神經網絡在采掘接替專家系統中的應用研究

李思騫 田志民 王社國

(河北工程大學信息與電氣工程學院,河北 邯鄲 056038)

神經網絡在采掘接替專家系統中的應用研究

李思騫 田志民 王社國

(河北工程大學信息與電氣工程學院,河北 邯鄲 056038)

為了實現采掘接替計劃的自動生成與動態調整,構造了一種基于神經網絡的采掘接替專家系統的結構模型。以礦井生產過程中存在的采掘失衡問題作為研究對象,提出了基于神經網絡的知識獲取方法,并對專家系統進行優化。該系統不但解決了專家系統獲取知識的瓶頸問題,而且提高了整個系統的響應速度和準確性。采用ASP.NET和SQL Server等技術實現了專家系統的開發,并與人工編制的采掘計劃進行比較。結果表明,基于神經網絡的采掘接替專家系統能夠更合理地生成采掘接替計劃。

神經網絡 采掘接替 專家系統 SQL 精度

0 引言

煤炭是我國的重要基礎能源,占我國一次性能源的70%。我國煤炭資源蘊藏豐富。隨著近幾年來我國工業的發展與進步,對能源的需求也越來越大,我國已成為煤炭消費第一大國。煤炭的開采包含著多個子系統,主要包括礦井巷道布置子系統、礦井運輸子系統、礦井通風子系統、瓦斯抽排子系統、礦井排水子系統、礦井采掘生產子系統等。其中,礦井采掘生產子系統是煤炭開采工作中最重要的部分,其他子系統都是以保證礦井采掘生產為前提。煤礦采掘接替計劃是煤礦生產管理的中心環節,對煤礦生產起非常重要的指導性作用[1-2]。采掘計劃的編制是礦井生產管理中不可或缺的一部分,采掘計劃不僅關系到礦山企業的經濟效益,同時也影響到礦井的安全生產及其長遠利益[3-4]。因此,提高采掘計劃編制的優化程度成為煤礦生產管理的當務之急。

針對采掘計劃編制的問題,國內外煤礦企業通常采用線性規劃、非線性規劃、目標規劃和動態規劃等各種定量的管理技術編制和評估煤礦生產中的采掘計劃,以此來平衡煤礦生產中的各項工作;也有部分學者和專家引入人工智能技術,試圖綜合應用人工智能、專家系統來有效地解決煤礦生產計劃的優化編制問題。然而,傳統專家系統存在獲取知識的瓶頸問題[5-6],神經網絡的知識獲取方法充分利用神經網絡的自學習功能,所獲取的知識具有最簡化、易理解等優點,能夠有效地克服專家系統在知識獲取方面的不足。

1 系統的總體設計

基于神經網絡的采掘接替專家系統共由4個子系統組成,即數據庫與知識庫的管理系統、優化模型系統、神經網絡子系統和專家咨詢子系統。系統結構圖如圖1所示。

在采掘接替系統中,專家查詢子系統主要實現了對采掘接替問題的推理及求解,并對問題及推理結果進行解釋。數據庫與知識庫的管理系統主要是對知識庫、規則庫以及傳統數據庫(用戶信息、計劃信息以及資源信息)的管理。模型子系統可提供給用戶對采掘接替模型進行修改、設計等功能。神經網絡模塊則是專家系統知識獲取模塊,通過神經網絡的自學習能力,有效地獲取知識提供給系統。

圖1 系統結構圖Fig.1 Structure of the system

2 系統的功能需求與模塊劃分

采掘平衡是采掘接替模型的核心。回采隊在本回采工作面可采儲量全部采完之后才能轉移到另一個回采工作面,而回采工作面也只有在把有關巷道掘進結束后才能成為待采工作面。這些直接反映在回采進度和掘進進度的匹配上。在進行采掘接替計劃編制的過程中,需要綜合考慮各方面的因素尤其是回采速度和掘進速度。

根據人工編制計劃的過程及煤礦制定生產計劃的實際需求,將系統分為以下6部分。

①基礎信息管理系統:該子系統主要對采掘計劃中的信息進行管理,具體是對回采工作面、掘進工作面、礦井巷道、掘進隊及生產設備等信息進行管理;

②知識管理系統:該子系統主要對礦井采掘計劃編制過程中的各項規則進行管理,通過該子系統可對這些規則進行增、刪、改、查;

③用戶組管理系統:該子系統實現對用戶的管理,包括對用戶的添加、刪除,以及用戶級別、權限的管理設置;

④統計分析子系統:該子系統實現對采掘計劃數據和生產數據的統計分析,主要針對的數據分析是計劃內總儲量與計劃外總儲量之間的比例、計劃期內各年的掘進進尺以及計劃期內各年產量等;

⑤采掘計劃管理系統:該子系統的功能主要是根據決策規則自動生成回采接替和掘進接替計劃,同時具有計劃檢測功能,并可根據實際需求對采掘計劃進行修改和調整;

⑥報表打印子系統:該子系統主要功能是自動生成礦井生產計劃所需的各類報表,并實現顯示和打印功能。

系統的功能模塊如圖2所示。

圖2 系統功能模塊圖Fig.2 System function modules

3 知識的表示與獲取

與傳統的專家系統不同,在本系統中,知識的表示不是顯式的,而是一種隱式的表示形式。在訓練結束之后,即獲取知識之后,知識的表現形式為在整個網絡中分布的權系數矩陣以及閾值向量;然后通過規則提取將規則存入數據庫中。

神經網絡具有良好的學習能力以及聯想記憶功能[5-8],通過對大量的工程實例進行學習和訓練,為系統提供大量的知識,本系統采用BP算法來實現學習算法。

BP神經網絡是一種基于梯度下降算法的前饋式多層神經網絡,在實際應用中一般采用3層網絡,即輸入層、隱含層和輸出層。網絡中的同層神經元節點之間沒有連接,各層神經元節點之間則相互連接[6]。

3層單輸出神經網絡如圖3所示。

圖3 3層單輸出神經網絡Fig.3 Three-layer single output neural network

在BP神經網絡中,首先定義輸入、輸出的變量(參數)的特性,并測試學習樣本的匹配性,然后在設置的誤差區間內,對樣本進行學習并逐漸收斂,具有網絡權重的神經網絡收斂后便有了預測能力[8]。本系統采用3層神經網絡,其中包含5個輸入節點、4個隱節點以及1個輸出節點。

BP算法是一種簡單的梯度最速下降法,即:

式中:Wij為神經元節點i與j之間的連接權重;η為學習步長,取值范圍為0.01～0.1;α為沖量系數,取值為0.9左右;t為網絡迭代步數;E為權重空間{W(t)}的誤差超平面。

4 系統的推理

專家系統一般存在3種推理機制,即正向推理、反向推理以及混合雙向推理[9]。由于本系統采用神經網絡獲取知識的方法,采用反向推理以及混合雙向推理,導致權值矩陣不能確定,從而使推理過程變得比較復雜,因此本系統采用正向推理。在推理過程中需要創建規則庫以及大量的數據,主要包括回采工作面數據、采煤隊數據、掘進工作面數據、掘進隊數據以及控制參數與規則。本系統中采用SQL Server 2005網絡數據庫進行存儲。

本系統正向推理算法如下。

①系統初始化,將初始事實存入P2,全真事實存入P1,P3清空;

②以P1與P2中的事實為前提,經過神經網絡的輸入端并計算輸出;

③若輸出的事實是新事實,則將其存入P3,否則拋棄;

④將P2中的事實經神經網絡的輸入端并計算輸出,轉③;若P3為空,轉⑦;

⑤將P2中的事實存入P1末端,并清空;

⑥將P3中的事實存入P2,轉②;

⑦輸出結論,即P2末端的事實。

5 專家系統的實現

本系統的開發平臺為ASP.NET,開發語言為C#,采用C/S模式對專家系統的前臺和后臺進行開發。后臺數據庫系統采用SQL Server 2005,在采掘計劃編制前可以人工輸入部分規則和約束條件,使采掘計劃更加符合生產需要。通過BP神經網絡的訓練,并經過邏輯推理可以獲得回采工作面接替策略、掘進面接替策略以及采區接替策略。

基于改進神經網絡的采掘接替專家系統開發步驟如下。

①礦井采掘接替系統的需求分析和總體設計,以此為基礎,完成系統的功能模塊設計、知識庫以及數據庫的設計。

②采掘接替模型的構建。

③基礎信息、系統推理的必要規制與知識以及采掘接替實例的導入,這是神經網絡自學習的基礎。

④在SQL Server 2005數據庫的支撐下,實現各類基礎數據的導入,建立系統的數據庫管理結構。

⑤在Visual Studio 2008開發平臺下,應用其相關組件對象和標準控件,完成系統各功能模塊的C#代碼實現。

經過與該煤礦當年人工編排的生產計劃相對比,采用該系統編制的采掘計劃的年產量平均增產3%。

兩種編制方法的計劃年度產量對比如圖4所示。

圖4 兩種編制方法的年度產量對比圖Fig.4 Contrast of annual yields by two kinds of compilation methods

6 結束語

本文針對礦井生產過程中存在的采掘失衡問題,設計了基于神經網絡的采掘接替專家系統,利用神經網絡的學習功能解決了傳統專家系統的“瓶頸”問題——獲取知識難,使整個系統的推理精度大幅提高,并將生成的采掘接替計劃與人工編制的計劃進行對比分析。結果表明,本文開發的采掘接替專家系統具有高效性和更高的合理性,能夠快速準確地對采掘接替過程進行模擬并自動生成采掘接替計劃。

[1] 彭艷.采掘平衡在煤礦生產中的重要意義[J].煤炭技術,2005, 24(9):43-44.

[2] 韓可琦,胡吉鋒,蔡恒兵,等.煤礦采掘接替計劃計算機仿真系統[J].中國礦業大學學報:自然科學版,2000,29(1):30-33.

[3] 楊本生,邵文通,劉杰,等.礦井采掘接替模型研究[J].煤炭科學技術,2013,41(1):48-51.

[4] Emmanuel K,Chanda S,J Ricciardone J.Long term production scheduling optimisationforasurfaceminingoperation:An application of mineMax scheduling software[J].International Journal of Surface Mining,Reclamation and Environment,2002,16 (2):144-158.

[5] 李燁,屈寶存,馮蘋蘋.神經網絡在鍋爐溫度控制系統中的應用[J].自動化儀表,2013(10):55-59.

[6] Wang Yingying,Li Qiuju,Chang Ming,et al.Research on fault diagnosis expert system based on the neural network and the fault tree technology[J].Procedia Engineering,2012(31):16.

[7] 孟祥瑞,殷大發,詹林,等.礦井采掘計劃輔助編制系統的開發[J].河南理工大學學報:自然科學版,2005,24(1):25-29.

[8] 呂文玉,李維明,李維紅.基于人工神經網絡薄煤層采煤方法優選專家系統研究[J].中國礦業,2012(4):60-63.

[9] 孫鶴旭,路遙,雷兆明,等.熱軋成品質量檢測專家系統[J].自動化儀表,2013(8):54-57.

[10] Peng C,Liang G.Development of a decision-making system for coalbed methane development based on GIS[C]//Environmental Science and Information Application Technology(ESIAT),2010 International Conference,IEEE,2010:348-351.

Study on Application of Neural Network in Expert System of Mining Excavation Succession

In order to realize automatic generation and dynamic adjustment for mining excavation succession plan,the structural model of mining succession expert system based on neural network is built.With the imbalances existing in mining production process as the research object,the knowledge acquisition method based on neural network is also proposed to optimize the expert system.The bottleneck of acquiring knowledge in expert system is solved and the response speed and precision of the whole system are improved.The expert system is developed by adopting various technologies,e.g.,ASP,NET and SQL server,etc.,and the comparison with manually compiled excavation plan is conducted.The results show that the proposed mining succession plan expert system based on neural network may more rationally generate excavation succession plan.

Neural network Excavation succession plan Expert system SQL Precision

TP389

A

河北省自然科學基金資助項目(編號:E2011402046)

修改稿收到日期:2014-04-29。

李思騫(1989-),女,現為河北工程大學信息與電氣工程學院在讀碩士研究生;主要從事礦山軟件研究。