满足用风地点的需求。假设通风系统中任一风路i的风量为Q_i，则在给定某一长度的观测时间内，则可以得到风流流量Q的样本集，即：Q₁,Q₂,...,Q_n,，那么由此样本集可近似估计风路i的风量分布密度函数。此处，假设矿井通风系统中一般数据分布形式-正态分布来介绍。在这里我们可以假设巷道风量分布的密度函数符合正态分布，即：

$f(q;\mathrm{\&mu;},{\mathrm{\&sigma;}}^2)=\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}\exp [-\frac{1}{2}{\left(\frac{q-\mathrm{\&mu;}}{\mathrm{\&sigma;}}\right)}^2]---(3-3)$

待估的参数为μ，σ²。采用最大似然估计法求解得到参数值为：

$\left\{\begin{array}{c}\widehat{\mathrm{\&mu;}}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{q}_i}{n}\\ \widehat{{\mathrm{\&sigma;}}^2}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(q_i-\widehat{\mathrm{\&mu;}})}^2}{n}\end{array}\right.---(3-4)$

假设检验： 

我们只是初步确定了巷道风量的分布函数，但是需要有相应的方法来检验假设正态分布的正确性。本节先采用χ²拟合检验方法来检验总体正态分布，然后再使用“偏度、峰度检验法”来再次检验，以保证假设的正确性。

在置信水平为0.95的条件下检验假设：

H₀：X的概率密度为： $f\left(q\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}\exp [-\frac{1}{2}{\left(\frac{q-\mathrm{\&mu;}}{\mathrm{\&sigma;}}\right)}^2],-\&infin;<q<+\&infin;---(3-5)$

若H₀为真则按照标准正态分布函数表，可得概率P(A_i)的估计值。

②Monte Carlo模拟

应用Monte Carlo方法分析矿井通风网络系统可靠性评估的过程可以划分为三个过程，即系统状态抽样过程，系统状态分析过程与指标统计过程。其步骤可以详细描述为：

(1)确定风险变量；

(2)对每一变量进行跟踪记录，得到变量分布的样本集，并通过特定的方法分析对样本集的变化的范围进行分析，从而确定这些变化的概率分布，构造风险变量的概率分布模型；

(3)通过模拟试验，枚举每一个变量的状态，亦即独立地为各变量抽取随机数，依据随机数按照概率分布模型转化为各输入变量的抽样值，完成对系统进行状态抽样过程；

(4)将抽样值组成一组经济评价基础数据；并可以根据该组基础数据计算出评价指标值；

(5)确定试验(模拟)次数以满足预定的精度要求，重复进行试验，整理试验结果所得项目评价指标值的期望值、方差、标准差和它的概率分布及累计概率，绘制累计概率图，求出相关可靠性指标。

4、矿井通风系统预警:

①预警分级和预测指标确定

通过对各类通风系统的调查和资料的收集。本系统将矿井通风系统预警的警示级划分为四个区间及12个预测指标，②数据离散化

为了达到连续属性的离散化，可以采用不同的策略，例如可以参考按照专家提出的成熟的区分表来划分相应的区间，也可以采用不同的数学算法来依据某种属性输入空间进行划分。本系统采用了3级分类，其属性值域均为{1，2，3}。来进行连续数据的离散化，形成决策表。其中因素条件属性集：

C＝{A1,A2,A3,A4,A5,A6,A7,A8,A9,A10,A11,A12}，分别对应于表中的矿井风量供需比、采掘面瓦斯超限频率、采掘面串联通风发生率及通风设施质量合格度等12项影响因素。决策属性D＝{d}，对应于矿井通风系统预警等级，即：可靠区取“1”；预警区取“2”；报警区取“3”；故障区取“4”。

③决策表区分矩阵的求解

决策表可以根据知识表达系统定义如下：

设S＝(U,A,V,f)为一知识表达系统，其中A＝C∪D，且C称为条件属性集，D称为决策属性集。具有条件属性和决策属性的知识表达系统称为决策表。

令IS＝(U，A，V，f)是一个信息系统，|∪|＝n.S的区分矩阵式一个n×n矩阵，其任意元素为：

因此，a(x,y)是区别对象x和y的所有属性集合。

引入一个布尔函数，称其为区分函数，用Δ表示，对每个属性a∈A，我们指定一个布尔变量“a”。若则指定一个布尔函数a₁∨a₂∨...∨a_k，用∑_a(x,y)来表示；若则指定布尔变量I，(布尔)区分函数Δ可定义如下：

$\mathrm{\&Delta;}=\underset{(x,y\&Element;U\&times;U)}{\mathrm{\&Pi;}}\mathrm{\&Sigma;a}(x,y)---(4-2)$

至此，我们将步骤②离散化后的数据表看作一个信息系统，该信息系统有论域U＝{1,2,3，…，15}；条件属性集合

C＝{A1,A2,A3,A4,A5,A6,A7,A8,A9,A10,A11,A12}，C的论域集合均为：V＝{1,2,3}。

对于信息系统内的数据，我们设：a：A1；b：A2；c：A3；d：A4；e：A5；f：A6；g：A7；h：A8；i：A9；j：A10；k：A11；l：A12。根据公式(5-3)，产生决策表区分矩阵。

④核的确定 

在生成区分矩阵M(C，D)之后，可以求出属性的核CORE(C,D)。在相对约简中。核是不可缺少的属性，在区分矩阵中的元素，如其中只包含一个属性的即为核，即若|m_ij＝1|，则此属性为核，CORE(C,D)＝{m_ij；|m_ij|＝1.m_ij∈M(C,D)}，记为C₀＝CORE(C,D)。

⑤属性重要度的求解

信息蕴含在不确定中，不确定性越大，则信息量越大。信息论中，用信息熵来度量事件出现结果的不确定程度。而在概率论中，不确定性用随机变量来描述。

设x是取有限个值的随机变量Pi(i＝1，…，n)则X的熵定义为：

$H\left(X\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i{\log }_2\frac{1}{P_i}=-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i{\log }_2{P}_i---(4-3)$

X的熵越大，则表明X的不确定性越大。熵就是概率的平均信息量。而X的某一取值X_i的信息量定义为：H(X_i)＝-log₂P_i。

设两个随机变量X、Y，它们的联合概率分布为P(X,Y)＝P{X＝x,Y＝y},边际概率为P(X)＝P{X＝x}，P(Y)＝P{Y＝y},对U/R＝{a1,x2,…xn},U/D＝{y1,y2,…yn},已知{Y＝y}下，X的条件熵为：

$H\left(X\right|Y=y)=-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}p\left(x_i\right|y)\log p\left(x_i\right|y)---(4-4)$

已知Y的条件下，X的平均熵定义为：

$H\left(X\right|Y=y)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}p\left(y_i\right)H\left(X\right|Y=y_i)=-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}p\left(y_i\right)\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}p\left(x_i\right|y_i)\log p\left(x_i\right|y_i)---(4-5)$

条件熵H(X|Y)反映了已知随机变量Y的取值结果后，随机变量X的取值结果的不确定性有多大。

根据公式(4-5)求取属性的重要性。同时，我们根据各属性的重要性计算值的大小进行特征项的选择。

⑥支持向量机的参数优选

(1)数据归一化 

我们通常要对输入的样本数据进行归一化处理：(1)避免较大范围变化的数据淹没较小范围变化的数据；(2)避免计算中出现数值困难，因为核值计算特征向量的内积，如线性核和多项式核，大的特征值可能会引起数值困难。相关文献建议，将输入量归一化至[0，1]，但在预测中并不是很理想，故对常用的归一化公式×做了改进，用将数据归一化到[0.10，0.90]之间，定量数据可以按照上述方法进行归一化。

(2)核函数的选择 

目前研究的核函数有许多种，到目前为止，还不能从理论上给出合适的核函数选择 方法，只有通过实验的方式来选择核函数。本文选择了三种核函数，即：多项式核函数、径向基核函数和Sigmoid核函数。

多项式核函数在次数一定时，随着参数C的增加，准确率有所增加；Sigmoid核函数训练精度变化较大，在参数C较小时随着C的增大而增大，但当C增大到一定值后，精度增加的极其缓慢；RBF核函数在无论参数C取何止，均保持了极高的精度，总体精度要好于其他两种多项式核函数。因此采用RBF核函数建立预测模型。

(3)参数的确定 

由于支持向量机的性能除了受样本和核函数的影响外，主要受核参数和惩罚参数C的影响，为了尽可能的得到符合实际的核函数，在实验中利用了LIBSVM工具箱的网格搜素法事先对两个参数进行了优选，优选结果如图10所示，语句是：$python.exe grid.py train_data，其中train_data是来自上节收集的样本，运行的最佳参数是：Best c＝8.0，g＝0.5，rate＝80％。

⑥用训练好的模型进行判定预测

模型建立时我们运用神华集团补连塔煤矿为例，选择了8个实例作为预测样本，用于对模型的推理能力和预测效果进行检验，输出结果用1、2、3、4表示，其中1为可靠区，2为预警区，3为报警区，4级为故障区。

将样本数据作为预测样本，经过归一化处理(要与训练样本一块进行归一化处理)，利用上节中得到的优选参数，代入模型，得到预测结果。在八组预测样本中，只有一组出现了错误，也就是预测准确率为87.5％，与建立模型时对预测样本的精度要求一致，这显示了前面建立的模型还是比较成功的。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种矿井通风系统辅助设计方法，其特征在于：包括四个部分，

第一部分，矿井通风系统可靠性分配方法：根据使用方提出的可靠性指标，在保证矿井通风系统总体可靠度的前提下，通过基于模糊层次分析的系统可靠性分配模型把可靠性指标合理地分配给矿井通风系统的各子系统；

第二部分，矿井通风系统改造方案优选方法；根据对矿井通风系统现状的调查分析，从技术可行性、经济合理性和安全可靠性三个方面提出一套较为全面合理的矿井通风系统改造方案优选评判指标体系；

第三部分，矿井通风系统可靠性评价方法：根据矿井通风系统当前状况，采用科学性原则、可行性原则、系统性原则来衡量判断各个影响通风系统整体因素的好坏程度，得到评价等级或可靠度；

第四部分，矿井通风系统的预警方法：根据矿井通风系统实时数据的采集，及时地对矿井通风系统的安全性进行检测，并给出预警方案。

2.根据权利要求1所述的矿井通风系统辅助设计方法，其特征在于：所述第一部分矿井通风系统可靠性分配方法中基于模糊层次分析的系统可靠性分配模型的建立方法包括以下步骤：

第101步，根据矿井通风系统的组成单元子系统及其设计影响因素，确定模糊分析层次图，该模糊分析层次图包括三个层次结构，分别为对象层，准则层和目标层，其中对象层包括矿井通风系统的各子系统；准则层包括工艺技术水平、复杂程度、单元重要程度以及工作环境因素，其中工作环境因素包括经济因素和任务情况；目标层为矿井通风系统整体可靠性；

第102步，确定第101步中准则层中的设计因素艺技术水平、复杂程度、单元重要程度、经济因素和任务情况的评价集及评判尺度；

第103步，从系统总体可靠性角度出发,根据第102步汇总确定的各因素的评判尺度给出对于准则层内各个影响因素的模糊权重评判向量；

第104步，对于对象层内各子系统,根据第102步汇总确定的各因素的评判尺度分别给出各个子系统的模糊评判行向量；同时将各子系统的模糊评判行向量组合成评判矩阵；

第105步，引入三角模糊数对第102步汇总确定的各因素的评判尺度进行模糊化，同时根据三角模糊数和第102步汇总确定的各因素的评判尺度得到三角模糊数的α截集，然后根据该α截集得到第103步中模糊权重评判向量的α截集和第104步中评判矩阵的α截集；

第106步，根据第105步得到的模糊权重评判向量的α截集和评判矩阵的α截集建立模糊综合评判矩阵；

第107步，引入乐观指数对第106步中的模糊综合评判矩阵的区间数转化为非模糊数，将模糊综合评判矩阵转化为非模糊综合评判矩阵；

第108步，对第107步得到的非模糊综合评判矩阵进行归一化处理，其中该归一化后的非模糊综合评判矩的第i行第j列元素表示第i个子系统中第j个影响因素所占的比重，根据归一化后的第i个子系统中第j个影响因素所占的比重求得各子系统的熵权值，进而得到系统的熵权向量；

第109步，根据第108步得到的系统的熵权向量，建立基于模糊层次分析的系统可靠性分配模型，进而求得系统可靠性指标的分配结果。

3.根据权利要求4所述的矿井通风系统辅助设计方法，其特征在于：第二部分的矿井通风系统改造方案优选方法是指从改造矿井的几个方案中优选出最好的方案，其方法包括以下步骤：

第201步，建立指标评价体系：根据评价因素，将各因素分为三层，第一层为矿井通风系统改造最优方案；第二层为三大类指标，分别为技术可行性、经济合理性、安全可靠性；第三层为各大类指标所考虑的因素，分别为作为技术可行性指标考虑的矿井风压、矿井总等积孔、矿井风量供需比、通风网络结构合理系数、矿井的有效风量率指标；作为经济合理性指标考虑的通风机总功率、通风机总效率、吨煤通风电费指标；作为安全可靠性指标考虑的风机运转稳定性、矿井抗灾能力和矿井通风管理困难度指标；同时给出各因素的标度，形成判断矩阵标度；

第202步，构造决策方案矩阵：根据需要评价方案、每个方案的评价指标以及评价指标的权重系数、以及每个方案痊愈评价指标的属性值，由各待评价方案中每项评价指标的属性值构造决策方案矩阵；

第203步，确定理想方案：预先确定最优方案和最劣方案，最优方案、最劣方案分别为评价指标的最优值和最劣值；根据确定的最优方案和最劣方案确定评价指标的比较区间和方案的比较空间；

第204步，层次分析法确定指标权重：根据地201步得到的判断矩阵标度构造判断矩阵；根据判断矩阵，计算它的最大特征根所对应的特征向量，这个特征向量就是各评价指标的权重分配；

第205步：模糊联系度：根据第203步确定评价指标的比较区间和方案的比较空间，计算各方案的同一隶属度、对立隶属度以及差异隶属度，进而得到模糊集对分析联系度；

第206步：计算相对贴近度：根据第205步中得到的各方案的同一隶属度、对立隶属度，计算各方案与第203步确定的最优方案的相对贴近度；

第207步：方案的综合评价：根据第206步得到各方案的相对贴近度值的大小对各待评价方案进行排序优化，确定最优理想方案。

4.根据权利要求5所述的矿井通风系统辅助设计方法，其特征在于：所述第三部分中矿井通风系统可靠性评价方法，根据对评价的需求，矿井通风系统可靠性评价分为：静态评价方法和动态评价方法；静态评价方法，是根据矿井通风的输入数据，系统给出当前矿井通风系统的等级；动态评价方法，是根据矿井通风的输入数据，系统给出当前矿井通风系统的可靠度，同时用户可以查看矿井通风系统可靠度的变化趋势图及相关参数图。所述相关参数有：方差系数，偏差系数，峰态系数。

5.根据权利要求5所述的矿井通风系统辅助设计方法，其特征在于：所述静态评价方法包括以下步骤：

第301步，建立指标评价体系：根据评价因素，将各因素分为三层，第一层为矿井通风系统综合评价；第二层为六大类指标，分别为矿井风量与风质的合格度、通风网络的合理性、通风设施合格度、系统抗灾能力可靠性、通风管理工作的科学规范性、通风动力可靠性；第三层为各大类指标所考虑的因素，分别为作为矿井风量与风质的合格度考虑的矿井风量供需比、井下作业点最高温度、井下瓦斯最高浓度、采掘面瓦斯超限频率、矿井用风点风质合格度；作为通风网络的合理性考虑的采掘面串联通风发生率、风流不稳定角联分支数、风网独立回路数、风网角联分支数；作为通风设施合格度考虑的矿井风量调节合理度、千米巷道通风设施数、通风设施质量合格度；作为系统抗灾能力可靠性考虑的防灾设施质量合格度、反风系统反风合格度、安全监测系统故障率、风网调节能力合格度；作为通风管理工作的科学规范性考虑的特殊工种人员合格度、规章制度完善度；作为通风动力可靠性考虑的矿井风压、主要通风机运转稳定性、反风系统灵活度、主要通风机能力备用系数、主要通风机装置运行效率；同时通过层次分析法确定各评价指标权重值；

第302步，二级综合评价：第一级评价是根据各评价指标权重值运用三角白化权函数的模糊灰色综合评价方法来得到当前矿井通风系统所处的综合聚类系数：第二级评价是基于单级的模糊综合评价确定当前矿井通风系统各个评价等级，根据第一级得到的综合聚类系数确定该当前矿井通风系统所处的。

6.根据权利要求6所述的矿井通风系统辅助设计方法，其特征在于：所述可靠性静态评价方法：所述第302步中运用三角白化权函数的模糊灰色综合评价方法包括以下步骤：

第3021步，按照评价要求所需划分的灰类数个数，将各个评价指标的取值范围也相应地划分为相同的灰类数个数的子区间；

第3022步，根据第3021步得到的各个评价指标的取值范围子区间，得到各个评价指标关于各个灰类的TWW函数，然后根据各个评价指标关于各个灰类的TWW函数计算出其关于各个评价指标关于各个灰类的隶属度；

第3023步，根据第3022步得到的各个评价指标关于各个灰类的隶属度以及第301步各评价指标权重值，计算各个评价指标关于各个灰类的综合聚类系数。

7.根据权利要求6所述的矿井通风系统辅助设计方法，其特征在于：所述动态评价方法包括以下步骤：

第303步，分布函数确定及假设检验：根据用户需要输入矿井巷道的条数，每条巷道的名称、巷道截面积、巷道类型、巷道内允许的风速数据，以及相关巷道通风系统的通风数据，得到各风路的风量分布密度函数；并通过假设检验验证该风量分布密度函数；

第304步，Monte Carlo模拟：根据用户需要输入矿井巷道的条数，每条巷道的名称、巷道截面积、巷道类型、巷道内允许的风速数据，以及相关巷道通风系统的通风数据，运用Monte Carlo方法进行模拟抽样，并统计得到当前矿井通风系统的可靠度，同时，用户还可以查看相关参数的图像。

8.根据权利要求7所述的矿井通风系统辅助设计方法，其特征在于：所述第四部分中矿井通风系统的预警方法，包括以下步骤：

第401步，预警分级和预测指标确定：将矿井通风系统预警的警示级划分为四个区间，即：1级为可靠区，表示系统处于安全、可靠运行状态；2级为预警区，表示系统较可靠，但短期内有可能进入故障状态；3级为报警区，表示系统进入不可靠状态；4级为故障区，是指系统己经处在极危险，不可靠状态；以风量与风质，通风网络，通风设施，抗灾能力，通风管理和通风动力这个六个方面作为基础，选取矿井风量供需比、采掘面瓦斯超限频率、采矿面串联风发生率、风流不稳定角联分支、千米巷道通风设施数、通风设施质量合格度、防灾设施质量合格率、安全监测系统故障率、特殊工种人员合格度、矿井风压、主通风机运转稳定性、主通风机装置运行效率12个小指标作为预测指标；

第402步，数据离散化：将第401步中的预测指标进行离散化处理；

第403步，决策表区分矩阵的求解：将第402步离散化好的预测指标转为决策表和决策区分矩阵，据此通过粗糙集的思想求出各预测指标的属性重要度；

第404步，支持向量机的参数优选：选择全部或部分指标通过支持向量机方法，根据已有的训练模型对矿井通风系统的预警进行预测。