產品分類 更多>>
神經網絡在煤巷錨桿支護設計中的應用
河南理工大學采用MATLAB的BP神經網絡工具箱，建立了礦山巷道圍巖主要影響因素與支護形式和支護參數之間的高度非線性BP神經網絡模型。通過對算例結果的分析，驗證了基于MATLAB的BP神經網絡應用于礦山井下錨桿支護設計的性、可行性和性，具有一定的推廣價值。
他們選擇若干礦井巷道錨桿支護的成功實例作為學習樣本，將影響錨桿支護的因素作為輸入變量、支護形式和支護參數作為輸出變量代入神經網絡模型，通過特定的學習算法對樣本進行學習，經過網絡內部自適應算法不斷修正網絡連接權值和閾值分布來減少嘗試性誤差以滿足要求。網絡通過其連接權值和閾值的調整來記憶所學習過的樣本并掌握輸入變量和輸出變量間的高度非線性關系，然后將巷道的輸入變量代入網絡，通過網絡神經推理計算，與所求問題接近的學習樣本輸出模式被回憶出來，從而得到巷道的錨桿支護要求。此項研究運用神經網絡建立了礦山井下錨桿支護形式和支護參數設計模型，使支護形式、支護參數等與地質條件和開采技術條件間形成高度非線性映射，在較大程度上克服了以往錨桿支護設計方法的不足。
他們利用此項課題建立的BP神經網絡設計模型對潞安礦業集團公司、兗州礦業（集團）有限責任公司、平頂山煤業(集團)有限責任公司和雙鴨山礦業集團有限公司集賢煤礦井下巷道進行錨桿支護設計，對網絡運行結果與實際狀態相比較驗證了這兩個模型的可行性和快捷性，為下一步研究其它支護方案奠定了基礎。實踐表明，人工神經網絡具有良好的自適應性、自組織性及很強的學習、聯想、容錯和抗干擾能力等優點，將其引入礦山巷道支護設計可更全面考慮影響錨桿支護參數設計的諸多因素，在輸入數據不全的情況下可進行數據聯想補缺，實現巷道支護的快速、準確決策。更多知識請咨詢聯系http://www.sdzdzh.com/
