基于BO神经网络的煤与瓦斯突出声发射监测仪的设计

摘要

煤炭作为我国的第一能源，随着经济的发展需求量与日俱增，伴随而来的煤矿安全问题也不容忽视。煤与瓦斯突出是一种严重的矿井自然灾害，它虽具有突发性，但在突出前均有前兆显现，其中声发射就是前兆之一。针对我国当前的煤矿开采现状，本文在声发射理论的基础上设计了一个煤与瓦斯突出的声发射监测仪，并通过仿真、调试，最终达到了较为理想的预期效果。本文主要从以下三个方面对监测仪进行了设计。
　　 在煤矿井下，突出声发射信号众多但无明显规律可循，而人工神经网络具有强大的非线性处理能力，它可以不用研究大量监测数据之间的复杂关系，仅仅通过对输入、输出的记忆学习便可以找出相应的非线性映射关系，这正适合于声发射数据的动态预测。本文系统研究了BP神经网络在煤与瓦斯突出声发射预测的基本原理，并论证了该设计的可行性。
　　 在声发射和BP神经网络的理论基础上，设计了声发射检测仪的总体框架。根据煤与瓦斯突出预测快速、及时、准确的要求，设计了一种基于DSP+单片机的双CPU并行处理、计算的监测系统，巧妙了运用了DSP对声发射信号强大的数据处理能力和单片机的人机交互功能。
　　 从硬件结构出发，根据突出声发射数据监测的要求详细设计了系统中各个功能模块。接着以硬件结构为基础，对每一个模块按其功能进行了软件编程，并进行了调试。
　　 最后在MATLAB软件中利用神经网络工具箱搭建了声发射信号BP神经网络处理的模型，并对相应的数据进行了学习训练，最后完成了仿真，并运用遗传算法对BP神经网络进行了改进，其结果显示，该方法能比较好的预测煤与瓦斯突出的危险性。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 煤与瓦斯突出的研究现状

1．2．1 煤与瓦斯突出机理研究

1．2．2 国内外关于突出预报预测方法概述

1．3 课题提出的背景

1．4 本论文的主要研究内容

第二章 声发射技术和神经网络原理概述

2．1 突出的声发射检测原理

2．1．1 声发射技术的检测原理

2．1．2 常用的发射信号处理声方法

2．2 人工神经网络的基本原理

2．3 BP神经网络的结构和基本算法

2．4 遗传算法对BP神经网络的优化设计

2．5 AE检测技术的可行性分析

2．6 本章小结

第三章 系统的总体设计方案

3．1 监测系统的整体设计

3．1．1 监测仪的设计目标

3．1．2 突出检测系统的测量指标

3．1．3 突出监测系统的整体设计方案

3．2 声发射监测仪的设计方案

3．2．1 监测仪的总体设计

3．2．2 监测仪的硬件架构设计

3．2．3 监测仪的数据处理系统设计

3．3 监测仪的测量指标

3．3．1 事件测量

3．3．2 声发射事件脉冲数的测量

3．4 系统器件的选择

3．4．1 传感器的选择

3．4．2 V／F转换器的选择

3．4．3 A／D转换器的选择

3．4．4 DSP的选择

3．4．5 单片机的选择

3．5 本章小结

第四章 监测仪硬件设计

4．1 信号调理电路设计

4．1．1 前置放大电路设计

4．1．2 带通滤波电路设计

4．1．3 主放大电路设计

4．1．4 阈值比较电路设计

4．1．5 限幅电路设计

4．2 A／D转换电路

4．3 V／F转换电路

4．4 系统电源电路

4．5 DSP外围电路

4．5．1 DSP电源模块

4．5．2 DSP时钟电路

4．5．3 DSP复位电路

4．5．4 JTAG接口电路

4．6 单片机与DSP接口的电路设计

4．7 单片机和其外围电路设计

4．7．1 键盘接口电路设计

4．7．2 声光报警电路设计

4．7．3 LCD接口电路设计

4．8 单片机内存及I／O的扩展

4．9 通信接口设计

4．10 电路的抗干扰设计

4．11 本章小节

第五章 监测仪的软件设计

5．1 软件设计原则

5．2 软件开发环境简介

5．2．1 CCS集成开发环境简介

5．2．2 Keil集成开发环境简介

5．3 DSP软件模块化设计

5．3．1 DSP的初始化程序

5．3．2 数据采集初始化

5．3．3 数据采集中断服务子程序

5．4 BP神经网络在DSP中的算法实现

5．5 单片机与DSP的通信子程序

5．6 单片机主程序设计

5．6．1 脉冲计数子程序

5．6．2 键盘子程序

5．6．3 LCD显示子程序

5．7 监测仪上传数据子程序

5．8 本章小结

第六章 BP神经网络预测方法的设计

6．1 MATLAB及其工具箱简介

6．1．1 MATLAB语言概述

6．1．2 神经网络工具箱简介

6．2 声发射神经网络结构的设计

6．3 BP神经网络在MATLAB中程序的设计

6．4 BP神经网络在突出预测中的MATLAB仿真

6．5 利用遗传算法优化后在MATLAB中的仿真

6．6 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

参考文献

致谢

攻读所示期间发表学术论文目录