摘要: 精准控制井下巷道风量、提前预测煤矿通风系统故障是保证煤矿企业安全高效运行的前提。分别建立了基于模拟退火(SA)-BP算法的通风机出风量控制模型和基于自适应遗传(AGA)-BP算法的通风机故障诊断模型，并在此基础上设计了一套基于神经网络算法的井下通风监测与控制系统。通过环境传感器采集甲烷浓度、粉尘浓度和温度等数据，利用SA-BP算法计算风量与环境系数的最优目标，在保证安全的前提下，精准控制出风量，减少通风机能耗；利用AGA优化的BP神经网络算法分析通风机振动信号频率与故障类型的关系。仿真结果表明，基于SA-BP神经网络控制的通风机可根据瓦斯和粉尘浓度实时调节通风机频率，使通风机风量保持在最佳水平；基于AGA-BP的通风机故障诊断准确率平均值为91.20%,能够有效识别通风机故障。