基于GA-PSO-BP混合优化算法的矿井CO 气体监测系统设计_中国煤炭行业知识服务平台

基于GA-PSO-BP混合优化算法的矿井CO 气体监测系统设计

作者

索艳春
单位

中国煤炭科工集团太原研究院有限公司山西天地煤机装备有限公司煤矿采掘机械装备国家工程实验室
摘要

针对井下工作面复杂多变的温湿度环境及悬浮煤尘对矿井内CO气体监测精度的不利影响,提出了一种基于GA-PSO-BP混合优化算法的井下CO气体监测系统设计方案。该系统设计有9个样本采样节点,各节点感知端选用红外气体传感器,决策端通过基于遗传算法和粒子群算法混合优化的BP神经网络算法对感知端进行复杂多变条件下的温湿度补偿。多次实验结果表明:相比应用广泛的BP神经网络算法和粒子群优化BP神经网络算法,使用混合优化BP神经网络(GA-PSO-BP)算法后9个测试样本节点返回监测中心的CO气体浓度最大误差不超过1.30%,满足井下气体监测精度需求。
关键词

智能矿井混合优化算法遗传算法粒子群算法温湿度补偿气体浓度误差
引用格式

索艳春.基于GA-PSO-BP混合优化算法的矿井CO气体监测系统设计[J].矿业安全与环保,2022,49(6):28-33.
相关专题

这篇文章属于“矿山安全智能与预警技术”专题（3篇）