[发明专利]基于神经网络模型BP算法的嵌入式矿压检测方法

说明书

技术领域

本发明涉及矿压检测方法领域，具体为一种基于神经网络模型BP算法的嵌入式矿压检测方法。

背景技术

随着科学技术的不断提高，近年来煤矿的开采规模不断扩大，开采的深度不断加大，矿山压力所显现的灾害也愈加明显，如顶板冒落、冲击矿压、巷道变形等频繁发生，这些灾害都造成了重大损失，严重危害了生命安全并影响了煤矿生产。对于矿山的各种压力进行实时监测，能有效的预防重大事故的发生，具有重大的意义。如果能建立一个系统、全面的矿山压力实时监测系统，就可以对煤矿安全生产进行有效监控，并有效地预防和减少安全生产事故的发生。矿山压力实时监测技术及设备的开发，是坍塌事故的重要防线和保障措施。

目前国内外都已经发展了人工智能化检测，如采用单片机控制的振弦式压力传感器的方法来检测，在仪器的测量精度和范围等方面有了较大的提高，但这类仪器的主要问题是易受干扰，实时性、检测精度不够好，以及单台设备的大量布点而导致整个监测系统的造价过高，限制了其应用范围。

发明内容

本发明的目的是提供一种基于神经网络模型BP算法的嵌入式矿压检测方法，以解决现有技术检测方法易受干扰，实时性差，精度低的问题。

为了达到上述目的，本发明所采用的技术方案为：

基于神经网络模型BP算法的嵌入式矿压检测方法，其特征在于：基于uC/OS嵌入式技术，采用多路振弦式压力传感器检测待检测区域的压力大小，并采用内嵌uC/OS操作系统的ARM7处理器对多路振弦式压力传感器进行实时监测，然后在ARM7处理器中采用神经网络BP算法对振弦式压力传感器采集的待检测区域的压力数据进行温度补偿，包括以下步骤：

(1)根据待检测区域的地域情况，采用多个振弦式压力传感器分别检测不同待检测区域的压力大小，同时每个振弦式压力传感器附近分别配置温度传感器进行温度测量；

(2)在所述ARM7处理器中，内嵌uC/OS操作系统，并在操作系统中创建多个系统任务，用来实时管理系统各个模块功能的实现，其中包括振弦式压力传感器与CPU的通信任务；

(3)在步骤(2)中所创建的振弦式压力传感器与CPU的通信任务中，控制CPU输出一个固定在某一频率范围内的脉冲信号，所述脉冲信号经过电流驱动放大电路，从而再进入激振电路产生一个能对振弦式压力传感器内部振弦起振的信号并输出至振弦式压力传感器；然后通过ARM7处理器对振弦式压力传感器起振并采集待检测区域压力后返回的脉冲信号进行频率测量，通过振弦式压力传感器返回的脉冲信号中振弦达到共振时的频率和参考频率，以计算出此时振弦式压力传感器所对应测量的待检测区域的压力大小，所述待检测区域的压力大小通过如下公式计算出来：

F₁＝K(f₁²-f₀²)，

式中F₁为振弦式压力传感器中振弦的张力，即为待检测区域的压力大小，K为振弦式压力传感器的灵敏系数，f₁为张力变化后的振弦式压力传感器振弦达到共振时的自振频率；f₀为振弦式压力传感器振弦的参考频率，为振弦式压力传感器本身的系数；

(4)采用温度传感器采集各自对应的振弦式压力传感器振弦周围区域的温度数据，在ARM7处理器中采用BP算法建立神经网络模型，结合用神经网络模型对步骤(3)计算得到的待检测区域的压力数据以及各个温度传感器采集的温度数据进行学习，并根据神经网络模型找出待检测区域压力随温度的变化规律，最后对步骤(3)中计算得到的待检测区域的压力F1进行温度补偿，补偿公式如下：

F₂＝F₁+a，

其中F₂为修正后的待检测区域的压力大小，F₁为步骤(3)计算得到的待检测区域的压力，a为压力修正系数。

所述的基于神经网络模型BP算法的嵌入式矿压检测方法，其特征在于：所述温度传感器为单总线数字温度传感器，振弦式压力传感器的频率数据、温度传感器实时采集的数据分别送入ARM7处理器中进行处理并显示。

所述的基于神经网络模型BP算法的嵌入式矿压检测方法，其特征在于：所述ARM7处理器中采用内嵌的uC/OS操作系统进行多任务实时管理。