基于改进人工蜂群算法的矿井风量按需调控智能决策
张浪1
雷爽1
李伟2
刘彦青2
1.煤炭科学研究总院,北京 100013;煤科通安(北京)智控科技有限公司,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 1000132.煤科通安(北京)智控科技有限公司,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013
摘要：针对现有元启发式算法求解矿井风量调控无约束优化数学模型存在收敛速度较慢的问题,提出了一种基于改进人工蜂群算法(ABC)的矿井风量按需调控智能决策方法.以矿井调节分支风阻为决策变量、各分支实际风量与需风量相符合为约束条件,以目标用风分支风量与理想风量差距最小为目标,建立了矿井风量按需调控智能决策模型;运用拉格朗日松弛方法优化模型的约束条件,采用冲突数方法优化模型的目标函数,利用随机搜索方法和启发式算法优化模型的搜索策略.针对人工蜂群算法(ABC)利用能力不足的问题,提出了一种改进ABC算法,并将其用于求解矿井风量按需调控智能决策模型.该算法在采蜜蜂局部寻优时引入群体历史最优解引导采蜜行为,并利用一般反向学习策略保存侦查蜂的搜索经验,良好地平衡了算法的探索和利用能力.实验结果表明:与粒子群优化(PSO)算法、ABC算法、基于全局最优的人工蜂群(GABC)算法和基于一般反向学习的人工蜂群(GABC-GOBL)算法相比,改进ABC算法能更加快速、稳定地求解出矿井风量按需调控最优方案,且风量调控精度可达0.49 m3/s.
关键词：矿井通风风量按需调控风量智能决策人工蜂群算法风阻
分类号：TD724(矿山安全与劳动保护)
资助基金：国家自然科学基金(52304224)
论文发表日期：2025-03-31
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( 131-137 )
英文信息