［摘要］为了能够准确掌握井下通风机运行系统的运行状况，确保风量满足生产作业要求，以新村煤业井下通风改造项目为例，利用BP神经网络对通风监测和预判系统进行了设计，后期应用及检验结果表明，该系统的各项性能均能满足设计要求，实现了对井下通风系统的实时监测，通过对监测的各项数据进行采集分析，预判和预测系统是否存在故障，确保了井下通风系统的安全稳定。
［关键词］通风系统；通风机；监测系统；BP神经网络；数据采集
0引言
实现对通风系统状态的及时或超前预判，对保障煤矿井下安全生产具有十分重要的意义。因此，在煤矿井下开采过程中，建立一套井下通风监测系统和通风状态预判机制是十分必要的，它可以提高对井下通风系统状况的监测和预警能力，提升矿井安全管理水平。本文以新村煤业通风系统改造项目为例，利用BP神经网络拟合分析能力，提出了矿井通风监测系统设计方案，实现了对新村煤业井下通风系统运行状况的实时监测和预判。
1BP神经网络
因煤矿井下开采条件极其复杂，各种不确定因素影响较多，风机在运行过程中经常会出现风机停机、不能自动倒台等故障问题，实现对通风机运行系统各项功能的有效监测、分析及管控，可以减小因通风机故障影响造成的矿井损失。BP神经网络是一种按误差逆传播算法训练的多层前馈网络［1-2］，利用网络计算机数据分析功能，结合通风机系统运行数据，BP神经网络通过对通风机系统数据的输入，将各节点间的连接情况正向逐层处理后，得到神经网络的实际输出，计算网络实际输出与期望输出的误差［3］，可以拟合分析出通风机运行系统的一般规律。当前煤矿使用的通风机系统监测预警控制平台的使用方法较为单一，利用神经网络对数据进行模糊处理，可以对数据进行筛选、甄别和分析，基于对通风机运行期间存在的故障问题，建立系统故障预测模型。神经网络的主要作用就是模拟人的思维，在解决处理某个问题时，通过对数据的不断学习训练，从而达到对一些问题的自主处理能力，并且能够通过网络的学习，实现对问题处理方法的优化调整，从而减少下次犯同样错误的可能性，其本身具有容错、学习和联想的特性。BP神经网络算法是目前应用最为广泛的神经网络算法之一，它的学习过程由信号正向传播与误差的反向回传2部分组成。其中在正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符的信号，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小，经反复学习，最终使误差减小到可接受的范围［4］。其结构如图1所示。
2通风监测与预测系统设计方案
2.1通风监测系统。2.1.1总体设计。煤矿井下使用的通风监测系统以PLC控制器为核心，主要由通风机主机、信号测取装置、变频器、各类传感（变送）器、信号采集及转换装置、通讯装置、供电装置、显示器等设备及元器件组成。它的主要作用是对井下通风系统运行状态、设备工况进行监测，并对相关数据进行收集及对设备输入输出功率进行控制。通风监测系统结构如图2所示。2.1.2设备硬件的选择。通风监测系统设备硬件的选择需要根据井下生产需要及通风机的使用情况进行设计，它主要包括通风机供配电系统、通风机设备以及PLC控制系统的选择设计等［5］。（1）供配电系统的选择设计。根据井下通风机用电情况对供配电线路及系统进行优化设计，使供配电线路、系统布局合理，降低电能损耗。通风机供配电系统的组成主要包括供电母线联络柜、供电电源、变压器、低压配电柜和进线柜、变频器、供配电线路等相关设备和元件。（2）通风机的选择。根据该矿通风机系统改造项目实际需要选择的通风机既要满足安全生产所需要的风量，又要减少不必要的浪费。经过综合分析，最终选择了2台FBDNO6.3/2×30矿用隔爆型对旋轴流局部通风机，其额定功率为30kW，供风量在390～590m3/min。在通风机安装时，在其出气口处安装了5台温度传感器，同时通风机可以根据工作面用风量需求进行风量大小的自动调节，便于井下使用。（3）PLC控制系统的选择。本次改造的项目选用了由西门子公司制造生产的S7-400系列PLC控制器，该型号的控制器具有性能稳定可靠、编程简单、操作灵活等特点［6］，对井下环境适应能力强，能够满足井下通风监测系统要求。
2.2数据信息采集系统设计。伴随着计算机技术水平的不断提升和发展，数据信息采集功能也得到了广泛推广和应用，特别是在传统工业生产中的推广应用，大大提升了原有系统的工作效率。在传统的数据信息采集系统中，其结构主要包括传感器数据信息采集、信号的传输与处理、A/D相互转换等。该系统设计的基本原理是通过安装在风机上的传感器将监测的设备所发出数据信息进行采集，并将采集的信息存储在传感器的输出信号中，通过A/D转换器将数据信息转换成数字信号后进行存储，最后通过以太网传输到计算机中，在计算机中显示并进行分析处理。数据信息采集传输处理关系如图3所示。
2.3通风预测系统设计。通风系统预测的原理是根据数据信息采集系统采集的数据信息进行分析预测，最后将处理信息反馈给控制系统进行执行操作。该系统主要是通过OPCServer服务器在MCGS软件与PLC控制系统之间实现数据信息的传输功能，并且能够利用MATLAB软件通过BP神经网络算法实现通风系统监测平台数据预测。通风预测系统结构如图4所示。
3监测平台的设计与实现
根据井下改造项目的实际需要对通风监测系统软件平台的设计提出具体要求，设计的基本原则是确保软件的实用、稳定可靠，同时在后期能够进行软件扩展升级。监测平台软件设计结构如图5所示。由图5可知，实现监测平台功能的主要流程是对传感器数据信息进行采集，并通过工业环网将采集的数据信息进行传输，最后通过计算机处理系统对监测和采集到的数据信息进行分析处理，并根据BP神经网络计算分析结果实现通风监测系统状态的分析和预判［7-9］。该平台监测界面显示的内容主要包括通风机运行状态、风机转速、轴温、电流及电压等。同时该系统还能够实现对通风机运行监控、运行状态查询、历史数据查询、预警、参数设置等功能。后期实际现场应用效果表明，该监测系统能够对井下通风系统状况进行实时监测，并对监测的各项数据进行采集分析，对系统是否存在故障进行预判和预测，该系统的各项性能均能够满足设计要求。根据BP神经网络预判预测情况，可以将系统的安全性阈值划分为危险、较大危险、一般、较安全和安全5个级别。当预判预测的结果为危险时，监测系统将会启动自动报警功能，从而确保了井下通风系统的安全可靠。
4结论
（1）为了能够掌握井下通风系统的稳定可靠性，确保风量满足生产作业要求，保证井下作业安全，通过对井下通风监测系统的设计，实现了对矿井通风机运行状况的实时监测，并根据监测数据进行分析预判预测。以新村煤业井下通风改造项目为例，利用BP神经网络对通风监测和预判系统进行了设计，得到了能够达到该改造项目要求的监测预测系统平台。（2）对监测系统软件的各项功能及具体要求提出了总体设计方案，设计开发了监测系统软件，后期的应用及检验结果表明，该系统的各项性能均能满足设计要求，实现了对井下通风系统的实时监测，并对监测的各项数据进行采集分析，对系统是否存在故障进行预判和预测，确保了井下通风系统的安全稳定。该项设计对井下通风监测系统的研究提供了重要参考价值，对保障井下通风及生产作业安全具有指导意义。
作者:吴淑怡 单位:同煤集团忻州窑矿