面向煤矿混合气体检测的神经网络算法研究进展
焦明之1
沈中丽2
周扬明2
何新建3
贺耀宜4
1.矿山互联网应用技术国家地方联合工程实验室,江苏徐州 221116;中国矿业大学信息与控制工程学院,江苏徐州 221116;中国矿业大学安全学院,江苏徐州 221116;天地(常州)自动化股份有限公司,江苏常州 2130152.矿山互联网应用技术国家地方联合工程实验室,江苏徐州 221116;中国矿业大学信息与控制工程学院,江苏徐州 2211163.中国矿业大学安全学院,江苏徐州 2211164.天地(常州)自动化股份有限公司,江苏常州 213015
摘要：煤矿气体传感器用于混合气体检测时测量信号之间有交叉干扰,难以保证检测准确性.对于相同的待识别气体,传统气体识别算法的识别精度低于基于神经网络的气体识别算法,神经网络通过调整其网络层、每层神经元的数量、神经元的激活函数和各层网络之间的权重等来实现更高的气体识别精度.介绍了煤矿混合气体检测系统结构,通过构建气体传感阵列,利用其多维空间气体响应模式,并结合特定的气体识别算法,实现对混合气体的定性定量识别.重点分析了几种面向煤矿混合气体检测的神经网络算法并进行了对比分析,主要包括反向传播(BP)神经网络、卷积神经网络(CNN)、循环神经网络(RNN)、径向基函数(RBF)神经网络:BP神经网络通常可以达到较高的分类精度,然而需要训练大量的参数,训练时间长,通常为了减少时长和提高精度,可以将BP神经网络与其他算法相结合;CNN可以自动提取数据特征,精度和训练速度都优于BP神经网络,但其易于陷入局部最优;RNN可以使用更少的数据并提取更有效的特征,但容易出现梯度消失等问题;RBF神经网络具有较强的鲁棒性和在线学习能力,但其通常需要大量数据完成模型训练.神经网络算法的应用将大幅提升煤矿混合气体的检测精度,保障煤矿智能化的实现.
关键词：煤矿安全监控混合气体检测神经网络算法传感器阵列反向传播神经网络卷积神经网络循环神经网络径向基函数神经网络
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(62204260)国家自然科学基金(52174222)科技部长三角联合攻关项目(2022CSJGG0703)天地科技股份有限公司科技创新创业资金专项项目(2019-TD-ZD007)
论文发表日期：2023-09-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 115-121 )
英文信息