基于ANN 耦合遺傳算法的爆破方案選擇方法

崔鐵軍，馬云東，白潤才

摘要：目的：爆破方案制定是礦業(yè)工程的重要內(nèi)容，方案中參數(shù)的選擇受很多因素影響。不同礦區(qū)爆破方案也不同。研究露天礦爆破可能引起的2 種主要危害形式：超爆和飛石。確定超爆深度（backbreak depth，BB）和飛石距離（flyrock distance，F(xiàn)R）為爆破方案的被優(yōu)化目標(biāo)參數(shù)。炮眼深（hole length，HL）、間距（spacing，S）、裝藥深度（burden，B）、阻塞深度（stemming，ST）、單位炸藥消耗量（powder factor，PF）和鉆孔率（specific drilling，SD）對BB 和FR 的影響是復(fù)雜的、非線性的，作為爆破方案的影響參數(shù)。為減少露天礦爆破引起的事故，基于安全和經(jīng)濟方面的考慮，提出將人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）模型與遺傳算法（genetic algorithm，GA）相耦合，進行爆破方案優(yōu)化。方法：將ANN 與GA 相耦合。ANN 為前饋式神經(jīng)網(wǎng)絡(luò)（feed forward neural networks，F(xiàn)FNN），將爆破方案中的HL，S，B，ST，PF 和SD 作為輸入值，將BB 和FR 作為輸出值，進行FFNN 訓(xùn)練和預(yù)測。使用訓(xùn)練后的網(wǎng)絡(luò)數(shù)據(jù)作為GA 的適應(yīng)度函數(shù)。同時考慮超爆和飛石情況下，GA 得到適合的染色體，后轉(zhuǎn)化為爆破方案。最后使用Pareto 圖得到最優(yōu)參數(shù)。具體地，F(xiàn)FNN的輸入值和輸出值進行規(guī)格化。確定FFNN 隱含網(wǎng)絡(luò)層數(shù)和計算神經(jīng)元的數(shù)量。最終FFNN 結(jié)構(gòu)為輸入層6 個神經(jīng)元，隱含層1 包含12 個神經(jīng)元，隱含層2 包含6個神經(jīng)元，輸出層包含2 個神經(jīng)元。GA 初始種群數(shù)與FFNN 數(shù)據(jù)集數(shù)量相等，染色體長度和基因值是由Matlab 自動設(shè)定的。染色體適應(yīng)性評價是由經(jīng)過上步訓(xùn)練得到的FFNN 作為適應(yīng)性函數(shù)完成的。由于適應(yīng)性函數(shù)包含2 個輸出值，使用多目標(biāo)函數(shù)優(yōu)化，即使用競賽圖Pareto 方式進行系數(shù)選擇。交叉系數(shù)是通過交叉概率為90%的2 點法確定的。變異系數(shù)一般為1%為變異概率。如果評價后的染色體滿足停止遺傳條件，則確定最終代數(shù)的染色體進行Pareto 圖分析。對應(yīng)BB 和FR 最小的染色體即為最優(yōu)解，即最優(yōu)爆破方案。結(jié)果：以中國，遼寧鞍山某鐵礦為例進行邊坡爆破方案選擇。收集的數(shù)據(jù)包括參數(shù)HL，S，B，ST，PF 和SD 作為其輸入值，BB 和FR 作為輸出。數(shù)據(jù)（HL，S，B，ST，PF，SD，BB，F(xiàn)R）一共為100 組，隨機分成訓(xùn)練集（80%）和測試集（20%）。從飛石和超暴的測量值和預(yù)測值之間的關(guān)系可知，構(gòu)造的FFNN 預(yù)測性能很高。訓(xùn)練后FFNN 可作為爆破方案參數(shù)優(yōu)化的GA 適應(yīng)度函數(shù)，進一步參與優(yōu)化。使用Pareto 進行描述，當(dāng)GA 收斂在90代時達(dá)到遺傳停止條件，算法停止。保留下來的24 個染色體即是最優(yōu)解。Pareto 圖中第一個點（左上第一個點）FR 最小，BB 最大（規(guī)格化后的值），最后一個點（右下最后一個點）FR 最大，BB 最小。根據(jù)Pareto 圖的性質(zhì)，最優(yōu)染色體應(yīng)是2 個坐標(biāo)和最小的點。Pareto圖中各點2 坐標(biāo)之和最小值為第11 點（染色體），和為0.05801，即第11 行為最優(yōu)值，為最優(yōu)爆破方案。結(jié)論：1）FFNN 與GA 耦合后的模型能克服2 種模型單獨使用的一些不足，同時可選擇最優(yōu)爆破方案。2）同時考慮用BB 和FR 對爆破方案進行優(yōu)化，并由GA 得到24 條符合條件的染色體。通過Pareto 圖分析FR 和BB，最終選擇第11 條染色體作為滿足遺傳要求的最優(yōu)者。實際值是：FR 為27.3386 m，BB 為0.6999 m，為最優(yōu)爆破方案。3）耦合模型也可在相同影響因素條件下，對超爆和飛石之一進行預(yù)測，能得到有效的爆破方案。

來源出版物：中國安全科學(xué)學(xué)報,2013,23(2): 64-68

入選年份：2017

2001—2012年我國重特大瓦斯爆炸事故特征 及發(fā)生規(guī)律研究

殷文韜，傅貴，袁沙沙，等

摘要：目的：煤炭工業(yè)依然是我國現(xiàn)代工業(yè)中風(fēng)險較高的行業(yè)之一，死亡率一直也較高，因此保持煤炭工業(yè)的安全穩(wěn)定發(fā)展是當(dāng)前時期的一個重要課題。瓦斯爆炸在煤礦致死事故中占比很高。預(yù)防和消除重特大瓦斯爆炸事故除了可在技術(shù)、裝備、管理、培訓(xùn)等方面入手，對事故發(fā)生規(guī)律的認(rèn)識也可以減少或避免重復(fù)性事故的發(fā)生。本研究通過統(tǒng)計分析已發(fā)生事故并研究其發(fā)生的規(guī)律以期為科學(xué)制定煤礦瓦斯爆炸事故預(yù)防措施和控制方案提供科學(xué)依據(jù)，并對科學(xué)制定事故預(yù)控目標(biāo)及保證井下工人的生命安全、促進煤礦企業(yè)的安全生產(chǎn)可起到積極作用。方法：為準(zhǔn)確研究我國重特大瓦斯爆炸事故的發(fā)生規(guī)律，筆者通過國家安全生產(chǎn)監(jiān)督管理總局和國家煤礦安全監(jiān)局網(wǎng)站中瓦斯爆炸事故查詢得到一系列統(tǒng)計數(shù)據(jù)，從發(fā)生時間、發(fā)生地域及發(fā)生礦井所有制等方面對2001—2012年12年間發(fā)生的共194 起煤礦瓦斯爆炸重特大事故進行綜合分析，分別從死亡人數(shù)和事故起數(shù)兩個維度進行研究并得到統(tǒng)計數(shù)據(jù)規(guī)律。結(jié)果：綜合分析了2001—2012年共194 起重特大煤礦瓦斯爆炸事故，研究結(jié)果表明：重特大事故發(fā)生的月份相對集中，5 個月份發(fā)生明顯較多，同時在行政區(qū)域上也相對集中，6 個省份發(fā)生的事故起數(shù)和死亡人數(shù)分別占總數(shù)的63.92%和72.12%。同時，鄉(xiāng)鎮(zhèn)煤礦應(yīng)作為瓦斯爆炸事故重點防控的煤礦企業(yè)類型。結(jié)論：1）2001—2012年間，從重特大瓦斯爆炸事故起數(shù)和死亡人數(shù)看共出現(xiàn)了3 個峰值年份，即2001年、2002年和2006年，死亡人數(shù)均超過了440 人，隨后呈現(xiàn)下降趨勢。同時，數(shù)據(jù)表明在5 個月份中瓦斯爆炸事故發(fā)生較多，分別是三月、四月、五月、十月和十一月，發(fā)生事故最少的月份是一月和六月。一天中，事故較多發(fā)生與交接班時間和班中3～4 個小時。2）重特大瓦斯爆炸事故主要發(fā)生在山西、黑龍江、貴州、河南、陜西、遼寧等6 個省份，其中發(fā)生最為嚴(yán)重的是山西、黑龍江兩省。國有重點煤礦重特大瓦斯爆炸事故平均每起死亡51.68 人，應(yīng)加強對國有重點煤礦的管理。鄉(xiāng)鎮(zhèn)煤礦的瓦斯爆炸事故發(fā)生率（72.7%）遠(yuǎn)遠(yuǎn)超過國有煤礦的事故發(fā)生率（14.4%）。

來源出版物：中國安全科學(xué)學(xué)報,2013,23(2): 141-147

入選年份：2017

多維空間故障樹構(gòu)建及應(yīng)用研究

崔鐵軍，馬云東

摘要：目的：為研究系統(tǒng)可靠性與其影響因素之間的關(guān)系，作者崔鐵軍提出了一套空間故障樹（space fault tree，SFT）理論。該理論認(rèn)為系統(tǒng)工作于環(huán)境之中，由于組成系統(tǒng)的基本事件或物理元件的性質(zhì)決定了其在不同條件下工作的故障發(fā)生概率不同。因此SFT 可用于復(fù)雜影響因素下的系統(tǒng)可靠性分析。將系統(tǒng)可靠性與影響因素關(guān)系表示為連續(xù)曲面，通過數(shù)學(xué)方法研究其性質(zhì)。方法：論文是空間故障樹理論體系的基礎(chǔ)，主要建立基本概念和方法。其更接近于經(jīng)典故障樹，完成了與經(jīng)典故障樹中概念和方法相似的功能，并發(fā)展了其特有方法。給出的基本概念有：1）空間故障樹；2）基本事件影響因素；3）基本事件發(fā)生概率特征函數(shù)（簡稱“特征函數(shù)”）；4）基本事件發(fā)生概率分布；5）頂上事件發(fā)生概率分布；6）概率重要度分布；7）關(guān)鍵重要度分布；8）頂上事件發(fā)生概率分布趨勢。基本事件表示元件故障；頂上事件表示系統(tǒng)故障。研究對象為5 個二極管（X1— X5）組成的電器系統(tǒng)T，設(shè)影響因素為工作時間t 和工作溫度c。首先建立元件對因素的特征函數(shù)Pti(t)和Pci(c)，分別為元件i 對于t 和c 的特征函數(shù)。根據(jù)邏輯“或”，該元件故障概率分布為Pi(t,c)＝1-(1-Pti(t))(1-Pci(c))。再根據(jù)元件與系統(tǒng)的構(gòu)成關(guān)系可得系統(tǒng)故障（頂事件）概率分布。根據(jù)概率重要度分布和關(guān)鍵重要度分布定義，可計算上述兩個分布。對整個曲面采取先分割后組合的方式研究故障變化趨勢。使用特征函數(shù)定義域劃分研究區(qū)域，整個區(qū)域劃分為35 個子區(qū)域。將三維空間曲面對時間t 和溫度c 求導(dǎo)，區(qū)域內(nèi)通過計算特征函數(shù)求導(dǎo)，區(qū)域間通過導(dǎo)數(shù)定義求導(dǎo)。結(jié)果：1）根據(jù)這些元件的實際故障情況，得到各元件故障概率特征函數(shù)，他們是連續(xù)的且局部可導(dǎo)。時間特征函數(shù)擬合為指數(shù)函數(shù)Pt i(t)＝0.9999＝1-exp(-λt)；λt＝9.2103；溫度特征函數(shù)擬合為余弦函數(shù)Pci(c)＝(cos(2πc/A)＋1)/2。通過P1(t,c)和P3(t,c)分別得到了元件X1和X3的故障概率分布圖。 2）系統(tǒng)故障概率分布PT(t,c)由P1～5(t,c)決定，即Pt1～5(t)和Pc1～5(c)。所以PT(t,c)是t 和c 的函數(shù)，因此得到由PT(t,c)、t 和c 構(gòu)成的三維系統(tǒng)故障概率分布。3）在整個研究區(qū)域內(nèi)的元件重要度排序不一致。對曲面進行積分，計算概率重要度分布曲面與概率重要度＝0 的曲面，在影響因素t 和c 變化范圍（研究區(qū)域）內(nèi)的體積，得到概率重要度分布排序為X1＞X3＞X4＞X5＞X2。關(guān)鍵重要度分布與概率重要度分布計算方法和排序結(jié)果相同。4）研究故障變化趨勢，求導(dǎo)結(jié)果可直觀的表現(xiàn)出系統(tǒng)故障發(fā)生概率隨時間和溫度變化的程度，從而防止如溫度或時間變化很小，卻造成較大故障發(fā)生概率變化的情況。結(jié)論：基于經(jīng)典故障樹理論定義了空間事故樹，應(yīng)用于多因素影響下的系統(tǒng)可靠性分析。建立了元件故障概率分布和系統(tǒng)故障概率分布。通過對電器系統(tǒng)的研究得到了工作時間t 和工作溫度c 影響下元件故障概率特征函數(shù)。進而根據(jù)系統(tǒng)結(jié)構(gòu)疊加元件故障概率特征函數(shù)得到在多因素影響下的系統(tǒng)故障概率分布。通過積分方法得到各元件在研究區(qū)域內(nèi)的概率重要度分布和關(guān)鍵重要度分布。通過對t 和c 影響因素求導(dǎo)，研究了系統(tǒng)故障概率受這兩個因素影響的程度，即系統(tǒng)故障概率變化趨勢。這些研究在經(jīng)典事故樹中是無法完成的。

來源出版物：中國安全科學(xué)學(xué)報,2013,23(4): 32-37

入選年份：2017