申请/专利权人：长安大学

申请日：2021-07-08

公开（公告）日：2022-09-16

公开（公告）号：CN113356916B

主分类号：E21F1/00

分类号：E21F1/00;E21F1/02

优先权：

专利状态码：有效-授权

法律状态：2022.09.16#授权;2021.09.24#实质审查的生效;2021.09.07#公开

摘要：一种基于数字孪生技术的矿井风流调控虚拟系统及智能调控方法，包括风流调控系统物理实体、风流调控系统虚拟实体、风流智能决策系统和孪生数据，风流调控系统物理实体作为还原煤矿挖掘过程的场景，风流调控系统虚拟实体作为数字孪生系统的优化和虚拟调试环境，提供环境模拟、数据流模拟、传感器模拟和虚拟调试功能，为数字孪生系统提供学习进化环境，风流智能决策系统负责处理孪生数据，为风流智能调控装置提供智能调控方案；孪生数据用于存储传感器实时采集得到的瓦斯粉尘浓度、风速数据、风筒当前的运行参数和风流智能决策系统得到的风筒调控参数。本发明实现煤矿综掘面风流的智能调控，为优化综掘面风流场的运移分布提供有效解决途径。

主权项：1.一种基于数字孪生技术的矿井风流调控虚拟系统，其特征在于，包括风流调控系统物理实体、风流调控系统虚拟实体、风流智能决策系统和孪生数据，其中：所述风流调控系统物理实体作为还原煤矿挖掘过程的场景，包括综掘过程中的物理设备、风流调控智能装置及多个传感器，物理设备具有通讯接口，物理设备通过通讯接口与传感器连接；风流调控智能装置和多个传感器通过PLC控制可实现风筒出风口距掘进端面前后位置、出风口角度偏转和口径开合的调控；多个传感器包括风速传感器、瓦斯传感器、粉尘传感器、测距传感器，数据采集仪将各类传感器测得的数据传输给上位机监测显示系统，实现掘进巷道不同区域的风速、瓦斯及粉尘浓度的数据的感知和实时采集，以及风流智能调控装置调控状态的在线监测；所述风流调控系统虚拟实体作为数字孪生系统的优化和虚拟调试环境，提供环境模拟、数据流模拟、传感器模拟和虚拟调试功能，为数字孪生系统提供学习进化环境，虚拟实体与物理实体通过各传感器数据建立连接；所述风流智能决策系统负责处理孪生数据，通过数据信息生成决策信息，为风流智能调控装置提供智能调控方案，取得风筒调控参数的迭代优化；所述孪生数据用于存储传感器实时采集得到的瓦斯粉尘浓度、风速数据、风筒当前的运行参数和风流智能决策系统通过预测或调控规则得到的优化后的风筒调控参数；所述风流智能决策系统中采用LSTM网络对风流调控孪生数据进行挖掘，预测未来时刻矿井巷道的瓦斯和粉尘浓度的变化趋势，实时调整和优化调控参数，如果未来时刻的瓦斯粉尘浓度出现上升趋势，风流智能决策系统将会发出预警信息，同时采用GA-BP神经网络生成调控决策方案对风筒出风口的调控参数进行分析和优化，并对优化结果进行仿真和验证，实时调整风筒出风口调控参数以适应矿井作业环境的变化；所述风流调控系统在物理实体部分通过各传感器实施采集巷道内瓦斯和粉尘浓度，以及风筒出风口的各项调控参数，经AD转换和数据融合处理后，将其转换为虚拟实体和风流智能决策系统可使用的标准孪生数据；虚拟实体利用孪生数据读取处理后的瓦斯和粉尘浓度数据，以及风筒出风口的调控参数，利用浓度数据可在虚拟系统中以不同大小和颜色的粒子直观形象的模拟物理巷道中真实的瓦斯和粉尘的浓度分布；利用调控参数数据可实时模拟物理风流调控装置的运动状态；风流智能决策系统从孪生数据中读取处理后的瓦斯和粉尘浓度数据，并利用预警机制对数据进行安全判定；若浓度超标，则及时发出预警信息，根据预警信息调用系统后台已有的调控规则，并生成风筒出风口的调控方案；若此时浓度未超标，则利用LSTM网络预测未来时刻的瓦斯粉尘浓度，根据预测结果，使用GA-BP神经网络生成风筒出风口的合理决策方案，智能服务系统根据决策方案实时发出调控指令，并将调控指令发送至物理测试系统的风筒调控PLC控制器，实现出风口参数的智能调控，至此完成风流调控的一个工作循环；LSTM网络算法实施步骤如下：步骤1：计算t时刻的遗忘门ft为：ft＝σWf·[ht-1,xt]+bf其中，σ为遗忘门激活函数，Wf为遗忘门权重矩阵，[ht-1,xt]为遗忘门输入值，bf为遗忘门偏置项；步骤2：计算t时刻的输入门it为：it＝σWi·[ht-1,xt]+bi其中，Wi为输出门权重矩阵，bi为遗忘门偏置项；步骤3：计算t时刻的输出门ot为：ot＝σWo·[ht-1,xt]+bo其中，Wo为输出门权重矩阵，bo为遗忘门偏置项；步骤4：计算t时刻长期记忆状态ct为：ct＝ft·ct-1+it·ct其中，ct-1为上一时刻的长期记忆状态；步骤5：最终得到的t时刻瓦斯、粉尘浓度值ht为：ht＝ot·tanhctGA-BP神经网络的风筒出风口参数决策调控的具体实施包括如下步骤：利用BP神经网络强大的拟合能力挖掘瓦斯粉尘浓度和风筒出风口参数的内在关系，对风筒出风口参数进行自主决策，实现瓦斯和粉尘浓度的智能调控，预防安全隐患的出现，网络的初始权值和阈值为[-1,1]之间的随机数，采用遗传算法对BP神经网络进行优化，获取BP神经网络的最佳初始权值和阈值。

全文数据：

权利要求：

百度查询： 长安大学 一种基于数字孪生技术的矿井风流调控虚拟系统及智能调控方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD