本文主要研究内容
作者万波俊（2019）在《基于免疫识别模型的煤矿瓦斯大数干扰自适应滤波器研究》一文中研究指出：瓦斯是煤矿里比较严重的安全隐患之一。瓦斯准确检测保证煤矿安全和正常运行有着重要意义。由于矿井下的环境十分复杂,存在各种各样的干扰。甲烷传感器采集过程中的信号容易被矿井下电磁环境污染而产生大数干扰,大数干扰导致煤矿瓦斯监测系统产生错误的报警,给煤矿带来许多危害。为了解决由大数干扰造成的煤矿瓦斯误报警问题,本文首先通过分析了大数干扰形成的原因,随后对煤矿里的正常信号和大数干扰信号的特征进行分析比较。利用免疫算法的识别能力强的优点设计了一种大数干扰识别模型。该模型主要通过学习煤矿瓦斯里的正常信号和大数干扰信号的特征,并且把学习中的免疫疫苗提取出来,用来提升识别大数干扰信号的正确性。其次是要把识别出来的大数干扰滤除,对自适应滤波器研究发现在噪声滤除方面有很好的效果,因此本文尝试提出一种基于最小均方差(LMS)算法的自适应滤波器把煤矿中的大数干扰滤除。并且通过引入遗忘因子和余弦函数来改进LMS算法,仿真结果表明余弦函数改进LMS算法在收敛速率、稳定性和滤除干扰等性能效果更好。最后通过自适应免疫遗传算法对余弦函数改进LMS算法里的参数进行优化,并且利用寻优能力强的优点寻找出最佳步长因子设计一个自适应滤波器来滤除大数干扰信号。为了验证大数干扰识别模型是否有效,其方法是将采集到的数据直接用LMS自适应滤波器进行滤除,将处理后得到的波形与原始瓦斯浓度波形进行对比,然后再把原始数据通过干扰识别模型识别后用LMS自适应滤波器进行滤波,滤波后的波形与原始瓦斯浓度波形再进行对比。对以上两种仿真结果进行对比,表明了免疫识别模型的有效性。然后是验证LMS自适应滤波器对大数干扰信号的滤除效果,将原始数据通过干扰识别模型后分别利用巴特沃斯滤波器滤波和连续均值剔除干扰(CME)算法滤波,将滤波后的波形与本文设计的滤波方法进行波形对比分析,表明本文方法对瓦斯里的大数干扰信号滤除效果较好。
Abstract
wa si shi mei kuang li bi jiao yan chong de an quan yin huan zhi yi 。wa si zhun que jian ce bao zheng mei kuang an quan he zheng chang yun hang you zhao chong yao yi yi 。you yu kuang jing xia de huan jing shi fen fu za ,cun zai ge chong ge yang de gan rao 。jia wan chuan gan qi cai ji guo cheng zhong de xin hao rong yi bei kuang jing xia dian ci huan jing wu ran er chan sheng da shu gan rao ,da shu gan rao dao zhi mei kuang wa si jian ce ji tong chan sheng cuo wu de bao jing ,gei mei kuang dai lai hu duo wei hai 。wei le jie jue you da shu gan rao zao cheng de mei kuang wa si wu bao jing wen ti ,ben wen shou xian tong guo fen xi le da shu gan rao xing cheng de yuan yin ,sui hou dui mei kuang li de zheng chang xin hao he da shu gan rao xin hao de te zheng jin hang fen xi bi jiao 。li yong mian yi suan fa de shi bie neng li jiang de you dian she ji le yi chong da shu gan rao shi bie mo xing 。gai mo xing zhu yao tong guo xue xi mei kuang wa si li de zheng chang xin hao he da shu gan rao xin hao de te zheng ,bing ju ba xue xi zhong de mian yi yi miao di qu chu lai ,yong lai di sheng shi bie da shu gan rao xin hao de zheng que xing 。ji ci shi yao ba shi bie chu lai de da shu gan rao lv chu ,dui zi kuo ying lv bo qi yan jiu fa xian zai zao sheng lv chu fang mian you hen hao de xiao guo ,yin ci ben wen chang shi di chu yi chong ji yu zui xiao jun fang cha (LMS)suan fa de zi kuo ying lv bo qi ba mei kuang zhong de da shu gan rao lv chu 。bing ju tong guo yin ru wei wang yin zi he yu xian han shu lai gai jin LMSsuan fa ,fang zhen jie guo biao ming yu xian han shu gai jin LMSsuan fa zai shou lian su lv 、wen ding xing he lv chu gan rao deng xing neng xiao guo geng hao 。zui hou tong guo zi kuo ying mian yi wei chuan suan fa dui yu xian han shu gai jin LMSsuan fa li de can shu jin hang you hua ,bing ju li yong xun you neng li jiang de you dian xun zhao chu zui jia bu chang yin zi she ji yi ge zi kuo ying lv bo qi lai lv chu da shu gan rao xin hao 。wei le yan zheng da shu gan rao shi bie mo xing shi fou you xiao ,ji fang fa shi jiang cai ji dao de shu ju zhi jie yong LMSzi kuo ying lv bo qi jin hang lv chu ,jiang chu li hou de dao de bo xing yu yuan shi wa si nong du bo xing jin hang dui bi ,ran hou zai ba yuan shi shu ju tong guo gan rao shi bie mo xing shi bie hou yong LMSzi kuo ying lv bo qi jin hang lv bo ,lv bo hou de bo xing yu yuan shi wa si nong du bo xing zai jin hang dui bi 。dui yi shang liang chong fang zhen jie guo jin hang dui bi ,biao ming le mian yi shi bie mo xing de you xiao xing 。ran hou shi yan zheng LMSzi kuo ying lv bo qi dui da shu gan rao xin hao de lv chu xiao guo ,jiang yuan shi shu ju tong guo gan rao shi bie mo xing hou fen bie li yong ba te wo si lv bo qi lv bo he lian xu jun zhi ti chu gan rao (CME)suan fa lv bo ,jiang lv bo hou de bo xing yu ben wen she ji de lv bo fang fa jin hang bo xing dui bi fen xi ,biao ming ben wen fang fa dui wa si li de da shu gan rao xin hao lv chu xiao guo jiao hao 。
论文参考文献
论文详细介绍
论文作者分别是来自江西理工大学的万波俊，发表于刊物江西理工大学2019-09-23论文，是一篇关于煤矿瓦斯论文,免疫算法论文,大数干扰论文,自适应滤波器论文,识别模型论文,江西理工大学2019-09-23论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自江西理工大学2019-09-23论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：煤矿瓦斯论文; 免疫算法论文; 大数干扰论文; 自适应滤波器论文; 识别模型论文; 江西理工大学2019-09-23论文;