基于RBF神经网络的隧道施工自适应控制通风系统

摘要

隧道施工过程中会产生大量的有毒有害气体,一方面影响着施工人员和作业机械的健康及寿命,一方面也影响着施工质量和进度,然而通风系统高昂的电费也加重了施工单位的经济负担。为了有效的改善该问题,设计了自适应控制通风系统,该系统用人工神经网络的方法获得隧道风机运行频率和隧道环境参数之间的复杂关系,使得风机可根据隧道环境需求供应风量,减少浪费。此外,为了更好的获得隧道中的环境参数,本研究应用Ansys Fluent软件模拟了华蓥山隧道在开挖过程中,甲烷和硫化氢在隧道中的分布情况,模拟结果显示两种气体均大多分布在涡流区,且甲烷比硫化氢扩散范围更大,并在此基础上优化了气体监控传感器的布置。最终通过现场获得的76组数据训练并验证RBF神经网络,将基于RBF神经网络的自适应控制通风系统应用到施工现场,通过电量消耗的对比发现该系统具有较好的节能效果。