[发明专利]基于遗传算法优化神经网络的柔性注液传感器检测方法

说明书

本发明公开了一种基于遗传算法优化神经网络的柔性注液传感器检测方法，涉及智能柔性感压设备技术领域，设计了柔性注液传感器，将其安装在围岩上多处钻孔中，检测围岩上不同位置的应力值并进行数据采集，通过对神经网络预测模型进行训练，使得该网络能够以高精度逼近非线性函数，根据输入的应力值数据和压力表输出值数据，得到围岩应力变化与压力表形变之间的关系，实现对输出数据的预测，引入遗传算法对BP神经网络预测模型进行参数优化，提高了网络的精度和训练的速度，从而大幅提高了检测见过的精确性和快速性。

技术领域

本发明涉及智能柔性感压设备技术领域，具体的说是一种基于遗传算法优化神经网络的柔性注液传感器检测方法。

背景技术

围岩应力的动态变化是引发各类地质灾害的重要原因。近年来，随着我国经济的发展和煤矿开采深度及强度的不断增加，围岩应力分布变化规律越来越复杂，由此导致的地质灾害发生的概率也在逐渐增大。目前对围岩应力变化的监测设备主要为钻孔应力计等刚性设备，无法灵敏的感知围岩应力的变化，且只能监测固定方向的围岩应力变化，导致对围岩规律掌握不够准确，为地质灾害的发生留下隐患。因此，找到围岩应力变化与柔性传感器形变以及压力表输出之间的关系，摸清支承压力变化的规律对于煤矿安全生产具有重要的意义。

发明内容

为解决上述存在的技术问题，本发明提供了一种基于遗传算法优化神经网络的柔性注液传感器检测方法，能够答复提升柔性注液传感器的检测效率、自动化程度以及智能性，具有较强的实用性。

为达到上述目的，本发明所采用的技术方案是：

一种基于遗传算法优化神经网络的柔性注液传感器检测方法，包含有若干个柔性注液传感器的设置、神经网络预测模型的构建训练、遗传算法对神经网络预测模型的优化设置和控制系统，在围岩上开设多个钻孔，每个钻孔中均安装柔性注液传感器，检测围岩上不同位置处的应力，将每个柔性注液传感器均分为4段，分别施加不同的压力，对围岩应力进行模拟采集，将每1段测量到的围岩应力值作为神经网络预测模型的输入值，将压力表的读数作为神经网络预测模型的输出值，得到围岩应力变化与压力表形变之间的高精度逼近非线性函数关系，通过遗传算法对神经网络预测模型进行参数优化，实现对输出数据的精确快速预测，所述控制系统采用高性能芯片作为控制中心控制器，将若干个柔性注液传感器与现场总线网络的数据总线通讯连接，实现输出压力表与控制中心之间的通信。

所述神经网络预测模型的构建和训练方法通过如下步骤实现：

第一阶段：神经网络预测模型的构建与数据采集，所述神经网络预测模型由输入层、隐含层和输出层构成，所述输入层神经元设置为与柔性注液传感器均分4 段对应的d1,d2,d3,d4四段直径，所述输出层神经元设置为压力表输出的压力读数 p，所述隐含层的神经元个数一般采用经验公式确定，通过实验设备模拟施加不同的围岩应力，对所需要的输入输出数据进行采集，记录n组数据，得到对应的样本数据；

第二阶段：神经网络预测模型的训练，训练过程主要包括信号的正向传播和误差的反向传播两个过程，当实际输出与目标输出之间的误差不满足预设的精度要求时，神经网络会不断的调整权值，更新网络，直到误差小于预设精度，训练结束。

所述隐含层的层数设置为1，隐含层神经元个数设置为9。

所述遗传算法通过如下步骤设计实现：

S1、选择二进制编码；

S2、群体初始化；

S3、选择采用误差性能指标函数定义适应度函数，并对适应值进行评价，保存最优染色体；

S4、采用轮盘赌选择操作，单点交叉操作和变异率取值0.000-0.1之间的变异操作；

S5、产生新群体，重新计算各个染色体的适应值；