為了提高安全性,全世界都在尋求實(shí)施無線傳感器網(wǎng)絡(luò)（WSNs）來監(jiān)測(cè)復(fù)雜的、動(dòng)態(tài)的和環(huán)境惡劣的地下煤礦。文中引入了一種可靠的物聯(lián)網(wǎng)（IoT）空氣質(zhì)量監(jiān)測(cè)系統(tǒng),該系統(tǒng)由傳感器模塊、通信協(xié)議和基站組成�；赟TM32的傳感器模塊具有八個(gè)不同的參數(shù),安裝在可操作的地下煤礦的不同位置。基于感知數(shù)據(jù),該系統(tǒng)用煤礦環(huán)境指數(shù)（MEI）對(duì)地下煤礦礦井空氣質(zhì)量進(jìn)行評(píng)價(jià)。采用主成分分析法確定了CH₄、CO、SO₂和H₂S是影響礦井空氣質(zhì)量最主要的氣體。將主成分分析的結(jié)果輸入到RNN神經(jīng)網(wǎng)絡(luò)模型中,實(shí)現(xiàn)了MEI的預(yù)測(cè)。結(jié)果表明,基于主成分分析的神經(jīng)網(wǎng)絡(luò)在MEI預(yù)測(cè)中具有較好的性能,主成分分析+RNN預(yù)測(cè)模型的性能指標(biāo)R²和RMSE值分別為0.489 0和0.120 4,提高了線性回歸模型對(duì)礦井大氣污染物的預(yù)測(cè)精度。因此,提出的基于STM32和Tensorflow平臺(tái)的人工神經(jīng)網(wǎng)絡(luò)可以快速評(píng)估和預(yù)測(cè)礦井空氣質(zhì)量,提高礦井環(huán)境安全性。 

【文章來源】：計(jì)算機(jī)技術(shù)與發(fā)展. 2020,30(08)

【文章頁數(shù)】：5 頁

【部分圖文】：

煤礦環(huán)境指數(shù)(MEI)的多層感知循環(huán)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)架構(gòu)

該系統(tǒng)專為地下礦井空氣質(zhì)量監(jiān)測(cè)和評(píng)估而設(shè)計(jì)。系統(tǒng)基本架構(gòu)如圖1所示。主要框架包括數(shù)據(jù)采集、數(shù)據(jù)傳輸、空氣質(zhì)量評(píng)價(jià)與預(yù)測(cè)的數(shù)據(jù)處理。傳感節(jié)點(diǎn)單元連接到基于STM32處理器的傳感器模塊,傳感器節(jié)點(diǎn)捕獲空氣質(zhì)量數(shù)據(jù),并通過LoRa無線技術(shù)將數(shù)據(jù)通過基站傳輸?shù)椒⻊?wù)器分析處理數(shù)據(jù),Tensorflow作為神經(jīng)網(wǎng)絡(luò)平臺(tái)進(jìn)行礦井空氣質(zhì)量預(yù)測(cè)。傳感器節(jié)點(diǎn):傳感器的基本功能是測(cè)量礦井環(huán)境中的空氣參數(shù)。傳感器節(jié)點(diǎn)由傳感器模塊、微控制器和無線發(fā)射機(jī)組成。選擇合適的傳感器來監(jiān)測(cè)礦井環(huán)境是一個(gè)相對(duì)復(fù)雜的問題,它需要綜合考慮測(cè)量范圍、精度和靈敏度等因素。DHT11是一款有已校準(zhǔn)數(shù)字信號(hào)輸出的溫濕度傳感器。其精度濕度+-5%RH,溫度+-2℃,量程濕度20%～90%RH,溫度0℃～50℃。通常情況下,煤礦的工作溫度在15℃到45℃之間變化,濕度在DTH11的特定范圍內(nèi)。這些電位使得DTH11非常適合在地下煤礦中使用。地下煤礦中常見的氣體有CH4,CO2,CO,NO2,H2S和SO2。文中利用MQ-4、MQ-9、MQ-811、MQ-136和MiCS-2714傳感器模塊來監(jiān)測(cè)各種氣體的濃度。其中,大部分傳感器模塊為金屬氧化物(SnO2),對(duì)揮發(fā)性氣體分子反應(yīng)良好;因此,它們對(duì)于氣體監(jiān)測(cè)更加可靠和有效。此外,傳感器模塊,無論是用于氣體監(jiān)測(cè)還是用于溫度測(cè)量,都是經(jīng)濟(jì)有效、低功耗、穩(wěn)定的。文中以內(nèi)嵌LoRaWAN的STM32單片機(jī)為基礎(chǔ),用MQ-4、MQ-9、MQ-811、MQ-136、MiCS-2714和DHT11傳感器模塊來監(jiān)測(cè)煤礦中常見的氣體CH4,CO2,CO,NO2,H2S和SO2以及溫濕度。

【參考文獻(xiàn)】：
期刊論文
[1]基于主成分分析與BP神經(jīng)網(wǎng)絡(luò)的礦井涌水量預(yù)測(cè)研究[J]. 張憲峰,魏久傳,張延飛,吳霞,李孝朋.  煤炭技術(shù). 2018(06)
[2]基于物聯(lián)網(wǎng)的農(nóng)業(yè)墑情監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 金文,姚凱學(xué).  計(jì)算機(jī)應(yīng)用與軟件. 2018(03)
[3]基于物聯(lián)網(wǎng)的煤礦移動(dòng)安全監(jiān)控系統(tǒng)設(shè)計(jì)[J]. 李隘優(yōu).  閩西職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2017(04)
[4]基于循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)與分類[J]. 艾玲梅,葉雪娜.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(02)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[6]中國交通工程學(xué)術(shù)研究綜述·2016[J]. 馬建,孫守增,芮海田,馬勇,王磊,劉輝,張偉偉,陳紅燕,陳磊.  中國公路學(xué)報(bào). 2016(06)
[7]水力沖孔煤層瓦斯分區(qū)排放的形成機(jī)理研究[J]. 王新新,石必明,穆朝民.  煤炭學(xué)報(bào). 2012(03)

碩士論文
[1]基于Tensorflow的循環(huán)神經(jīng)網(wǎng)絡(luò)模型在上海市空氣質(zhì)量預(yù)測(cè)中的應(yīng)用[D]. 劉蕾.上海師范大學(xué) 2019
[2]基于深度學(xué)習(xí)的霧霾預(yù)測(cè)方法研究[D]. 宋利紅.電子科技大學(xué) 2018
[3]面向高維數(shù)據(jù)的PCA-Hub聚類方法研究[D]. 郎江濤.重慶大學(xué) 2017
[4]基于Android的健康監(jiān)測(cè)應(yīng)用研究與實(shí)現(xiàn)[D]. 段豪.電子科技大學(xué) 2017



本文編號(hào)：3505769