基于电磁辐射法的煤与瓦斯突出预测研究

论文摘要

近年来,我国煤矿安全事故频频发生。其中煤与瓦斯突出现象,给煤矿安全生产,特别是井下工作人员的生命财产造成了极其严重的威胁。这给我国煤炭行业的发展敲响了警钟。煤与瓦斯突出是矿井含瓦斯煤岩体呈粉碎状态从煤岩层中向采掘空间急剧(数秒钟到数分钟完成)运动并伴随着大量瓦斯喷出的一种强烈的动力过程。长期的防治工作和科学研究表明,煤与瓦斯突出虽然是突发性的,但在突出前均有前兆显现,其中电磁辐射就是前兆之一。由于电磁辐射信号中含有大量的噪声,而且目前去噪技术也不能很好的使电磁辐射监测得以准确预报,因此本论文采用了基于小波变换的去噪方法,并通过大量的数值计算和计算机仿真证明了该思想的可行性。以自适应神经网络的基本原理为基础,系统研究了煤与瓦斯突出电磁辐射自适应神经网络预测的原理,将电磁辐射自适应神经网络模型应用于煤与瓦斯突出危险性预测上。实现了煤与瓦斯突出危险性的电磁辐射动态趋势预测。文章的最后还简要的介绍了监测系统的设计实施方案。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 煤与瓦斯突出的现状
• 1.1.1 煤与瓦斯突出机理概述
• 1.1.2 煤与瓦斯突出预测预报方法
• 1.2 课题提出的背景
• 1.3 本论文的主要工作
• 2 电磁辐射法预测煤与瓦斯突出原理
• 2.1 受载煤岩变形破裂电磁辐射规律及产生机理
• 2.2 瓦斯气体对电磁辐射的影响
• 2.3 瓦斯流动对电磁辐射频谱的影响
• 2.3.1 实验系统
• 2.3.2 实验样品制作及实验步骤
• 2.3.3 结果与分析
• 2.4 电磁辐射法预测突出原理
• 2.5 现场试验结果
• 2.6 小结
• 3 利用小波变换进行电磁辐射信号去噪处理
• 3.1 电磁辐射信号采集过程中噪声的来源及特征
• 3.1.1 电磁辐射信号采集过程中噪声的来源
• 3.1.2 电磁辐射信号噪声的幅频特征
• 3.1.3 电磁辐射信号采集中的噪声模型及去噪原理
• 3.2 小波变换对电磁辐射信号去噪的研究
• 3.2.1 小波变换基本理论
• 3.2.2 多分辨率分析及对电磁辐射信号的去噪研究
• 3.3 小波包对电磁辐射的去噪研究
• 3.3.1 小波包基本概念及其性质
• 3.3.2 信号的小波包分解与分析
• 3.3.3 算法描述
• 3.3.4 电磁辐射信号的小波包去噪分析
• 3.4 小结
• 4 煤与瓦斯突出电磁辐射的神经网络预测方法
• 4.1 人工神经网络的基本原理
• 4.1.1 BP神经网络概述
• 4.1.2 BP神经网络的结构模型
• 4.1.3 BP神经网络的算法
• 4.1.4 BP网络存在的问题
• 4.1.5 BP神经网络的优化算法
• 4.2 煤与瓦斯突出电磁辐射神经网络预测、预报原理
• 4.3 MATLAB与神经网络工具箱简介
• 4.3.1 MATLAB语言简介
• 4.3.2 神经网络工具箱简介
• 4.4 电磁辐射的神经网络的设计
• 4.4.1 电磁辐射BP网络结构设计
• 4.4.2 电磁辐射神经网络的程序设计
• 4.5 煤与瓦斯突出电磁辐射神经网络预测的应用
• 4.6 小结
• 5 煤与瓦斯突出电磁辐射预测系统的实现
• 5.1 煤与瓦斯突出电磁辐射在线监测系统设计
• 5.2 煤与瓦斯突出电磁辐射监测仪系统构成
• 5.3 电磁辐射连续监测软件的研制
• 5.3.1 KBD7煤岩电磁辐射连续监测系统
• 5.3.2 软件的组成及功能
• 5.3.3 实时数据的采集及显示
• 5.3.4 历史数据的显示
• 结论
• 参考文献
• 作者简历
• 学位论文数据集