通风系统被认为是矿井的“血液循环系统”，是保障矿井安全和生产的重要基础。局部通风机作为通风系统的重要组成部分，它在井下的运行情况直接影响煤矿的安全生产。本文针对局部通风机长期处于工频运行状态，无法根据井下环境自动调节风量，进而造成大量电能浪费的问题，提出了一种煤矿井下局部通风机智能调速策略，同时设计了局部通风机调控系统，实现井上工作人员远程对局部通风机进行监控，使得煤矿井下通风监控系统的自动化水平进一步提高。主要研究内容如下：（1）为了解决风机需风量大小无法估测的问题，本文应用人工神经网络，构建了Elman神经网络对局部通风机需风量的预测模型，采用改进的遗传算法对Elman网络的权值和阈值进行优化，通过对下一时刻需风量的预测，为通风机智能调速提供数据支持。（2）通过上一时刻预测的需风量与传感器采集的当前风量对比，求出风量误差和误差率，利用模糊控制理论算法设计了风量的模糊控制器，同时结合变频调速技术使得局部通风机实现自主决策启停，有效的解决了风机“一风吹”的问题。（3）为了实现所提出的煤矿井下局部通风机智能调控系统，选用ARM+Linux组成嵌入式平台，通过搭建交叉编译工具链、BootLoader、Linux内核与根文件系统以及井上井下数据互传通路的网络设备驱动设计，为局部通风机控制系统运行提供环境保障。（4）利用组态软件设计了局部通风机监控系统，实现井上工作人员和监控系统的人机对话，应用Modbus/TCP通讯协议实现井下集控单元与监控系统的数据交互。实验测试表明，该系统能有效的实现通风机的智能调控功能，为推动井下通风系统的智能化和自动化提供了一定的方法指导。

Ventilation system is considered as the "blood circulation system" of the mine, which is an important basis to ensure the safety and production of the mine. As an important part of the ventilation system, the operation of local ventilator directly affects the safety production of coal mine. In view of the problem that the local ventilator is in the power frequency operation state for a long time, it can not automatically adjust the air volume according to the underground environment, resulting in a large amount of waste of electric energy, this paper puts forward an intelligent speed control strategy for the local ventilator in the coal mine, and designs the local ventilator control system, so as to realize the remote monitoring of the local ventilator by the staff in the mine, which makes the ventilation monitoring in the coal mine more convenient The automation level of the system is further improved. The main research contents are as follows： (1) In order to solve the problem that the ventilation air demand cannot be estimated, this paper uses artificial neural network to build the Elman neural network prediction model for the local ventilator air demand, and uses the improved genetic algorithm to optimize the weights and thresholds of Elman network. Through the prediction of the next moment air demand, it provides data support for the intelligent speed regulation of the ventilation.(2) By comparing the air demand predicted at the last moment with the current air volume collected by the sensor, the air volume error and error rate are calculated, and the fuzzy controller of air volume is designed by using the fuzzy control theory algorithm. At the same time, combined with the frequency conversion speed regulation technology, the local ventilator can realize the independent decision-making of start-up and stop, which effectively solves the problem of "one air blowing" of the ventilator.(3) In order to realize the proposed intelligent speed control system of local ventilator in coal mine, this paper selects arm + Linux to form an embedded platform, through the construction of cross compiler tool chain, bootloader, Linux kernel and root file system, and network device driver design of data transmission path between the shaft and underground, to provide a guarantee environment for the operation of local ventilator control system.(4) The monitoring system of local ventilator is designed by using configuration software to realize the man-machine dialogue between the workers on the well and the monitoring system, and the data interaction between the underground centralized control unit and the monitoring system is realized by using Modbus / TCP communication protocol.The experimental results show that the system can effectively realize the intelligent control function of the ventilator, and provide a certain method guidance for promoting the intellectualization and automation of the underground ventilation system.

[1]李勇.矿井通风机自动控制系统的研究[J].中国化工贸易，2019，11(11):171-172.

[2]杜旭红.基于模糊控制的煤矿局部通风机风量调节系统研究[D]. 兰州：兰州理工大学，2012.

[3]李程.基于Zigbee和DSP技术的井下瓦斯实时监测排放系统[D]. 西安：西安科技大学，2012.

[4]王佳奇，卢明银.基于数字孪生的煤矿瓦斯事故安全管理[J].煤矿安全，2020，51(8):251-255.

[5]张抗抗.煤矿主通风机风量调节系统的设计与实现[D].徐州：中国矿业大学，2015.

[6]WANG K, JIANG S G, MA X P,et al. Abnormal gas emission in coal mines and a method for its dilution using ventilator contorl [J].Journal of Natural Gas Science and Engineering，2016，33:355-366(in Chinese).

[7]韩向锋.煤矿主通风机监控系统的研究[D]. 淮南：安徽理工大学，2009.

[8]乔进.现代煤矿通风可靠与安全生产研究[J]. 能源与节能，2018，157(10):30-31.

[9]孙继平.煤矿信息化自动化新技术与发展[J]. 煤炭科学技术，2016，44(1):19-23.

[10]吴新忠，任子晖，马小平等.煤矿主要通风机在线监控系统研究现状及发展[J]. 煤炭科学技术，2009，37(12):54-57.、

[11]李金华.国内矿用通风机的现状与发展[J]. 煤矿机械，2013(5):2-4.

[12]候秀杰.局部通风机智能控制系统研究[D]. 徐州：中国矿业大学，2016.

[13]李婧.局部通风机变频调速模糊控制器的开发[D]. 太原：太原理工大学，2015.

[14]宋国庆，王书满，杨旭东.基于T-S模型的局部通风机风量模糊预测控制算法[J]. 南京理工大学学报，2017，41(05):591-595.

[15]韩艳杰.基于ANFIS-PID控制的局部通风机风量自动调节系统仿真研究[D]. 衡阳：南华大学，2015.

[16]余胜威.MATLAB优化算法案例分析与应用[M]. 北京：清华大学出版社，2016.

[17]欧阳名三，吴国芳.改进型自抗扰控制在局部通风机风速调节中的应用研究[J]. 工矿自动化，2019，45(7):73-79.

[18]张梅.矿井局部通风机的模糊神经网络PID控制器设计[J]. 煤炭工程，2011 (6):127-129.

[19]安宁，邱玮炜.基于遗传算法的PID控制在矿井局部通风机上的应用[J]. 内江科技，2010，31(08):85-88.

[20]秦书明，吴利学.煤矿智能局部通风机系统的设计及应用[J]. 煤矿机电，2014(1):94-96.

[21]黄书卫.基于物联网技术的煤矿通风智能监控系统[J]. 中国科技信息，2015 (5):99-100.

[22]张丰敏.矿井局部通风机智能控制系统的研究[D]. 阜新：辽宁工程技术大学，2010.

[23]韩发.巷道掘进的通风方式与设备选用[J]. 科技与企业，2012 (7):147-147.

[24]何超.交流变频调速技术[M]. 北京：北京航空航天大学出版社，2012.

[25]He W, Dong Y. Adaptive Fuzzy Neural Network Control for a Constrained Robot Using Impedance Learning[J]. IEEE Transactions on Neural Networks and Learning Systems, 2018,29(04): 1174-1186.

[26]Zhang P.(2011) Research of mine ventilation resistance calculation based on BP neural network [J]. International Conference on Artificial Intelligence,Management Science and Electronic Commerce,3226-3229,doi:10.1109/AIMSEC.2011.6011339.

[27]El-Sousy, Fayez F M. Intelligent Optimal Recurrent Wavelet Elman Neural Network Control System for Permanent-Magnet Synchronous Motor Servo Drive[J]. IEEE Transactions on Industrial Informatics,2013,9(04): 1986-2003.

[28]梁爽，唐晓，江磊等.GA-BP神经网络预测钛合金表面粗糙度[J]. 机械设计与制造，2019，48(8):265-268.

[29]贾志琴，史元浩，梁建宇等.基于Elman神经网络的受热面积灰动态预测[J]. 电子测量与仪器学报，2019，33(9):50-56.

[30]崔东文.改进Elman神经网络在径流预测中的应用[J]. 水利水运工程学报，2013(2):71-77.

[31]Fu H, Xie S, Xu Y S. Gas emission dynamic prediction model of coal mine based on ACC-ENN algorithm [J]. Journal of China Coal Society ,2014(7): 1296-1301.

[32]Lin J Q, Sun F S, Li Y C,et al. Prediction of aircraft cabin energy consumption based on IPOS-Elman neural network[J].Acta Aeronautica et Astronautica Sinica，2020，41(7):323-614(in Chinese).

[33]Lin W M, Hong C M. A New Elman Neural Network-Based Control Algorithm for Adjustable-Pitch Variable-Speed Wind-Energy Conversion Systems[J].IEEE Trancsactions on Power Electronics,2011,26(02):473-481.

[34]Lin W M, Hong C M, Li Y C,et al. A New Elman Neural Network-Based Control Algorithm for Adjustable-Pitch Variable-Speed Wind-Energy Conversion Systens[J].IEEE Trasactions on Power Electronics,2011,26(02):473-481.

[35]常峰.基于GA-BP神经网络的工作面顶板矿压预测模型应用研究[D]. 徐州：中国矿用大学，2019.

[36]张琪琪.改进粒子群算法优化Elman神经网络的交通流预测[D]. 西安：长安大学，2019.

[37]刘浩然，赵翠香，李轩等.一种基于改进的遗传算法的神经网络优化算法研究[J]. 仪器仪表学报，2016，37(7):1573-1580.

[38]陈闯，Ryad Chellali，刑尹.改进遗传算法优化BP神经网络的语音情感识别[J]. 计算机应用研究，2019，36(2):344-346.

[39]黄玉春，田建平，杨海栗等.基于遗传算法优化Elman神经网络的机床热误差建模[J]. 组合机床与自动化加工技术，2015(4):74-77.

[40]黄照坤.水轮机调速器控制技术研究[J]. 时代农机，2017，12:108-109.

[41]章卫国.模糊控制理论与应用[M]. 西安：西北工业大学出版社，2004.

[42]赵伟杰. 火电厂锅炉主蒸汽温度智能控制的研究[D]. 唐山：华北理工大学，2015.

[43]胡凯伟. 基于嵌入式LINUX的步进电机远程控制系统研究[D]. 杭州：浙江工业大学，2010.

[44]董素玲.基于模糊控制的煤矿主井通风机不停风倒机自动控制系统设计[J]. 工矿自动化，2015，41(9):39-43.

[45]Ouchatti A, Abbou A, Akherraz M, et al. Sensorless Direct Torque Control of Induction Motor using fuzzy logic controller applied to electric vehicle[C].Renewable & Sustainable Energy Conference.IEEE,2015.

[46]刘杰，刘宇等.智能控与MATLAB实用技术[M]. 北京科学出版社，2017.

[47]曹锋.基于模糊控制的局部通风机系统的研究[J]. 煤矿机械，2013，34(8):168-170.

[48]Li C, Shi L. The application of fuzzy sliding mode control in the system of local fan speed control[C]// Computer Application and System Modeling（ICCASM）,2010 Internation Conference on.IEEE,2010:V3-375-V3-379.

[49]张丽丽. 大麦麦芽干燥环境模糊控制系统研究[D]. 兰州：甘肃农业大学，2008.

[50]王永红. 基于模糊控制的智能交通灯教学实验平台设计[J]. 机电工程技术，2019，48(2):46-48.

[51]崔学林，丁涛.基于无人机的大气污染物模糊控制溯源算法的仿真实现[J]. 科学技术与工程，2019，19(35):370-374.

[52]何境泰. 基于Linux系统的铁路信号计算机联锁安全平台软件设计[D].兰州：兰州交通大学，2015.

[53]邓广宏，曹万华，蔡斌等. 基于嵌入式linux系统的内核级线程库的研究与实现[J].小型微型计算机系统，2009，7:1393-1398.

[54]李邵平.基于ARM9嵌入式数据链系统的实现及其ZRP混合路由协议的研究[D]. 北：北京邮电大学，2011.

[55]Gao Y C ,Zheng Z,Qin F Y. Analysis of Linux kernel as a complex network[J]. Chaos, Solitons and Fractals: the interdisciplinary journal of Nonlinear Science, and Nonequilibrium and Complex Phenomena,2014,69（12）：246-252.

[56]宋宝华.Linux设备驱动开发详解[M]. 人民邮电出版社，2010.

[57]杨冬琼.嵌入式linux文件系统浅析[J]. 信息与电脑，2015(18):20-21.

[58]徐海铭.DSP集成电路设计与研究：高速串行外设接口[D].无锡：江南大学，2009.

[59]曹志龙. 基于嵌入式linux的高速电台内数据收发的研究与设计[D]. 广州：广东工业大学，2015.

[60]杨俊玲. 基于LINUX下桥模式的入侵检测系统的研究[D]. 天津：天津大学，2007.

[61]唐金鑫. Linux下基于PCI总线的网络设备驱动程序的研究与开发[D]. 哈尔滨：黑龙江大学，2015.

[62]国家煤矿安全检查局.煤矿安全规程[M]. 北京：煤炭工业出版社，2004.

[63]王胜辉.基于ARM和多传感器模糊数据融合的瓦斯监控系统的研究[D]. 辽宁：辽宁工程技术大学，2011

[64]张征，陈琦，饶攀. 应用组态王开发变电站实时监控系统[J]. 大众科技，2010(4):125-125.

[65]杨洋. 基于工业以太网与现场总线的矿井下供电监控系统设计[D].太原：太原理工大学，2015.

[66]彭赟，刘志雄，刘晓莉等.TCP/IP网络体系结构分层研究[J]. 中国电力教育，2014(15):38-39+64.