倪景峰，乐晓瑞,，常立峰，邓立军

(1.辽宁工程技术大学 安全科学与工程学院，辽宁 葫芦岛 125105； 2.辽宁工程技术大学 矿山热动力灾害与防治教育部重点实验室，辽宁 葫芦岛 125105； 3.山西瑞通路桥新技术有限公司，山西 太原 030000)

0 引言

复杂通风网络故障诊断和风速传感器优化布置是实现智慧矿山的关键技术之一，矿井通风仿真系统的应用与人工智能的蓬勃发展，使得矿井通风智能故障诊断的实现成为可能。故障诊断系统的应用具有较大的社会价值和经济效益，但目前故障诊断系统的研究较少[1-2]。

决策树由心理学家和计算机科学家E.B.Hunt于1962年提出，其运行速度快、鲁棒性好、易扩展到大型数据库中、可嵌入式特征选择等优点使其广泛应用于医疗诊断、股票预测和目标检测等领域[3-4]。决策树学习算法不仅可以构建分类和回归故障诊断模型，还可以进行嵌入式特征选择，二者在同一过程中完成，是解决矿井通风故障诊断与风速传感器优化布置的最优解决方案。

在矿井通风故障智能诊断方面，刘剑等[5]将矿井风门失效、巷道冒落变形、巷道堵塞、巷道掘进延伸或报废等现象称为通风系统阻变型故障；郭欣[6]、姚志强[7]利用机器学习的方法对通风网络和管网进行故障诊断，通过矿井通风仿真系统建立阻变-风量(风压)故障样本，以分支编号作为分类标签，阻变量作为回归值，利用支持向量机对样本进行训练和分类预测，初步实现矿井通风智能诊断。

在传感器优化布置方面，火源探测传感器优化布置[8]和瓦斯传感器无盲区优化布置[9]等研究相对成熟，但针对故障诊断的风速传感器优化布置研究较少。……