基于二级融合的矿井环境智能监测研究  

Research on underground mine environment intelligent monitoring based on two-step fusion

作　　者：王文庆[1] 龚娜[1] 张涛[1] 宋炳泉[2] 

机构地区：[1]西安邮电大学自动化学院,陕西西安710061 [2]白银有色集团股份有限公司自控所,甘肃白银730900

出　　处：《传感器与微系统》2013年第2期57-59,62,共4页Transducer and Microsystem Technologies

基　　金：陕西省自然科学基金资助项目(2007F18);国家自然科学基金资助项目(61100165;F020508)

摘　　要：为保证矿井生产环境安全,以井下数据采集系统为基础,提出了最短距离聚类融合算法,以克服传感器测量误差和系统误差,实现对井下环境信息的数据级融合,与已有文献相比提高了融合精度。在此基础上,设计了概率神经网络分类器对数据级融合结果进行决策级融合,完成了矿井环境安全等级划分,实现了矿井环境安全状态的智能监测。实践表明:此两级融合方法在矿井环境监测系统中是可行的、有效的。In order to ensure environment safety of underground mine,a minimum-distance clustering fusion algorithm is put forward to overcome measurement error and system error of sensor,and achieve data-level fusion of underground environment information,compared with other mentioned references,fusion precision is improved.On this basis,probabilistic neural network classifier is designed to carry on decision-level fusion on data-level fusion result and achieve grade safety partition of underground mine environment.Practice shows that the two-step fusion methods are feasible and effective in underground mine environment monitoring system.

关 键 词：数据融合 最短距离聚类 概率神经网络 环境监测 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]