摘要: 煤矿工作面智能均压系统是治理上隅角瓦斯积聚、保障安全生产的关键技术。针对现有均压通风系统因传感与控制滞后导致的响应迟滞、超调严重等问题，提出一种基于LSTM-Transformer混合模型预测与PID反馈的复合智能控制方法。该方法通过融合LSTM的时序记忆能力与Transformer的多头自注意力机制，构建了一种能够实现高精度、多步长氧气浓度预测的混合模型。与随机森林（RF）、BP神经网络、支持向量机（SVM）、卷积神经网络（CNN）及单一LSTM等主流时序预测模型相比，LSTM-Transformer在均方根误差（RMSE）、平均绝对误差（MAE）、拟合优度（R2）等多项指标上表现最优，尤其在数据突变阶段展现出更强的适应性与鲁棒性。基于该预测模型输出的前馈信号，结合PID反馈控制器，构建了风窗开度的闭环调控系统，实现了从“监测–响应”到“预测–干预”的主动控制模式转变。在陕西三道沟煤矿45207工作面的工程应用表明，该系统将整体响应时间缩短约2分钟，有效抑制了超调现象，使上隅角氧气浓度波动范围稳定在设定阈值的1.5%以内，显著提升了通风控制的实时性与稳定性，为智能矿山通风系统的建设提供了可靠的技术路径。