Resumen

El entorno de la mina de carbón es complejo y peligroso después de un accidente de gas; por lo tanto, es necesario un trabajo oportuno y efectivo de rescate y alivio. Por lo tanto, la predicción de la concentración de gas frente al robot de rescate de la mina de carbón es de una importancia significativa para garantizar que el robot de rescate de la mina de carbón lleve a cabo la exploración y la misión de búsqueda y rescate. En este documento, se propone una red neuronal gris para predecir la concentración de gas 10 metros delante del robot de rescate de la mina de carbón basándose en la concentración de gas, temperatura y velocidad del viento de la posición actual y 1 metro delante. Posteriormente, se proponen los parámetros de optimización de la red neuronal gris mediante algoritmo genético cuántico para el método de predicción de la concentración de gas en la calzada con el fin de obtener una predicción más precisa. Los resultados experimentales muestran que una red neuronal gris optimizada por el algoritmo genético cuántico es más precisa para predecir la concentración de gas. El error de predicción general es del 9.12%, y el mayor error de pronóstico es del 11.36%; en comparación con la red neuronal gris, el error de predicción de la concentración de gas aumenta en un 55.23%. Esto significa que el método propuesto puede permitir que el robot de rescate de la mina de carbón prediga con mayor precisión la concentración de gas en la calzada de la mina de carbón.

• Materias:Detección de obstáculos Tecnología de exoesqueleto Función de control Lyapunov Recolector de energía Servicio robótico
• Subjects:Obstacle detection Exoskeleton technology Lyapunov control function Energy harvester Robotic Service
• Palabras claves:Mina de carbón; Concentración de gas; Robot de rescate; Predicción; Red neuronal gris; Algoritmo genético cuántico.
• Keywords:Coal mine; Gas concentration; Rescue robot; Prediction; Gray neural network; Quantum genetic algorithm