CC BY
48
A. Н. Домрачев
д-р техн. наук, ведущий научный сотрудник Новокузнецкого филиала ВНИИПО МЧС России
Д. Ю. Палеев
д-р техн. наук, заведующий лабораторией Института угля СО РАН
Ю. М. Говорухин
канд. техн. наук, научный сотрудник Новокузнецкого филиала ВНИИПО МЧС России
B. Г. Криволапов
канд. техн. наук, заместитель начальника по научной работе Новокузнецкого филиала ВНИИПО МЧС России
В. И. Липатин
научный сотрудник Новокузнецкого филиала ВНИИПО МЧС России
УДК 622.86:622.33:338.28
использование аппарата нейронных сетей
и нечеткой логики при оценке вероятности взрыва пылеметановоздушной смеси
На примере искусственно созданной выборки разработаны структура нейронной сети и модели на основе нечеткой логики с целью оценки возможности использования данных методов для прогнозирования вероятности взрыва пылеметановоздушной смеси. Установлено, что применение данных методов может расширить возможности оценки риска при ведении аварийно-спасательных работ.
Ключевые слова: НЕЙРОННАЯ СЕТЬ, НЕЧЕТКАЯ ЛОГИКА, АВАРИЙНО-СПАСАТЕЛЬНЫЕ РАБОТЫ, ВЕРОЯТНОСТЬ ВЗРЫВА ПЫЛЕМЕТАНОВОЗДУШНОЙ СМЕСИ
Сложность разработки нейронной сети для оценки вероятности взрыва пылеметановоздушной смеси (ПМВС) при ведении аварийно-спасательных работ (АСР) заключается, прежде всего, в формировании набора исходных данных и, соответственно, определении числа нейронов во входном слое. По мнению авторов, возможный перечень входных параметров может быть сформирован на основе данных, представленных в таблице 1. С целью выбора архитектуры и обучения сети была разработана экспертная обучающая выборка со структурой набора входных данных, аналогичной приведенной в таблице 2.
В качестве исходной платформы для ней-росетевого моделирования использовалась среда Ма^аЬ 6.0 в режиме командной строки. На первом этапе была реализована сеть Кохонена с 6 нейронами во входном слое, четырьмя скрытыми слоями по 5 нейронов в каждом и одним нейроном в выходном слое. Сеть формально прошла обучение, однако результаты ее рабо-
ты были признаны неудовлетворительными. На втором этапе была реализована сеть Элмана, с аналогичной сети Кохонена структурой (pnetl = newelm (PR1,[5 5 5 5 1]) [1-5], результаты обучения которой были более успешны (SSE = 0,005122). В контексте определения вероятности аварийной ситуации нечеткая логика может рассматриваться как формализованный вариант экспертной оценки, близкий по своей сути к аппарату экспертных систем. С целью проверки возможности использования аппарата нечеткой логики для анализа и оценки риска при ведении аварийно-спасательных работ была решена задача определения вероятности взрыва ПМВС на основе экспертных оценок, формализованных в виде набора правил системы с использованием пакета Fuzzy Logic Toolbox среды MatLab 6.0 [2, 6, 7]. В качестве входных переменных использованы данные, аналогичные набору для ней-росетевого моделирования (см. табл. 2). Структурная схема и результаты реализации системы при работе в режиме изменения входных переменных приведены на рисунке 1.
Пожарная и промышленная безопасность Таблица 1 - Перечень исходных данных для оценки вероятности взрыва пылеметановоздушной смеси
№ п/п Параметр Единица измерения Примечания
1 Снижение производительности вентилятора главного проветривания (ВГП) Доли ед. По данным системы контроля работы главных вентиляционных установок
2 Газообильность аварийного участка (в т. ч. по составляющим) м3/мин Наибольший интерес представляет газовыделение со стенок выработки по расчетам и замерам участка ВТБ
3 Глубина нарушения проветривания аварийного участка Доли ед. По данным о состоянии (дверей) шлюза на пульте диспетчера
4 Концентрация СН4 (перед отказом автоматической газовой системы (АГЗ)) % Параметры имеют смысл только при наличии дегазации, что усложняет обучение сети
5 Концентрация СН4 на всасе дегазационной установки %
6 Снижение производительности дегазационной установки по метановоздушной смеси (МВС) Доли ед.
7 Фактический коэффициент дегазации Доли ед. Возможно использование вместо пунктов 5 и 6
8 Концентрация СО (СО2) на исходящей шахты (крыла, аварийного участка) % Может свидетельствовать о наличии пожара на аварийном участке, что очень важно при оценке возможности взрыва ПМВС
9 Нижний предел взрывчатости угольной пыли % По последним разделанным пробам
Рисунок 1 - Реализация системы оценки вероятности взрыва ПМВС на основе пакета Fuzzy Logic Toolbox среды MatLab 6.0
На основе рекомендаций [6] для входных переменных приняты функции принадлежности Гаусса (gaussm/), для выходной переменной - трапецевидная функция принадлежности (&арт/). В связи со спецификой функции принадлежности Гаусса в системах на основе нечеткой логики вводилась не остаточная производительность ВГП, а величина снижения производительности ВГП после аварии (в долях единицы). Исходные данные и сравнительные результаты моделирования с использованием сети Элмана и аппарата нечеткой логики приведены в таблице 2.
На основе вышеизложенного могут быть сделаны следующие выводы:
1. Наибольший интерес (и возможности для реализации) представляет задача определения вероятности того или иного опасного события (взрыв ПМВС, обрушение кровли выработки и др.) по имеющимся данным о состоянии объекта ведения аварийно-спасательных работ. В перспективе такой подход является более продуктивным, чем использование зависимостей, полученных на основе статистических методов.
2. Использование искусственно созданной «экспертной» выборки позволило проверить возможность применения нейронных сетей и систем на основе нечеткой логики при анализе и оценке риска, а также определить архитектуру, алгоритм и типы служебных функций (передаточных для нейросетевого моделирования и функций
принадлежности для нечеткой логики). Однако для подготовки обученной сети (системы) необходимы фактические данные, сбор и обработка которых являются следующим этапом выполнения научной работы.
3. Проблема свободной среды реализации нейронной сети может быть частично решена с использованием нейросимулятора SNNS (с учетом ограничений по типам операционных систем) или самостоятельным написанием необходимого кода [7]. Весьма существенным недостатком систем на основе нечеткой логики является отсутствие бесплатного программного обеспечения для их реализации, а также сложность непосредственной разработки системы в виде программы на языке высокого уровня.
4. Аппарат нечеткой логики дает уникальную возможность однократной подготовки набора правил в течение достаточно длительного времени группой профильных специалистов. Затем формализованные наработки такого экспертного сообщества могут быть использованы для анализа и оценки риска при ведении АСР в условиях ограниченного временного ресурса.
5. Наряду с анализом и оценкой риска при ведении аварийно-спасательных работ использование нейронных сетей и систем на основе нечеткой логики может быть расширено на выполнение экспертиз при разработке и согласовании планов ликвидации аварии на горных предприятиях.
Параметр Единица измерения Наборы исходных данных
1 2 3 4 5 6
Снижение производительности ВГП Доли ед. 0,82 (0,18) olo 0,83 (0,17) 0,95 (0,05) 0,8 (0,2) OIO )
Газообильность аварийного участка м3/мин 5,2 3,1 5,0 6,5 2,5 3,0
Глубина нарушения проветривания аварийного участка Доли ед. 0,58 0,3 0,2 0,8 0,3 0,4
Концентрация СН4(перед отказом системы АГЗ) % 1,0 0,5 1,2 1,5 1,0 0,7
Концентрация СО2 на исходящей шахты (крыла, аварийного участка) % 0,55 0,30 0,70 0,20 0,40 0,30
Вероятность взрыва (НС) Доли ед. 0,53 0,19 0,60 0,72 0,44 0,35
Вероятность взрыва (FUZZY logic Toolbox) 0,55 0,1 0,54 0,54 0,10 0,13
Таблица 2 - Результаты моделирования с использованием сети Элмана и аппарата нечеткой логики (Fuzzy Logic Toolbox)
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Каллан, Роберт. Основные концепции нейронных сетей: пер. с англ. / Роберт Каллан. - М. : Издательский дом «Вильямс», 2001. - 291 с.
2. Круглов, В. В. Нечеткая логика и искусственные нейронные сети / В. В. Круглов, М. И. Дли, Р. Ю. Голунов. - М.: ФИЗМАТЛИТ, 2001. - 221 с.
3. Хайкин, Саймон. Нейронные сети: полный курс, 2-е изд. : пер. с англ. / Саймон Хайкин. - М. : Издательский дом «Вильямс», 2006. - 1 104 с.
4. Дьяконов, В. П. Математические пакеты расширения MatLab. Специальный справочник / В. П. Дьяконов, В. В. Круглов. - СПб : «Питер», 2001. - 488 с.
5. Медведев, В. С. Нейронные сети. MATLAB 6 / В. С. Медведев, В. Г. Потемкин; под общ. ред. В. Г. Потемкина. - М. : ДИАЛОГ-МИФИ, 2002. - 496 с.
6. Introduction to Fuzzy Logic using MATLAB / S. N. Sivanandam, S. Sumathi, S. N. Deepa. - Berlin: Springer-Verlag, 2007. - 441 c.
7. Rao, Valium B. C++ Neural Networks and Fuzzy Logic. M&T Books / Valium B. Rao, Hayagriva Rao, 1995.- 549 c. [Электронный ресурс]. - Режим доступа: http://freecomputerbooks. com/Cpp-Neural-Networks-and-Fuzzy-Logic.html.
THE USING OF NEURAL NETWORKS Домрачев Алексей Николаевич
AND FUZZY LOGIC METHODS IN ESTIMATING e-mail: [email protected]
METHAN EXPLOSION POSSIBILITY
A. N. Domrachev, D. Y. Paleev, Y. M. Govorukhin, Палеев Дмитрий Юрьевич
V. G. Krivolapov, V. I. Lipatin e-mail: [email protected]
On the example of an artificial created
sample developed a neural network structure and Говорухин Юрий Михайлович
models based on fuzzy logic to evaluate the use of e-mail: [email protected]
these methods for predicting the risk of the methane
explosion It is established that the application of Криволапов Виктор Гэигорьевич
these methods can enhance the risk assessment e-mail: [email protected]
during the rescue works.
Key words: NEURAL NETWORK, FUZZY Липатин Валерий Иннокентиевич
LOGIC, RESCUE WORKS, METHANE EXPLOSION e-mail: [email protected]
POSSIBILITY
научно-технический журнал № 1-2014
ВЕстниК
43
