1 绪论 1
1.1 研究目的及意义 1
1.1.1 研究目的 1
目录 1
1.1.2 研究意义 2
1.2 国内外研究现状及存在问题 3
1.2.1 可靠性在国外的研究现状 3
1.2.2 可靠性在国内的研究现状 5
1.2.3 主要支持理论的研究及应用现状 10
1.2.4 目前矿井通风系统可靠性研究中存在的问题 15
1.3 研究的内容与技术路线 18
1.3.1 研究的内容 18
1.3.2 本书研究的技术路线 20
本章要点 21
2.1 通风系统可靠性评价方法概述 22
2.1.1 解析法 22
2 基于网络流理论的矿井通风系统可靠性评价 22
2.1.2 统计模拟算法 23
2.2 网络系统可靠性综述 24
2.2.1 网络流理论基本概念 24
2.2.2 网络系统的可靠性 27
2.2.3 网络系统可靠性指标的解析算法简介 28
2.3 基于网络流理论的矿井通风系统可靠性评价模型 28
2.3.1 矿井通风系统可靠性评价任务框图 28
2.3.2 风路风量分布密度函数的估计 29
2.3.3 基于网络流理论的风路可靠性指标及其计算方法 41
2.3.4 通风网络可靠度计算 45
2.3.5 通风网络系统可靠度理论分析 46
2.3.6 矿井通风系统可靠性评价模型 46
2.4 基于网络流理论的风网系统可靠性不交化最小路集算法 48
2.4.1 采用通风网络系统不交化最小路集算法的必要性 48
2.4.2 通风网络系统的不交化最小路集算法 49
2.4.3 通风网络系统可靠性数值计算程序概述 52
本章要点 54
3 基于Markov过程的主要通风机系统可靠性分析 55
3.1 可修系统的Markov过程模型 56
3.1.1 Markov过程的基本假设 56
3.1.2 基于Markov过程的可修并联系统 57
3.2 基于Markov过程的主要通风机系统可靠性分析 58
3.2.1 主要通风机系统假设 59
3.2.2 主要通风机系统分析 59
3.3 实例分析 61
3.4 主要通风机系统影响因素分析 63
3.4.1 机电设备固有的质量因素 63
3.4.2 设备安装质量因素 64
3.4.3 使用质量因素 64
3.4.4 主要通风机效率因素 65
3.4.5 日常维护管理因素 65
3.5.1 更新、改造旧设备 66
3.5 提高主要通风机安全可靠性的措施 66
3.4.8 矿井外部漏风因素 66
3.4.6 主要通风机司机技术素质因素 66
3.4.7 环境因素 66
3.5.2 加强设备的维修管理 67
3.5.3 提高主要通风机司机的技术水平 67
3.5.4 完善安全保护装置 68
本章要点 68
4 基于神经网络的矿井通风系统可靠性仿真研究 69
4.1 矿井通风系统可靠性模型选择方法概述 69
4.2.1 多层BP网络算法原理 72
4.2 基于BP网络的系统可靠性模型选择 72
4.2.2 基于Matlab环境下的BP神经网络开发 73
4.2.3 基于BP网络的系统可靠性模型识别系统 77
4.3 基于自适应神经网络的可靠性参数估计 81
4.3.1 自适应神经网络模型结构 82
4.3.2 W-H学习规则 83
4.3.3 数值模拟 86
4.4.1 矿井通风系统可靠性及其特征量 87
4.4 矿井通风系统的可靠性、维修性、有效性 87
4.4.2 通风系统的维修性及其特征量 94
4.4.3 通风系统有效性及其特征量 99
4.5 基于影响因素角度的矿井通风系统可靠性解析 101
4.5.1 矿井通风系统可靠性主要影响因素分析 101
4.5.2 基于影响因素角度的风网子系统功能型定义 105
4.5.3 运用解析法对通风系统可靠性进行实例分析 107
4.6 矿井通风系统运行期间使用可靠性的研究 109
4.6.1 概述 109
4.6.2 矿井通风系统的随机故障过程分析 110
4.6.3 矿井通风系统故障过程的改善和劣化 113
4.6.4 基于自适应神经网络的矿井通风系统故障率研究 115
4.7 主要通风机子系统首次故障时间的统计与分析 121
4.7.1 主要通风机首次故障的统计分析 121
4.7.2 基于BP神经网络的主要通风机首次故障时间模型识别 122
4.7.3 基于自适应神经网络的主要通风机首次故障分布参数估计 122
本章要点 124
5 基于粗集-神经网络的通风系统可靠性预警研究 125
5.1 矿井通风系统可靠性预警的作用及研究手段 125
5.1.1 矿井通风系统可靠性预警的作用 126
5.1.2 矿井通风系统可靠性预警的主要研究手段 127
5.2 粗集理论的特点 128
5.3 粗集理论的基本原理 129
5.3.1 粗集理论的基本概念 129
5.3.2 粗集理论的决策原理 135
5.3.3 基于粗集理论的系统可靠性数据约简 138
5.4 数据的预处理 142
5.4.1 数据投影 142
5.4.2 缺失值的处理 142
5.4.3 数据的离散化处理 143
5.5 基于粗集-神经网络的矿井通风系统可靠性预警系统建立 145
5.5.1 粗集理论与神经网络相结合的基础分析 146
5.5.2 基于粗集-神经网络的通风系统可靠性预警实现原理 148
5.5.3 基于粗集-神经网络的通风系统可靠性预警算法 151
5.5.4 基于粗集神经网络的矿井通风系统可靠性预警过程 152
5.6 基于粗集-神经网络的矿井通风系统可靠性预警实现 156
5.6.1 基于ANN的矿井通风系统可靠性预警方法的实现 156
5.6.2 基于粗集-神经网络的通风系统可靠性预警方法的实现 160
5.6.3 神经网络与粗集-神经网络预警方法结果比较分析 169
5.7 分层发掘粗集可靠性评价网络 171
5.7.1 网络模型及算法 171
5.7.2 分层发掘评价网络的应用 172
本章要点 175
6 基于单元特性的矿井通风系统可靠性设计 176
6.1 矿井通风系统可靠性设计的目的及意义 176
6.2 矿井通风系统可靠性分配方法研究 177
6.2.1 基于单元相对易损性的通风系统可靠性分配 178
6.2.2 基于单元重要度和复杂度的通风系统可靠性分配 178
6.2.3 基于单元相对故障频率的通风系统可靠性分配 182
6.3 矿用主要通风机可靠性分配实例分析 184
6.4.1 主要通风机的工况指标与其可靠性的关系 189
6.4 基于分配可靠度的主要通风机工况点研究 189
6.4.2 主要通风机风量分布规律的研究 191
6.4.3 基于分配可靠度的主要通风机合理工况确定 195
6.5 主要通风机性能曲线的自动绘制 198
6.5.1 主要通风机性能曲线绘制原理 198
6.5.2 合理工作区的实现方法 199
6.5.3 性能曲线绘制手段 200
6.5.4 曲线拟合原理 201
6.5.5 主要通风机性能曲线的自动生成 201
6.5.6 主要通风机工况调节方法分析 206
本章要点 208
7 结论与展望 209
7.1 结论 209
7.2 展望 210
参考文献 212
附录 219