[发明专利]一种基于数字孪生技术的矿井通风设备智能调控系统

权利要求书

1.一种基于数字孪生技术的矿井通风智能调控系统，其特征在于，通风系统全要素物理实体，通风系统数字孪生虚拟实体，通风智能调控系统，其中：

物理实体指在煤矿采掘过程中矿井下通风系统相关的全要素组成的物理场景，包括采矿巷道内物理综掘设备，各类通风设备以及传感器在内的相关物理要素。

数字孪生虚拟实体指经由通风系统全要素物理实体所产生的数据、参数等信息建模搭建的可视化环境；是为数字孪生系统提供环境模拟、虚拟调试、决策验证的虚拟调试环境，虚拟实体为数字孪生系统提供自主学习、自主预测、自主决策的虚拟环境；虚拟实体通过传感通信技术与物理实体建立实时感知和实时同步，并通过智能调控系统控制物理实体，以此实现实时交互和实时控制。

智能调控系统运行于虚拟实体上并作用于物理实体上，是实现虚拟实体和物理实体间实时交互的关键模块；通风系统智能调控系统负责处理孪生数据，通过数据信息生成决策方案，为通风系统设备提供智能决策信息。

2.根据权利要求1所述的一种基于数字孪生技术的矿井通风智能调控系统，其特征在于，所述智能决策系统中采用双向LSTM深度神经网络对矿井巷道内设备参数、传感器参数进行数据挖掘，学习数据特征从而对未来时刻的有害气体如瓦斯、粉尘、一氧化碳浓度进行预测，若在未来时刻有害气体浓度有上升趋势，智能决策系统会发出预警信号，并进一步处理。

上述双向LSTM深度神经网络风险预警模型流程包括：

Step1:首先，对数据集进行预处理，并为训练集和测试集添加危险警告标签；

Step2:该网络的输入为时间序列长度和特征数，并设置相应的时间窗大小。

Step3:根据时间窗大小，对每个传感器和设备参数的时间序列进行划分，以二维格式的归一化数据直接用作模型输入。

Step4:根据每个batch的平均损失函数，调整神经网络权重参数，最小化损失函数值。

Step5:设置全连接层的输出为标签的维度、激活函数和dropout概率。

Step6:重复以上步骤，当损失函数值达到阈值或到达最大迭代次数，结束模型训练。

Step7:训练样本标记的预警级别作为模型的目标输出。

3.根据权利要求1所述的一种基于数字孪生技术的矿井通风智能调控系统，其特征在于，利用PSO-BP神经网络对矿井中通风设备生成智能调控方案，其主要内容包括：

构建PSO-BP神经网络调控决策模型步骤：

Step1:构建一个3层结构的PSO-BP网络并初始化；

Step2:初始化PSO，包括粒子数、粒子群的速度和位置等；

Step3:计算出每个粒子的Pbest值，选出当中最好的Pbest值作为Gbest值；

Step4:计算出每个粒子的适应值，如果优于该粒子当前的Pbest值，则更新该粒子的位置和Pbest值。如果全部粒子的Pbest值中有优于当前Gbest值的，则更新Gbest值；

Step5:更新权重值，根据公式更新粒子位置和速度；

Step6:判断是否到达最大迭代次数，若是则停止迭代，得到BP网络的最优权值W和阈值θ，否则跳转至第3步。