煤矿安全隐患智能语义采集与智慧决策支持系统

陈梓华, 李敬兆

陈梓华,李敬兆.煤矿安全隐患智能语义采集与智慧决策支持系统[J].工矿自动化,2018,44(11):7—13.. DOI: 10.13272/j.issn.1671—251x.2018090031
引用本文: 陈梓华,李敬兆.煤矿安全隐患智能语义采集与智慧决策支持系统[J].工矿自动化,2018,44(11):7—13.. DOI: 10.13272/j.issn.1671—251x.2018090031
CHEN Zihua, LI Jingzhao. Intelligent semantic acquisition and smart decision support system of coal mine safety hazards[J]. Journal of Mine Automation, 2018, 44(11): 7-13. DOI: 10.13272/j.issn.1671—251x.2018090031
Citation: CHEN Zihua, LI Jingzhao. Intelligent semantic acquisition and smart decision support system of coal mine safety hazards[J]. Journal of Mine Automation, 2018, 44(11): 7-13. DOI: 10.13272/j.issn.1671—251x.2018090031

煤矿安全隐患智能语义采集与智慧决策支持系统

基金项目: 

国家自然科学基金项目(51874010, 61170060)

重大创新平台及高校创新人才团队_矿山物联网研发团队项目(2017A053)

安徽省学术和技术带头人学术科研活动资助项目(2015D046)

安徽省高等学校优秀拔尖人才资助项目(gxbjZD2016044)

详细信息
  • 中图分类号: TD76

Intelligent semantic acquisition and smart decision support system of coal mine safety hazards

  • 摘要: 针对现有煤矿安全隐患智能语义采集与决策系统存在欠缺智能语义提取功能和多属性互联检索分析与决策功能、智能化程度不高等问题,设计了一种基于改进卷积神经网络(CNN)和蚁群算法(ACO)的煤矿安全隐患智能语义采集与智慧决策支持系统。该系统采用基于CNN的智能语义采集模型,利用CNN算法匹配出相似度最高的近义关键词,通过映射表关联到标准关键词,解决了相近语义的关键词匹配精度不高的问题;采用基于ACO的智慧检索模型,通过ACO算法负反馈和正向加强的方式标记高频度检索条例,实现了被检索的高频度条例的智能显示。实验与应用结果表明,该系统可实现多属性语义关键词的互联查询、高频度检索条例的智能显示、隐患问题相关数据的实时跟踪、数据统计图的多样化显示、决策分析预警简报的智能生成等功能。
    Abstract: In view of problems of lacking intelligent semantic extraction function and multi—attribute interconnection retrieval analysis and decision function,and low intelligence degree in existing intelligent semantic acquisition and decision system of coal mine safety hazards, a kind of intelligent semantic acquisition and smart decision support system of coal mine safety hazards based on improved convolutional neural network (CNN) and ant colony optimization (ACO) was designed. The system adopts CNN—based intelligent semantic acquisition model, and uses CNN algorithm to match the close semantic keywords with the highest similarity, and uses mapping table to concern the standard keywords, so as to solve problem of low matching accuracy of semantic keywords. The system adopts ACO—based intelligent retrieval model, and uses negative feedback and positive reinforcement method of ACO algorithm to mark high—frequency retrieval rules, so as to realize intelligent display of high—frequency retrieval rules. The experiment and application results show that the system can realize functions such as interconnection query of multi—attribute semantic keywords, intelligent display of high—frequency retrieval rules, real—time tracking of data related to hidden danger, and diversified display of data charts, intelligent generation of decision analysis and early warning reports.
  • 期刊类型引用(14)

    1. 曹现刚,段雍,王国法,赵江滨,任怀伟,赵福媛,杨鑫,张鑫媛,樊红卫,薛旭升,李曼. 煤矿设备全寿命周期健康管理与智能维护研究综述. 煤炭学报. 2025(01): 694-714 . 百度学术
    2. 曹建文. 分布式电牵引采煤机健康状态监控系统设计. 煤矿机械. 2023(03): 213-216 . 百度学术
    3. 赵海发,张成华. 基于LS-DYNA的采煤机滚筒多参数优化设计. 制造业自动化. 2023(03): 144-147 . 百度学术
    4. 钱江泳. 采煤机实时健康状态与健康度指示系统开发. 煤矿机电. 2023(02): 22-26 . 百度学术
    5. 曹现刚,段雍,赵江滨,杨鑫,赵福媛,樊红卫. 综采设备健康状态评估研究综述. 工矿自动化. 2023(09): 23-35+97 . 本站查看
    6. 曹现刚,许欣,雷卓,李彦川. 基于降噪自编码器与改进卷积神经网络的采煤机健康状态识别. 信息与控制. 2022(01): 98-106 . 百度学术
    7. 林江. 电牵引采煤机健康度智能评价系统和方法. 煤矿机械. 2022(07): 146-148 . 百度学术
    8. 胡金成. 主动半监督RVFLN方法在重介质选煤过程的应用. 中国矿业大学学报. 2022(06): 1232-1240 . 百度学术
    9. 严周民,艾志亮,宋学伟. 基于迁移学习的采煤机摇臂传动故障研究. 能源与环保. 2021(05): 196-201 . 百度学术
    10. 张俭让,刘睿卿,李学文,王智鹏,史振东. 采煤机运行状态数据分布式实时预测模型. 工矿自动化. 2021(07): 21-28 . 本站查看
    11. 包从望,江伟,刘永志,车守全. 基于卷积神经网络的采煤机截割部减速器故障诊断研究. 机电工程. 2021(10): 1317-1323+1331 . 百度学术
    12. 马忠昌. 采煤机检修电动机常见故障分析. 中国新技术新产品. 2020(16): 39-40 . 百度学术
    13. 马宏伟,聂珍,王川伟,薛旭升,夏晶. 煤矿机器人关键共性技术与发展策略. 智能矿山. 2020(01): 63-70 . 百度学术
    14. 曹现刚,马宏伟,段雍,徐田波,王岩,李鹏飞. 煤矿设备智能维护与健康管理技术研究现状与展望. 智能矿山. 2020(01): 105-111 . 百度学术

    其他类型引用(6)

计量
  • 文章访问数:  84
  • HTML全文浏览量:  10
  • PDF下载量:  18
  • 被引次数: 20
出版历程
  • 刊出日期:  2018-11-09

目录

    /

    返回文章
    返回