基于涌出量预测的矿井自动排水系统设计

　　摘要：针对矿井自动化排水问题，提出了基于涌水量预测的矿井自动化排水控制方法。首先构建自动化排水网络，然后采用历史数据对矿井涌水量进行预测，利用预测结果确定投入工作的水泵数量。在MATLAB中仿真表明，该方法具有较好的适应性。

　　Abstract： Aimed at the problems of automatic drainage， this paper puts forward the control methods of automatic drainage in the coal mine based on the volume prediction. At first， it builds the network of automatic drainage， and then， it predicts the volume of coal mine by the historical data and determines the number of the water pump by the prediction result. The simulation in MATLAB shows that this way has better adaptation.

　　关键词：自动化排水；涌出量预测；神经网络

　　Key words： automatic drainage；volume prediction；neural network

　　中图分类号：TD744 文献标识码：A 文章编号：1006-4311（2015）01-0038-02

　　0 引言

　　井下自动排水系统的任务就是把流入井下煤矿巷道中的矿井积水排送至地表。根据统计，每开采1吨煤就要排出2-7吨矿井水，有时甚至要排出30-40吨矿井水。因此，井下排水设备运转的可靠性与经济性，具有十分重要的意义。

　　随着现代化矿井建设的不断发展，各矿井的中央水泵房基本实现了自动排水，但仍然存在以下问题：

　　①每个水泵房排水点均设专人专岗，不仅占用了大量劳动力，而且人为因素的可靠性差；②水泵工作状态由人为因素控制，设备磨损状态、工作时间、机械状态很难掌握；③设备检查检修管理依靠人为感知和经验判断，人为因素较大，标准性差，设备检查检修滞后于生产管理；④矿井期段涌水量由人为历史数据统计计算，可靠性差。

　　综上所述，矿井的水泵房实现无人职守是井下安全的重要措施。

　　1 自动化矿井水泵房的需求分析

　　在无人值守的矿井的水泵房中，首先要解决的问题就是控制策略，传统的控制方式为阀值控制，即当水位到达某一设定值时，启动水泵，这种方式完全依赖于阀值，存在一定的隐患。综合分析矿井水泵房存在的问题，矿井自动排水系统必须具备以下功能：

　　①矿井水泵房自动检测与控制功能。对井下各排水点实行自动控制及运行参数自动检测。②矿井水泵房远程控制功能。能在地面进行控制，并将数据信息传送到地面生产调度中心通过。③矿井水泵房实时报警显示、故障历史查询和报表打印等功能。④中转水仓监控功能。对中转水仓实现监控，实时测量中转水仓的水位，并进行水泵的远程监控。⑤沿线小水仓监测功能。⑥流量监测与预测功能。对矿井涌水量进行监测，并对未来流量进行预测，确定启动泵的数目。

　　2 自动化排水系统方案设计

　　自动化排水系统依赖于全矿的自动化水平。目前存在两种情况，一是井下已建设了工业以太环网，只要在环网的基础上增加部分设备即可实现对排水系统的监控；二是井下未建设工业以太环网，所有井下系统都采用光缆点对点传输。考虑到信息化系统的长远发展以及数字矿井建设要求，各矿井建设井下工业以太环网，在建设好的工业以及网的基础上可实现井下多种传输网络合一的目的。在各中转水仓点增加接点智能型开关实现控制及传输，通过开关自带的485通讯连接附近小水仓实现监测功能。水监测接入模块可用RS485/双绞通信线通信方式接入较近的水泵开关（<1000m），远距离水泵开关可将双绞线通信方式转换为光缆通信方式。其方案如图1所示。

　　3 基于涌水量预测的排水控制方法

　　目前的自动化排水系统主要依据水位传感器，其控制方案是：当传感器监测到水位高于最高设定值时，启动水泵排水；当传感器监测到水位接近最低设定值时，关闭水泵。这种控制方案的特点是简单，同时也存在安全隐患，当水位持续升高时，必须有多台水泵同时投入作业，才能达到有效排水的目标，此时，必须依赖人工判断。鉴于这种情况，本文提出一种基于涌水量预测的排水控制方法。

　　3.1 BP神经网络时间序列预测法就是通过分析时间序列，根据时间序列所反映出来的发展过程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。时间序列预测的方法种类有很多，本文采用BP神经网络预测方法。BP神经网络由于其具有逼近任意非线性函数的能力，而且结构和学习算法简单明确，这里采用BP神经网络对涌水量进行预测。典型的BP神经网络结构如图2所示。

　　3.2 基于BP神经网络的涌水量预测本系统采用3层BP神经网络建立涌水量预测模型。输入层节点数m=3，输出层节点数m=1。隐含层采用试凑法确定，为20。隐层、输出层神经元的转移函数选用sigmoid函数。采用历史数据对涌水量进行预测，预测结果如图3所示。从预测结果可以看出，采用BP神经网络具有较高的预测精度。

　　4 结论

　　本文设计了一种基于网络的矿井自动化排水方案，同时，提出了基于涌水量预测的控制方法。本文设计的自动化排水方案中，首先构建自动化排水网络，然后采用历史数据对矿井涌水量进行预测，利用预测结果确定投入工作的水泵数量。在MATLAB中仿真表明，该方法具有较好的适应性。

　　参考文献：

　　[1]姚福强，李世光，李晓梅.煤矿井下主排水泵计算机监控系统设计[J].煤矿机械，2004（01）.

　　[2]袁小东，邓先明，王冬冬.基于以太网的煤矿排水综合自动化系统[J].工矿自动化，2009（07）.

　　[3]田云丽，周利华.基于BP神经网络的煤与瓦斯突出预测方法的研究[J].系统工程理论与实践，2005（12）：102-106.

　　[4]於世为，渚克军.基于主成分BP人工神经两络的人力资本预测[J].系统工程理论方法应用，2006，15（4）：339-344.

　　论文榜（www.zglwb.com），是一个专门从事期刊推广、投稿辅导的网站。
本站提供如何投稿辅导，寻求投稿辅导代理，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。


期刊鉴别	论文检测	免费论文	特惠期刊	学术答疑	发表流程

搜索

基于涌出量预测的矿井自动排水系统设计