基于多传感器信息融合的煤矿环境探测与危险评估

摘要

本文针对近年来我国频繁发生的矿难事故，依托煤矿救灾机器人平台，结合矿难事故后煤矿井下危险环境的特点，设计了一套煤矿井下多传感器信息采集系统，同时提出一种基于粗集一神经网络的煤矿井下环境危险度的新算法，对煤矿环境做出准确实时的评估。 该系统采用飞思卡尔公司最新推出的16位单片机MC9S12DG128B作为控制核心组成智能节点，对矿难发生时特征比较明显的有毒有害气体、温度、风量等几种传感器的信息进行采集以及融合处理，同时为了简化系统结构，提高系统的可靠性，智能节点通讯采用CAN总线结构。这样充分结合了MC9S12DG128B处理速度快，易扩展和CAN总线数据传输的可靠性、开放性，在硬件上保证了危险环境探测的实时性和准确性。 在控制算法上，神经网络具有并行处理、信息分布存储等特点，可通过训练、学习产生一个非线性映射，自适应地对数据进行聚类，同时具有较好的抑制噪声干扰的能力和较强的鲁棒性。其缺点是当输入信息空间的维数较大时，网络不仅结构复杂，而且训练时间也很长。而粗集可对数据进行属性约简和值约简，消除样本中的噪声和冗余对象。这两者的结合不仅可以减小网络的规模，同时通过消除对象冗余可减少网络的训练和学习负担，还可以通过消除噪声提高神经网络预测的准确性。 本文根据神经网络的自学习能力强和粗集理论属性约简的特点，结合煤矿井下复杂环境详细论证了两者结合的原理、算法及实现过程，将其结合起来形成粗-神经网络算法实现对煤矿井下环境危险程度的评估。仿真结果表明，该粗神经网络能够准确评估处煤矿井下环境危险的程度，有较强的抗干扰能力和较高的准确度，从而验证了系统的有效性和可行性。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第一章绪论

1.1课题研究的背景与意义

1.2国内外研究现状

1.3本文的主要内容

第二章相关知识和背景导引

2.1煤矿井下复杂的环境

2.1.1气体信息

2.1.2其他信息

2.2机器人中的传感器技术

2.2.1机器人传感器的分类

2.2.2机器人传感器的选用

2.3多传感器融合理论综述

2.3.1多传感器信息融合的原理

2.3.2多传感器信息融合的过程

2.3.3机器人中的传感器融合技术

第三章煤矿探测机器人多传感器采集系统设计

3.1系统设计总体方案

3.1.1系统的功能需求

3.1.2系统的设计原则及方案

3.2数据采集智能节点硬件电路设计

3.2.1单片机的选型及其简介

3.2.2单片机系统硬件电路框图

3.2.3时钟电路设计

3.2.4串行口的RS-232驱动电路

3.2.5 RS-232转RS-485电路

3.2.6 BDM接口

3.2.7 AD转换电路设计

3.2.8电源系统设计

3.2.9单片机系统的抗干扰设计

3.3基于CAN总线的通讯系统的设计

3.3.1传统通讯方式的缺点

3.3.2 CAN总线及在机器人领域中的应用

3.3.3系统中使用的CAN模块

3.3.4系统CAN网络通信模型及设计

3.3.5 CAN总线硬件的抗干扰设计

3.4煤矿探测机器人多传感器采集系统软件设计

3.4.1软件开发语言及工具

3.4.2智能节点软件设计及流程图

3.4.3通讯模块程序设计及流程图

3.5本章小结

第四章基于粗集-神经网络的煤矿探测信息融合算法

引言：

4.1粗集理论的相关概念

4.1.1知识表达系统

4.1.2决策表

4.1.3近似集

4.1.4不可分辨关系

4.1.5知识的约简和核

4.1.6决策表的简化

4.2基于粗集-神经网络的煤矿危险度评估原理

4.2.1粗集和神经网络结合的基础分析

4.2.2应用粗集-BP网络预替方法的规定性

4.2.3粗集-神经网络的模型结构

4.2.4基于粗集-神经网络的最小决策规则的实现

4.3基于粗集-神经网络的煤矿安全性评估算法

4.4基于粗集-神经网络的煤矿安全性评估实现

4.4.1模型的建立

4.4.2粗集预处理

4.4.3模糊神经网络的构建

4.5验证结果及总结

第五章总结与展望

参考文献：

致谢

攻读硕士学位期间发表的论文