苏淑娴，欧阳名三

(1.安徽理工大学 电气与信息工程学院，安徽 淮南 232001；2.安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室，安徽 淮南 232001)

0 引 言

矿井通风过程中存在漏风、风流短路、无风死角等众多通风安全隐患，严重影响矿井通风系统的稳定性，矿井智能通风管理系统是保障矿井安全生产、保护井下作业人员生命安全的重要举措[1]。通风系统的稳定与否关系到整个矿井的安危，对通风系统的严格管理是完善、优化通风系统的有效方法，因此，矿井通风系统的管理工作显得尤为重要[2]。

文献[3-4]提出在系统硬件层次进行改进，以提升煤矿通风系统的稳定性。这些方法通过数值的偏差进行参数整定，智能化水平偏低。林琳等[5]提出基于粗糙集神经网络的高压断路器故障诊断模型，通过粗糙集算法生成决策表，进而根据决策表构建径向基函数神经网络的故障模型。李建等[6]提出粗糙集和神经网络相结合的钻井安全评价模型。董春游等[7]将G-K评价策略与粗糙集结合使用，建立煤与瓦斯突出分类知识表达系统。以上系统通过粗糙集与传统神经网络的结合使用，取得了一定的效果，但井下通风环境复杂，其动态性、复杂性和不确定性逐渐增加，传统神经网络架构在数据融合方面忽略了时间、空间上的煤矿通风环境特征[8]，在矿井通风灾害事故预测方面还存在不足。

基于动态路由的胶囊网络是近年来新提出的神经网络模型，被认为是可能成为下一代重要的神经网络模型[9]。……