煤矿盗采定位算法研究与仿真实现

详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文

英文篇名：Research and Simulation of Illegal Mining Location Algorithm 中文刊名：计算机仿真 英文刊名：Computer Simulation 作者：杨晓哲 ; 张法全 英文作者：YANG Xiao-zhe ; ZHANG Fa-quan ; School of Information and Communication ; Guilin University of Electronic Technology 中文关键词：煤矿防盗采 ; 粒子群法 ; 拟牛顿算法 英文关键词：Anti-theft ; coal mine ; PSO algorithm ; Broyden algorithm 出版日期：2015-05-15 机构：桂林电子科技大学信息与通信学院; 年：2015 期：05 出版单位：计算机仿真

摘要

由于煤矿盗采具有隐蔽性强的特点,监管部门迫切需要检测精度高且周期短的设备对地下开采巷道进行实时监测,以便及时有效地发现盗采行为。在煤矿盗采行为定位监测中,震源的位置、发震时刻均为未知,而确定这些因素也是微地震监测的重点。提出PSO-Broyden混合算法实现煤矿防盗采定位监测功能,可以有效地确定盗采震源位置和盗采时间。混合算法充分地利用了Broyden算法的局部精确搜索性以及PSO算法的群体快速搜索特性,有效地克服了PSO算法后期搜索效率低下和Broyden法对初始值敏感的缺陷,并把煤矿盗采所产生的爆炸P波的速度作为未知解在混合算法中进行求解,减小了误差,提高了计算精度。仿真结果表明,PSO-Broyden算法在实际煤矿防盗采监测定位中既精确又稳定,能有效地提高盗采定位的准确性,具有很高的应用价值。
Illegal mining has the characteristic of strong concealment,so that the coal mine supervision department urgently needs a monitoring equipment with high accuracy and short detection cycle to monitor underground mines in real time and thus to position theft.This paper proposed a PSO-Broyden hybrid algorithm to monitor the location and timing of quaking.The mixed algorithm integrated Broyden and PSO,the former is capable of local precise searching but low in efficiency,and the latter is capable of swarm rapid searching but sensitive to the initial value,which overcomes the drawbacks of the two algorithm.By this algorithm,the speed of the explosion P wave of illegal mining can be determined,thus reducing errors and increasing computation precision.Simulation results show that the PSO-Broyden algorithm is precise and stable in coal anti-theft monitoring and positioning,and is,therefore,of great practical value.

引文

[1]万聚金,陈仲东.浅析煤矿超层越界开采的预防与治理[J].国土资源导刊,2007,(5):41-42.
    [2]刘建华,胥颐,郝天垗.地震波衰减的物理机制研究[J].地球物理学进展,2004,19(1):1-7.
    [3]吴龙,任红民,毕惟红.遗传算法求解非线性方程组研究综述[J].电子科技,2014,27(4):173-178.
    [4]万永革,李鸿吉.遗传算法在确定震源位置中的应用[J].地震地磁观测与研究,1995,16(6):1-7.
    [5]林峰,李庶林,薛云亮.基于不同初值的盗采源定位方法[J].岩石力学与工程学报,2010,29(5):996-1002.
    [6]陈炳瑞,等.基于粒子群算法的岩体盗采源分层定位方法[J].岩石力学与工程学报,2009,28(4):740-749.
    [7]张安玲,刘雪英.求解非线性方程组的拟牛顿-粒子群混合算法[J].计算机工程与应用,2008,44(33):41-42.
    [8]张继伟.修正Broyden族拟牛顿算法及其应用[D].湖南大学,2006.
    [9]蔡昭权,黄翰.自适应变异综合学习粒子群优化算法[J].计算机工程,2009,35(7):170-171.
    [10]李浩渊,汪定伟.集装箱码头动态集卡配置的并行仿真优化方法[J].系统仿真学报,2008,21(14):4243-4247.
    [11]李荣钧,常先英.一种新的混合粒子群优化算法[J].计算机应用研究,2009,26(5):1700-1702.
    [12]M Clerc,J Kennedy.The particle swarm:explosion stability and convergence in a multi-dimensional complex space[J].IEEE Transactions on Evolution Computing,2012,6(1):58-73.
    [13]倪庆剑,等.动态概率粒子群优化模型及实验分析[J].计算机科学,2009,36(2):222-226.
    [14]柳辉.解非线性方程组的牛顿迭代法及其应用[J].重庆工学院学报,2007,21(8):95-98.
    [15]宋菁.基于PSO算法的系统可靠性优化分析[J].电子科技,2007,(8):51-53.
    [16]孙向军,赵斯强.严宗睿.基于粒子群优化的反潜搜索研究[J].微电子学与计算,2008,25(10):91-93.
    [17]林成森编.数值计算方法(下册)[M].北京:清华大学出版社,2000.