1.一种基于BP神经网络算法输送带跑偏预测预警的系统的预测预警方法，其特征是：所述基于BP神经网络算法输送带跑偏预测预警的系统，包括用于监测滚筒与输送带边缘激光点距离的激光采集装置；速度检测仪用于监测传输皮带转速以及托辊的速度；电源控制装置控制电源的开关；通讯装置一，作为终端，作用为将速度检测仪和单片机处理得到的数据传输到通讯装置二中；通讯装置二，起到枢纽的作用，将通讯装置一中的信号上传给上位机和监控器中；还包括输送带拉力检测装置，用于采集输送带的拉力；

电源控制模块和报警模块，用于根据BP算法预测的输送带跑偏量来发出报警或者断开电源；

系统运行过程中，信号采集与处理模块不断将激光采集装置检测的和光电编码器检测的输送带偏移量信号采集、处理后，再无线传输至上位机，经过BP神经网络算法预测后，即可决定是否启动报警和断开电源判断程序，从而得到当前级及后续报警，断开电源信号；电源控制模块和报警模块根据上位机信号启动或关闭；

预测预警方法包括下列步骤：

步骤1：初始化，激光扫描仪当前帧为k＝0，采集时间为t＝0,托辊速度vt＝0，带速为vd＝0，当前周期n＝0，每帧截面激光扫描点数m＝0；

步骤2：启动带速检测vm和托辊速度vn检测，以及输送带拉力f的检测激光扫描仪的数据采集时间为T；

输送带的速度：用速度传感器测量出滚筒角速度W1，滚筒半径R1，所以输送带速度vd：vd＝W1*R1       (1)

求时间T内所测的输送带速度的平均值vm:

托辊速度利用速度传感器测量出托辊的角速度W2，托辊半径R2，所以托辊线速度vt:vt＝W2*R2     (3)

求T内所测的托辊速度的平均值vn：

求得输送带相对于托辊速度为vk：

步骤3：启动激光扫描仪，在时间T内扫描，记录轮廓线上数据点数据角度m和距离s，激光扫描点分别为A1,A2……,An，B1，B2……,Bn，角度C1,C2……，Cn，测量记录左侧的滚筒边缘线和右侧的皮带边缘线距离分别为：D1，D2，……，Dn；同时可以通过激光扫描仪测得A1,A2……,An,B1,B2……,Bn，并且测得单次扫描点Ai和Bi之间的夹角Ci；

当|D1‑Dn|

通过余弦定理可以得到单次测量横向跑偏距离Di的大小为

当|D1‑D4|

a＝d(vx)/dt        (8)

步骤4：对于跑偏过程，以输送带速度、托辊速度、输送带拉力、横向跑偏加速度、输送带相对托辊速度作为输入，以对应输送带跑偏量作为输出，建立跑偏模型；提前将|D1‑D4|

步骤5：除去原始数据中无效或错误测量的部分；数据的处理，误差减小：对数据缺失值不超过10％的数据，超过10％的数据直接去除；

步骤6：数据删除后，进行数据补全：根据回归替换法对缺失或错误的数据进行补全；

步骤7：将归一化后的训练样本数据集以向量形式输入到Matlab工作空间，从而建立本次试验的BP神经网络，训练精度较高，可满足跑偏预测的需要；

步骤8：BP神经网络预测模型完成训练集的训练后，运用测试集数据进行跑偏量的预测，检验网络模型的预测能力；

步骤9：输入的变量数据为测量得到的输送带速度、托辊速度、输送带拉力、横向跑偏加速度、输送带相对托辊速度，5个综合变量将输入变量归一化后输入网络预测模型，可以得到输出变量即横向跑偏量，通过输出变量进行跑偏量预测；

步骤10：当预测跑偏量大于L mm时，启动报警系统并且断开带式输送机电源并启动制动装置，及时停止输送带的运动；如果预测跑偏量小于Lmm时继续预测。