基于BP神经网络的煤矿综掘面风流智能调控模型研究北大核心CSCD

煤矿综掘面传统的通风系统智能化程度低，风筒出风口风流状态无法根据实际通风需求来进行连续动态调控，易造成巷道内瓦斯和粉尘聚集严重，影响掘进面安全高效开采，危害工作人员的身体健康。为提高掘进工作面通风智能化、精细化管理水平，以陕西神木柠条塔矿S1202综掘面为研究对象，利用数值模拟试验数据作为训练样本数据，建立了基于Adam(适应性矩估计)算法优化BP(反向传播)神经网络的煤矿综掘面风流智能调控模型；由实时监测数据驱动该模型输出调控方案，通过自主研制的出风口风流智能调控装置对风流进行连续动态精准调控；在物理实验平台和井下分别进行了模型调控效果测试，其中在物理实验平台以一个截割循环为单位，验证了模型连续调控的效果，在井下验证了单方案的降尘效果。结果表明，模型能够根据粉尘和瓦斯浓度实时监测数据实现风流智能调控，有效优化风场分布，降低瓦斯和粉尘浓度。