CN109345754A - 一种基于bp神经网络的矿井火灾预警监测系统及方法 - Google Patents

一种基于bp神经网络的矿井火灾预警监测系统及方法 Download PDF

Info

Publication number
CN109345754A
CN109345754A CN201811314300.1A CN201811314300A CN109345754A CN 109345754 A CN109345754 A CN 109345754A CN 201811314300 A CN201811314300 A CN 201811314300A CN 109345754 A CN109345754 A CN 109345754A
Authority
CN
China
Prior art keywords
server
neural network
module
fire
monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811314300.1A
Other languages
English (en)
Inventor
黄鑫
姚韦靖
王婷雅
刘雨姗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN201811314300.1A priority Critical patent/CN109345754A/zh
Publication of CN109345754A publication Critical patent/CN109345754A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/186—Fuzzy logic; neural networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Fire Alarms (AREA)

Abstract

本发明公开了一种基于BP神经网络的矿井火灾预警监测系统及方法，包括：包括传感模块、服务器、控制器、启动模块、灭火系统、报警模块、中央控制计算机、分析软件。其中：传感模块，其与服务器相连；服务器，其分别与中央控制计算机和控制器相连；控制器，其分别与启动模块和报警模块相连接；启动模块，其与灭火系统向连，启动灭火系统；中央控制计算机，其与服务器相连，同时搭载分析软件，接收服务器传递的参数；本发明能够实时监测矿井易发火地带数据，及时发现着火点，并采取反馈措施。

Description

一种基于BP神经网络的矿井火灾预警监测系统及方法
技术领域
本发明涉及一种矿井火灾预警监测系统，尤其涉及一种基于BP神经网络的矿井火灾预警监测系统及方法。
背景技术
矿井火灾时煤矿井下五大灾害之一，具有毁坏资源和设备、产生大量有害气体、引起瓦斯爆炸以及产生火风压破坏矿井通风系统等重大危害；随着煤矿开采逐渐向着深部开开采，地温逐渐升高，火灾发生的可能性亦在增加，传统的矿井火灾防治措施主要包括，采用防火材料，设置防火措施，如防火门、防火墙等，以及洒水降温等方式，这些方式不仅需要耗费大量人力物力，而且不能做到实时监测和精准防控。
如中国专利(专利号：201410356754.0)公布了一种用于矿井和地下管网的火灾防控系统及方法，其采用光纤对易发火的区域进行气体分析和温度监测，再将信息传递给判定模块，但煤矿井下发火原因很多，并非只局限于所述气体浓度超标或温度超标就可引发火灾，因此，真正发生火灾时易发生误报或漏报现象。如中国专利(专利号：201621143221.5)矿井采空区火灾监测预警装置，其只采用激光监测易发火地区的气体浓度数据和温度数据，但实际起火原因复杂，监测结果产生的预警并非准确的报告火情，延误最佳救火时机。
针对现有矿井火灾监测系统单一正向传播监测数据判定起火机制的缺陷，提出了一种基于BP神经网络的矿井火灾预警监测系统及方法。
发明内容
本发明的目的在于提供一种可以识别并学习多种矿井火灾发火条件的预警监测系统，为煤矿井下的旧火区及采空区提供实时监测，避免发生预警的漏报和误报情况，提高矿井火情的监测准确性，为井下提高更加安全的保障。为了实现上述功能，本发明提供的技术方案为：
一种基于BP神经网络的矿井火灾预警监测系统，包括传感模块、服务器、控制器、启动模块、灭火系统、报警模块、中央控制计算机、分析软件。其中：
传感模块，其与服务器相连，将传感器收集的信息处理收集传递给服务器；
服务器，其分别与中央控制计算机和控制器相连，将传感模块的信息传递给中央控制计算机，同时，将中央控制计算机的指令传递给传感模块和控制器；
控制器，其分别与启动模块和报警模块相连接，在接收到服务器指令后将警报指令传递给报警模块，将灭火指令传递给启动模块；
启动模块，其与灭火系统向连，启动灭火系统；
中央控制计算机，其与服务器相连，同时搭载分析软件，接收服务器传递的参数，通过分析软件分析后将处理指令传递给服务器进行执行；
优选的是，所述传感模块包括温度传感器，气体浓度传感器，气体成分检测设备，湿度传感器。
优选的是，所述报警模块，包括声音报警，光信号报警。
本发明还可由一种基于BP神经网络的矿井火灾预警监测的方法来实现，在通过机器学习实现数据的输入和输出，同时，对已发生火灾的实时数据进行记录，作为动态比对数据，监测火灾的同时，防止旧火区复燃，该方法的具体步骤包括：
步骤一：确定采集信号为：监测区域内的温度T，监测区域内气体浓度c1,c2,c3...cn，n表示气体成分的总数以及环境湿度H；
步骤二：采用三层BP神经网络，分别为输入层、隐含层、输出层，对输入层的数据进行初始化处理，将传感器收集的数据转换为向量形式x＝{x1,x2,x3...xn+1,xn+2}；其中x1为监测区域内温度系数、x2～xn+1表示各不同成分的气体浓度系数、xn+2表示环境湿度系数；
步骤三：将输入层的数据传递至隐含层，进行BP神经网络训练，隐含层的向量形式为y＝{y1,y2,...ym}，l为输出层数据个数；
步骤四：收集输出层的数据为l＝{l0,l1,l2,l3...ln+1,ln+2}，l0为正常，l1为监测区域内温度异常，l1～ln+1依次为各不同成分的气体浓度异常，ln+2为环境湿度异常；
步骤五：将输出值与设定的安全参数值对比，若输出信号为l＝{1,0,0,0...0}则表示监测结果为正常，若输出信号为l＝{0,1,0,0...0}，则气体成分1浓度异常；若输出信号为l＝{0,0,1,0...0}，则表示气体成分2异常，依次类推，直到l＝{0,0,0,0...1，0}表示气体成分n异常；若输出信号为l＝{0,0,0,0...1}，则表示环境湿度异常；
步骤六：若发现输出信号异常，则启动灭火系统和预警信号，并记录该异常信号参数，若再次监测到异常趋势，通过设置阈值范围进行提前消除隐患。
优选的是，步骤二中初始化的公式为xi为原始数据，xmin为所测同类数据中最小值，xmax为所测同类数据中的最大值；
优选的是，步骤三中隐含层中传递函数为Sigmoid函数；
本发明所具有的优点和积极效果是：能够实时监测矿井易发火地带的温度，气体浓度，环境湿度等参数，及时发现着火点，并采取反馈措施，启动灭火系统和警报装置。及时记录异常数据特征，以便再次出现异常数据趋势时及时遏制，本系统使用较为方便，成本低，准确度高，适用范围广，适合煤矿井下等恶劣高危环境下使用。
附图说明
图1为本发明一种基于BP神经网络的矿井火灾预警监测系统结构示意图
图2为本发明一种基于BP神经网络的矿井火灾预警监测方法流程图；
具体实施方式
下面对本发明做进一步说明：
结合图1：一种基于BP神经网络的矿井火灾预警监测系统结构示意图：11传感模块、12服务器、13分析软件、14控制器、15启动模块、16灭火系统、17报警模块、18中央控制计算机。
传感模块11，其与服务器12相连，将传感器收集的信息处理收集传递给服务器12；服务器12，其分别与中央控制计算机18和控制器14相连，将传感模块11的信息传递给中央控制计算机18，同时，将中央控制计算机18的指令传递给传感模块11和控制器14；控制器14，其分别与启动模块15和报警模块17相连接，在接收到服务器12指令后将警报指令传递给报警模块17，将灭火指令传递给启动模块15；启动模块15，其与灭火系统16向连，启动灭火系统16；中央控制计算机18，其与服务器12相连，同时搭载分析软件13，接收服务器12传递的参数，通过分析软件13分析后将处理指令传递给服务器12进行执行；
当传感器接收到异常信号时，传感模块11首先反应，将数据传递给服务器12，服务器12将信号转换为电信号传递给中央控制计算机18，中央控制计算机18依靠其上搭载的分析软件13对信号进行比对后作出决策指令，由中央控制计算机18将指令发送给服务器12，服务器12将反馈数据发送给传感模块11进行确认比对，将指令传递给控制器14，控制器14根据指令内容将报警指令传递给报警模块17进行报警，将灭火指令传递给启动模块15，启动灭火系统16，完成火情的及时处置。
结合图2一种基于BP神经网络的矿井火灾预警监测方法流程图：
步骤一：确定采集信号为：监测区域内的温度T，监测区域内气体浓度c1,c2,c3...cn，n表示气体成分的总数以及环境湿度H；
步骤二：采用三层BP神经网络，分别为输入层、隐含层、输出层，对输入层的数据进行初始化处理，将传感器收集的数据转换为向量形式x＝{x1,x2,x3...xn+1,xn+2}；其中x1为监测区域内温度系数、x2～xn+1表示各不同成分的气体浓度系数、xn+2表示环境湿度系数；
步骤三：将输入层的数据传递至隐含层，进行BP神经网络训练，隐含层的向量形式为y＝{y1,y2,...ym}，l为输出层数据个数；
步骤四：收集输出层的数据为l＝{l0,l1,l2,l3...ln+1,ln+2}，l0为正常，l1为监测区域内温度异常，l1～ln+1依次为各不同成分的气体浓度异常，ln+2为环境湿度异常；
步骤五：将输出值与设定的安全参数值对比，若输出信号为l＝{1,0,0,0...0}则表示监测结果为正常，若输出信号为l＝{0,1,0,0...0}，则气体成分1浓度异常；若输出信号为l＝{0,0,1,0...0}，则表示气体成分2异常，依次类推，直到l＝{0,0,0,0...1，0}表示气体成分n异常；若输出信号为l＝{0,0,0,0...1}，则表示环境湿度异常；
步骤六：若发现输出信号异常，则启动灭火系统和预警信号，并记录该异常信号参数，若再次监测到异常趋势，通过设置阈值范围进行提前消除隐患。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于BP神经网络的矿井火灾预警监测系统，包括传感模块、服务器、控制器、启动模块、灭火系统、报警模块、中央控制计算机、分析软件。其中：传感模块，其与服务器相连，将传感器收集的信息处理收集传递给服务器；服务器，其分别与中央控制计算机和控制器相连，将传感模块的信息传递给中央控制计算机，同时，将中央控制计算机的指令传递给传感模块和控制器；控制器，其分别与启动模块和报警模块相连接，在接收到服务器指令后将警报指令传递给报警模块，将灭火指令传递给启动模块；启动模块，其与灭火系统向连，启动灭火系统；中央控制计算机，其与服务器相连，同时搭载分析软件，接收服务器传递的参数，通过分析软件分析后将处理指令传递给服务器进行执行。
2.根据权利要求1所述传感模块，其特征在于包括：温度传感器，气体浓度传感器，气体成分检测设备，湿度传感器。
3.根据权利要求1所述报警模块，包括声音报警，光信号报警。
4.一种基于BP神经网络的矿井火灾预警监测方法，使用权利要求1-4所述的一种基于BP神经网络的矿井火灾预警监测系统，其特征在于，包括如下步骤：
步骤一：确定采集信号为：监测区域内的温度T，监测区域内气体浓度c1,c2,c3...cn，n表示气体成分的总数以及环境湿度H；
步骤二：采用三层BP神经网络，分别为输入层、隐含层、输出层，对输入层的数据进行初始化处理，将传感器收集的数据转换为向量形式x＝{x1,x2,x3...xn+1,xn+2}；其中x1为监测区域内温度系数、x2～xn+1表示各不同成分的气体浓度系数、xn+2表示环境湿度系数；
步骤三：将输入层的数据传递至隐含层，进行BP神经网络训练，隐含层的向量形式为y＝{y1,y2,...ym}，l为输出层数据个数；
步骤四：收集输出层的数据为l＝{l0,l1,l2,l3...ln+1,ln+2}，l0为正常，l1为监测区域内温度异常，l1～ln+1依次为各不同成分的气体浓度异常，ln+2为环境湿度异常；
步骤五：将输出值与设定的安全参数值对比，若输出信号为l＝{1,0,0,0...0}则表示监测结果为正常，若输出信号为l＝{0,1,0,0...0}，则气体成分1浓度异常；若输出信号为l＝{0,0,1,0...0}，则表示气体成分2异常，依次类推，直到l＝{0,0,0,0...1，0}表示气体成分n异常；若输出信号为l＝{0,0,0,0...1}，则表示环境湿度异常；
步骤六：若发现输出信号异常，则启动灭火系统和预警信号，并记录该异常信号参数，若再次监测到异常趋势，通过设置阈值范围进行提前消除隐患。
5.根据权利要求4所述一种基于BP神经网络的矿井火灾预警监测方法，步骤二中初始化的公式为xi为原始数据，xmin为所测同类数据中最小值，xmax为所测同类数据中的最大值。
CN201811314300.1A 2018-11-06 2018-11-06 一种基于bp神经网络的矿井火灾预警监测系统及方法 Pending CN109345754A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811314300.1A CN109345754A (zh) 2018-11-06 2018-11-06 一种基于bp神经网络的矿井火灾预警监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811314300.1A CN109345754A (zh) 2018-11-06 2018-11-06 一种基于bp神经网络的矿井火灾预警监测系统及方法

Publications (1)

Publication Number Publication Date
CN109345754A true CN109345754A (zh) 2019-02-15

Family

ID=65313759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811314300.1A Pending CN109345754A (zh) 2018-11-06 2018-11-06 一种基于bp神经网络的矿井火灾预警监测系统及方法

Country Status (1)

Country Link
CN (1) CN109345754A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113605983A (zh) * 2021-08-20 2021-11-05 中国矿业大学(北京) 一种煤矿采空区高温探测预警及防灭火智能协同管控系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103528613A (zh) * 2013-10-25 2014-01-22 中国矿业大学 煤矿井下重大危险源物联网动态监测预警方法
CN203971261U (zh) * 2014-07-25 2014-12-03 电子科技大学 用于矿井和地下管网的火灾防控系统
WO2015058487A1 (zh) * 2013-10-25 2015-04-30 中国矿业大学 基于光纤光栅的巷道顶板离层动态监测系统及预警方法
CN104832216A (zh) * 2015-05-08 2015-08-12 淄博祥龙测控技术有限公司 煤矿自燃火灾光纤测温束管监测系统及方法
CN106197532A (zh) * 2016-06-15 2016-12-07 华侨大学 化工厂防火防爆早期预警及灭火防爆方法
CN106253469A (zh) * 2016-08-09 2016-12-21 华北科技学院 一种基于bp神经网络的供电网络安全监控系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103528613A (zh) * 2013-10-25 2014-01-22 中国矿业大学 煤矿井下重大危险源物联网动态监测预警方法
WO2015058487A1 (zh) * 2013-10-25 2015-04-30 中国矿业大学 基于光纤光栅的巷道顶板离层动态监测系统及预警方法
CN203971261U (zh) * 2014-07-25 2014-12-03 电子科技大学 用于矿井和地下管网的火灾防控系统
CN104832216A (zh) * 2015-05-08 2015-08-12 淄博祥龙测控技术有限公司 煤矿自燃火灾光纤测温束管监测系统及方法
CN106197532A (zh) * 2016-06-15 2016-12-07 华侨大学 化工厂防火防爆早期预警及灭火防爆方法
CN106253469A (zh) * 2016-08-09 2016-12-21 华北科技学院 一种基于bp神经网络的供电网络安全监控系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113605983A (zh) * 2021-08-20 2021-11-05 中国矿业大学(北京) 一种煤矿采空区高温探测预警及防灭火智能协同管控系统
CN113605983B (zh) * 2021-08-20 2022-05-17 中国矿业大学(北京) 一种煤矿采空区高温探测预警及防灭火智能协同管控系统

Similar Documents

Publication Publication Date Title
CN101251942B (zh) 地下空间火灾智能检测预警预报方法及装置
CN112766909A (zh) 适用于舰船消防安全的智能管控系统及方法、计算机介质
KR101219176B1 (ko) 재난 방지용 통합관리 제어 시스템
CN110496355A (zh) 一种基于物联网的智慧消防系统
CN112002095A (zh) 一种矿山洞内的火灾预警方法
CN113936239A (zh) 一种基于神经网络算法的智慧消防火情识别方法和系统
CN105976116B (zh) 基于物联网的消防安全动态评价方法及系统
CN110120143A (zh) 一种炼化企业易燃易爆区域烟雾智能监测系统
Paltrinieri et al. Addressing dynamic risk in the petroleum industry by means of innovative analysis solutions
CN207909280U (zh) 一种石油化工企业火灾预防和监测系统
CN205176589U (zh) 一种基于智能勘测球的火灾灾情勘察系统
CN113920673B (zh) 一种室内火情智能监测方法及系统
CN105278426A (zh) 一种基于智能勘测球的火灾灾情勘察方法及系统
CN109345754A (zh) 一种基于bp神经网络的矿井火灾预警监测系统及方法
CN111178693B (zh) 一种基于二维码的消防设备管理系统
CN116645775A (zh) 一种云平台火灾报警信息响应系统
KR101634336B1 (ko) 함정내 손상통제 시스템 및 손상통제 방법
CN214409649U (zh) 一种基于红外辐射特征的煤自燃监控预测系统
JP2006036177A (ja) 船舶のニューマチック自己診断システム及びその方法、及び前記方法を実現するためのプログラムを記録した、コンピューターで読み取れる記録媒体。
CN104850052A (zh) 火灾应急演练模拟系统及模拟方法
CN214428041U (zh) 一种天然气火灾自动报警装置
KR102417068B1 (ko) 화재 관제 장치 및 이를 이용한 화재 대응 방법, 그리고 화재 관제 시스템
Jha et al. Safety of coal miners using IoT
US20160358449A1 (en) Hydrogen Sulfide Alarm Methods
CN206133255U (zh) 一种具有摄像功能的火花探测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190215