神經(jīng)網(wǎng)絡(luò)在采掘接替專家系統(tǒng)中的應(yīng)用研究

李思騫 田志民 王社國

(河北工程大學(xué)信息與電氣工程學(xué)院,河北 邯鄲 056038)

神經(jīng)網(wǎng)絡(luò)在采掘接替專家系統(tǒng)中的應(yīng)用研究

李思騫 田志民 王社國

(河北工程大學(xué)信息與電氣工程學(xué)院,河北 邯鄲 056038)

為了實(shí)現(xiàn)采掘接替計(jì)劃的自動(dòng)生成與動(dòng)態(tài)調(diào)整,構(gòu)造了一種基于神經(jīng)網(wǎng)絡(luò)的采掘接替專家系統(tǒng)的結(jié)構(gòu)模型。以礦井生產(chǎn)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(jīng)網(wǎng)絡(luò)的知識(shí)獲取方法,并對專家系統(tǒng)進(jìn)行優(yōu)化。該系統(tǒng)不但解決了專家系統(tǒng)獲取知識(shí)的瓶頸問題,而且提高了整個(gè)系統(tǒng)的響應(yīng)速度和準(zhǔn)確性。采用ASP.NET和SQL Server等技術(shù)實(shí)現(xiàn)了專家系統(tǒng)的開發(fā),并與人工編制的采掘計(jì)劃進(jìn)行比較。結(jié)果表明,基于神經(jīng)網(wǎng)絡(luò)的采掘接替專家系統(tǒng)能夠更合理地生成采掘接替計(jì)劃。

神經(jīng)網(wǎng)絡(luò) 采掘接替 專家系統(tǒng) SQL 精度

0 引言

煤炭是我國的重要基礎(chǔ)能源,占我國一次性能源的70%。我國煤炭資源蘊(yùn)藏豐富。隨著近幾年來我國工業(yè)的發(fā)展與進(jìn)步,對能源的需求也越來越大,我國已成為煤炭消費(fèi)第一大國。煤炭的開采包含著多個(gè)子系統(tǒng),主要包括礦井巷道布置子系統(tǒng)、礦井運(yùn)輸子系統(tǒng)、礦井通風(fēng)子系統(tǒng)、瓦斯抽排子系統(tǒng)、礦井排水子系統(tǒng)、礦井采掘生產(chǎn)子系統(tǒng)等。其中,礦井采掘生產(chǎn)子系統(tǒng)是煤炭開采工作中最重要的部分,其他子系統(tǒng)都是以保證礦井采掘生產(chǎn)為前提。煤礦采掘接替計(jì)劃是煤礦生產(chǎn)管理的中心環(huán)節(jié),對煤礦生產(chǎn)起非常重要的指導(dǎo)性作用[1-2]。采掘計(jì)劃的編制是礦井生產(chǎn)管理中不可或缺的一部分,采掘計(jì)劃不僅關(guān)系到礦山企業(yè)的經(jīng)濟(jì)效益,同時(shí)也影響到礦井的安全生產(chǎn)及其長遠(yuǎn)利益[3-4]。因此,提高采掘計(jì)劃編制的優(yōu)化程度成為煤礦生產(chǎn)管理的當(dāng)務(wù)之急。

針對采掘計(jì)劃編制的問題,國內(nèi)外煤礦企業(yè)通常采用線性規(guī)劃、非線性規(guī)劃、目標(biāo)規(guī)劃和動(dòng)態(tài)規(guī)劃等各種定量的管理技術(shù)編制和評(píng)估煤礦生產(chǎn)中的采掘計(jì)劃,以此來平衡煤礦生產(chǎn)中的各項(xiàng)工作;也有部分學(xué)者和專家引入人工智能技術(shù),試圖綜合應(yīng)用人工智能、專家系統(tǒng)來有效地解決煤礦生產(chǎn)計(jì)劃的優(yōu)化編制問題。然而,傳統(tǒng)專家系統(tǒng)存在獲取知識(shí)的瓶頸問題[5-6],神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取方法充分利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能,所獲取的知識(shí)具有最簡化、易理解等優(yōu)點(diǎn),能夠有效地克服專家系統(tǒng)在知識(shí)獲取方面的不足。

1 系統(tǒng)的總體設(shè)計(jì)

基于神經(jīng)網(wǎng)絡(luò)的采掘接替專家系統(tǒng)共由4個(gè)子系統(tǒng)組成,即數(shù)據(jù)庫與知識(shí)庫的管理系統(tǒng)、優(yōu)化模型系統(tǒng)、神經(jīng)網(wǎng)絡(luò)子系統(tǒng)和專家咨詢子系統(tǒng)。系統(tǒng)結(jié)構(gòu)圖如圖1所示。

在采掘接替系統(tǒng)中,專家查詢子系統(tǒng)主要實(shí)現(xiàn)了對采掘接替問題的推理及求解,并對問題及推理結(jié)果進(jìn)行解釋。數(shù)據(jù)庫與知識(shí)庫的管理系統(tǒng)主要是對知識(shí)庫、規(guī)則庫以及傳統(tǒng)數(shù)據(jù)庫(用戶信息、計(jì)劃信息以及資源信息)的管理。模型子系統(tǒng)可提供給用戶對采掘接替模型進(jìn)行修改、設(shè)計(jì)等功能。神經(jīng)網(wǎng)絡(luò)模塊則是專家系統(tǒng)知識(shí)獲取模塊,通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力,有效地獲取知識(shí)提供給系統(tǒng)。

圖1 系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of the system

2 系統(tǒng)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(duì)在本回采工作面可采儲(chǔ)量全部采完之后才能轉(zhuǎn)移到另一個(gè)回采工作面,而回采工作面也只有在把有關(guān)巷道掘進(jìn)結(jié)束后才能成為待采工作面。這些直接反映在回采進(jìn)度和掘進(jìn)進(jìn)度的匹配上。在進(jìn)行采掘接替計(jì)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(jìn)速度。

根據(jù)人工編制計(jì)劃的過程及煤礦制定生產(chǎn)計(jì)劃的實(shí)際需求,將系統(tǒng)分為以下6部分。

①基礎(chǔ)信息管理系統(tǒng):該子系統(tǒng)主要對采掘計(jì)劃中的信息進(jìn)行管理,具體是對回采工作面、掘進(jìn)工作面、礦井巷道、掘進(jìn)隊(duì)及生產(chǎn)設(shè)備等信息進(jìn)行管理;

②知識(shí)管理系統(tǒng):該子系統(tǒng)主要對礦井采掘計(jì)劃編制過程中的各項(xiàng)規(guī)則進(jìn)行管理,通過該子系統(tǒng)可對這些規(guī)則進(jìn)行增、刪、改、查;

③用戶組管理系統(tǒng):該子系統(tǒng)實(shí)現(xiàn)對用戶的管理,包括對用戶的添加、刪除,以及用戶級(jí)別、權(quán)限的管理設(shè)置;

④統(tǒng)計(jì)分析子系統(tǒng):該子系統(tǒng)實(shí)現(xiàn)對采掘計(jì)劃數(shù)據(jù)和生產(chǎn)數(shù)據(jù)的統(tǒng)計(jì)分析,主要針對的數(shù)據(jù)分析是計(jì)劃內(nèi)總儲(chǔ)量與計(jì)劃外總儲(chǔ)量之間的比例、計(jì)劃期內(nèi)各年的掘進(jìn)進(jìn)尺以及計(jì)劃期內(nèi)各年產(chǎn)量等;

⑤采掘計(jì)劃管理系統(tǒng):該子系統(tǒng)的功能主要是根據(jù)決策規(guī)則自動(dòng)生成回采接替和掘進(jìn)接替計(jì)劃,同時(shí)具有計(jì)劃檢測功能,并可根據(jù)實(shí)際需求對采掘計(jì)劃進(jìn)行修改和調(diào)整;

⑥報(bào)表打印子系統(tǒng):該子系統(tǒng)主要功能是自動(dòng)生成礦井生產(chǎn)計(jì)劃所需的各類報(bào)表,并實(shí)現(xiàn)顯示和打印功能。

系統(tǒng)的功能模塊如圖2所示。

圖2 系統(tǒng)功能模塊圖Fig.2 System function modules

3 知識(shí)的表示與獲取

與傳統(tǒng)的專家系統(tǒng)不同,在本系統(tǒng)中,知識(shí)的表示不是顯式的,而是一種隱式的表示形式。在訓(xùn)練結(jié)束之后,即獲取知識(shí)之后,知識(shí)的表現(xiàn)形式為在整個(gè)網(wǎng)絡(luò)中分布的權(quán)系數(shù)矩陣以及閾值向量;然后通過規(guī)則提取將規(guī)則存入數(shù)據(jù)庫中。

神經(jīng)網(wǎng)絡(luò)具有良好的學(xué)習(xí)能力以及聯(lián)想記憶功能[5-8],通過對大量的工程實(shí)例進(jìn)行學(xué)習(xí)和訓(xùn)練,為系統(tǒng)提供大量的知識(shí),本系統(tǒng)采用BP算法來實(shí)現(xiàn)學(xué)習(xí)算法。

BP神經(jīng)網(wǎng)絡(luò)是一種基于梯度下降算法的前饋式多層神經(jīng)網(wǎng)絡(luò),在實(shí)際應(yīng)用中一般采用3層網(wǎng)絡(luò),即輸入層、隱含層和輸出層。網(wǎng)絡(luò)中的同層神經(jīng)元節(jié)點(diǎn)之間沒有連接,各層神經(jīng)元節(jié)點(diǎn)之間則相互連接[6]。

3層單輸出神經(jīng)網(wǎng)絡(luò)如圖3所示。

圖3 3層單輸出神經(jīng)網(wǎng)絡(luò)Fig.3 Three-layer single output neural network

在BP神經(jīng)網(wǎng)絡(luò)中,首先定義輸入、輸出的變量(參數(shù))的特性,并測試學(xué)習(xí)樣本的匹配性,然后在設(shè)置的誤差區(qū)間內(nèi),對樣本進(jìn)行學(xué)習(xí)并逐漸收斂,具有網(wǎng)絡(luò)權(quán)重的神經(jīng)網(wǎng)絡(luò)收斂后便有了預(yù)測能力[8]。本系統(tǒng)采用3層神經(jīng)網(wǎng)絡(luò),其中包含5個(gè)輸入節(jié)點(diǎn)、4個(gè)隱節(jié)點(diǎn)以及1個(gè)輸出節(jié)點(diǎn)。

BP算法是一種簡單的梯度最速下降法,即:

式中:Wij為神經(jīng)元節(jié)點(diǎn)i與j之間的連接權(quán)重;η為學(xué)習(xí)步長,取值范圍為0.01～0.1;α為沖量系數(shù),取值為0.9左右;t為網(wǎng)絡(luò)迭代步數(shù);E為權(quán)重空間{W(t)}的誤差超平面。

4 系統(tǒng)的推理

專家系統(tǒng)一般存在3種推理機(jī)制,即正向推理、反向推理以及混合雙向推理[9]。由于本系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)獲取知識(shí)的方法,采用反向推理以及混合雙向推理,導(dǎo)致權(quán)值矩陣不能確定,從而使推理過程變得比較復(fù)雜,因此本系統(tǒng)采用正向推理。在推理過程中需要?jiǎng)?chuàng)建規(guī)則庫以及大量的數(shù)據(jù),主要包括回采工作面數(shù)據(jù)、采煤隊(duì)數(shù)據(jù)、掘進(jìn)工作面數(shù)據(jù)、掘進(jìn)隊(duì)數(shù)據(jù)以及控制參數(shù)與規(guī)則。本系統(tǒng)中采用SQL Server 2005網(wǎng)絡(luò)數(shù)據(jù)庫進(jìn)行存儲(chǔ)。

本系統(tǒng)正向推理算法如下。

①系統(tǒng)初始化,將初始事實(shí)存入P2,全真事實(shí)存入P1,P3清空;

②以P1與P2中的事實(shí)為前提,經(jīng)過神經(jīng)網(wǎng)絡(luò)的輸入端并計(jì)算輸出;

③若輸出的事實(shí)是新事實(shí),則將其存入P3,否則拋棄;

④將P2中的事實(shí)經(jīng)神經(jīng)網(wǎng)絡(luò)的輸入端并計(jì)算輸出,轉(zhuǎn)③;若P3為空,轉(zhuǎn)⑦;

⑤將P2中的事實(shí)存入P1末端,并清空;

⑥將P3中的事實(shí)存入P2,轉(zhuǎn)②;

⑦輸出結(jié)論,即P2末端的事實(shí)。

5 專家系統(tǒng)的實(shí)現(xiàn)

本系統(tǒng)的開發(fā)平臺(tái)為ASP.NET,開發(fā)語言為C#,采用C/S模式對專家系統(tǒng)的前臺(tái)和后臺(tái)進(jìn)行開發(fā)。后臺(tái)數(shù)據(jù)庫系統(tǒng)采用SQL Server 2005,在采掘計(jì)劃編制前可以人工輸入部分規(guī)則和約束條件,使采掘計(jì)劃更加符合生產(chǎn)需要。通過BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,并經(jīng)過邏輯推理可以獲得回采工作面接替策略、掘進(jìn)面接替策略以及采區(qū)接替策略。

基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的采掘接替專家系統(tǒng)開發(fā)步驟如下。

①礦井采掘接替系統(tǒng)的需求分析和總體設(shè)計(jì),以此為基礎(chǔ),完成系統(tǒng)的功能模塊設(shè)計(jì)、知識(shí)庫以及數(shù)據(jù)庫的設(shè)計(jì)。

②采掘接替模型的構(gòu)建。

③基礎(chǔ)信息、系統(tǒng)推理的必要規(guī)制與知識(shí)以及采掘接替實(shí)例的導(dǎo)入,這是神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的基礎(chǔ)。

④在SQL Server 2005數(shù)據(jù)庫的支撐下,實(shí)現(xiàn)各類基礎(chǔ)數(shù)據(jù)的導(dǎo)入,建立系統(tǒng)的數(shù)據(jù)庫管理結(jié)構(gòu)。

⑤在Visual Studio 2008開發(fā)平臺(tái)下,應(yīng)用其相關(guān)組件對象和標(biāo)準(zhǔn)控件,完成系統(tǒng)各功能模塊的C#代碼實(shí)現(xiàn)。

經(jīng)過與該煤礦當(dāng)年人工編排的生產(chǎn)計(jì)劃相對比,采用該系統(tǒng)編制的采掘計(jì)劃的年產(chǎn)量平均增產(chǎn)3%。

兩種編制方法的計(jì)劃年度產(chǎn)量對比如圖4所示。

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

6 結(jié)束語

本文針對礦井生產(chǎn)過程中存在的采掘失衡問題,設(shè)計(jì)了基于神經(jīng)網(wǎng)絡(luò)的采掘接替專家系統(tǒng),利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能解決了傳統(tǒng)專家系統(tǒng)的“瓶頸”問題——獲取知識(shí)難,使整個(gè)系統(tǒng)的推理精度大幅提高,并將生成的采掘接替計(jì)劃與人工編制的計(jì)劃進(jìn)行對比分析。結(jié)果表明,本文開發(fā)的采掘接替專家系統(tǒng)具有高效性和更高的合理性,能夠快速準(zhǔn)確地對采掘接替過程進(jìn)行模擬并自動(dòng)生成采掘接替計(jì)劃。

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

[2] 韓可琦,胡吉鋒,蔡恒兵,等.煤礦采掘接替計(jì)劃計(jì)算機(jī)仿真系統(tǒng)[J].中國礦業(yè)大學(xué)學(xué)報(bào):自然科學(xué)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(xué)技術(shù),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(jīng)網(wǎng)絡(luò)在鍋爐溫度控制系統(tǒng)中的應(yīng)用[J].自動(dòng)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(fā),詹林,等.礦井采掘計(jì)劃輔助編制系統(tǒng)的開發(fā)[J].河南理工大學(xué)學(xué)報(bào):自然科學(xué)版,2005,24(1):25-29.

[8] 呂文玉,李維明,李維紅.基于人工神經(jīng)網(wǎng)絡(luò)薄煤層采煤方法優(yōu)選專家系統(tǒng)研究[J].中國礦業(yè),2012(4):60-63.

[9] 孫鶴旭,路遙,雷兆明,等.熱軋成品質(zhì)量檢測專家系統(tǒng)[J].自動(dòng)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(xué)基金資助項(xiàng)目(編號(hào):E2011402046)

修改稿收到日期:2014-04-29。

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