發(fā)布時(shí)間：2020-12-04 00:45

　　瓦斯災(zāi)害是煤礦生產(chǎn)過程中的重大安全隱患,瓦斯?jié)舛鹊脑诰�準(zhǔn)確監(jiān)測(cè)對(duì)煤礦安全生產(chǎn)有著重要的意義。然而由于礦井下存在復(fù)雜的電磁源,瓦斯傳感器在數(shù)據(jù)采集過程中往往會(huì)受到電磁干擾而產(chǎn)生“大數(shù)”,“大數(shù)”會(huì)導(dǎo)致瓦斯檢測(cè)系統(tǒng)的誤報(bào)警,帶來(lái)安全隱患。針對(duì)該問題,本文首先對(duì)干擾信號(hào)的特點(diǎn)進(jìn)行分析,基于人工免疫算法搭建一種瓦斯“大數(shù)”干擾識(shí)別模型,進(jìn)而利用該模型對(duì)干擾信號(hào)和正常報(bào)警信號(hào)的特點(diǎn)進(jìn)行學(xué)習(xí),在學(xué)習(xí)過程中提取出免疫疫苗,用于提高模型對(duì)干擾信號(hào)識(shí)別的速度和準(zhǔn)確性。其次利用自適應(yīng)免疫遺傳算法的尋優(yōu)能力尋求最小均方差算法的最佳收斂步長(zhǎng),設(shè)計(jì)一種自適應(yīng)濾波器,使用該濾波器對(duì)干擾模型識(shí)別出的干擾數(shù)據(jù)進(jìn)行濾除。為了驗(yàn)證本文設(shè)計(jì)的干擾識(shí)別模型是否有效,本文首先將采集到的數(shù)據(jù)直接用自適應(yīng)濾波器進(jìn)行處理,將處理后得到的數(shù)據(jù)與本文所設(shè)計(jì)方法處理后的數(shù)據(jù)進(jìn)行對(duì)比;其次為了驗(yàn)證自適應(yīng)濾波器對(duì)干擾數(shù)據(jù)的濾除效果,分別對(duì)干擾識(shí)別模型判斷后的數(shù)據(jù)分別利用高斯濾波、巴特沃斯濾波和小波分析進(jìn)行處理,然后將處理后的結(jié)果與自適應(yīng)濾波器處理后的結(jié)果進(jìn)行比較。通過對(duì)仿真實(shí)驗(yàn)結(jié)果的對(duì)比分析,證明了本文設(shè)計(jì)的方法對(duì)瓦斯干擾數(shù)據(jù)的濾除效果相對(duì)較... 

【文章來(lái)源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

瓦斯“突出”與干擾對(duì)比圖

圖 3.3 不同步長(zhǎng) LMS 算法迭代速度對(duì)圖 3.3 進(jìn)行分析可以發(fā)現(xiàn)，當(dāng)選取的收斂步長(zhǎng)太小的時(shí)候，例如圖中的收斂 0.025 時(shí)，LMS 算法迭代的速度非常緩慢，但是當(dāng) LMS 算法停止迭代即達(dá)到的時(shí)候，最終的迭代誤差非常��；當(dāng)選取得收斂步長(zhǎng)較大的時(shí)候，例如圖中收選取為 0.075 時(shí)，可以看出雖然 LMS 算法收斂速度很快，但是最終 LMS 算法時(shí)的穩(wěn)態(tài)誤差也比較大；當(dāng)選取的收斂步長(zhǎng)值非常大的時(shí)候，例如圖中收斂步為 0.095 時(shí)，LMS 算法在收斂過程中穩(wěn)定性變的非常差，很難收斂到最終的穩(wěn)通過實(shí)驗(yàn)對(duì)不同的收斂步長(zhǎng)的收斂結(jié)果進(jìn)行對(duì)比可以發(fā)現(xiàn)，收斂步長(zhǎng)值的選取影響 LMS 算法的迭代速度[68]，而且對(duì) LMS 算法最終收斂到穩(wěn)定狀態(tài)時(shí)的誤差有很大的影響。3 RLS 算法與 LMS 算法對(duì)比為了對(duì)比 LMS 算法與 RLS 算法在不同環(huán)境下的收斂性能，分別對(duì)兩種自適應(yīng)迭代收斂的仿真實(shí)驗(yàn)，由于 RLS 算法中加權(quán)因子λ 無(wú)量綱，而 LMS 算法中收子μ 有量綱，其量綱為功率量綱的倒數(shù)[66]。因此，為了更好的比較兩種算法收

第三章 自適應(yīng) FIR 濾波器設(shè)計(jì)對(duì)于 RLS 算法定義遺忘因子為：β =1 λ首先對(duì)濾波器的相關(guān)參數(shù)進(jìn)行設(shè)置：權(quán)系數(shù)的個(gè)數(shù) L =10，迭代次數(shù)為 1500。程中為了更好的對(duì)比兩種算法的收斂性能，步長(zhǎng)因子和遺忘因子均取使算法性優(yōu)的值。為了更為全面的比較出兩種算法的收斂性能，試驗(yàn)分別在平穩(wěn)環(huán)境下環(huán)境下進(jìn)行。圖 3.4 和圖 3.5 為兩種環(huán)境下得到的收斂結(jié)果。在平穩(wěn)環(huán)境下 R LMS 算法的對(duì)比結(jié)果如圖 3.4 所示。


本文編號(hào)：2896738