红外瓦斯传感器零点校正及温度补偿分析

针对红外瓦斯传感器探头经常受温度变化而影响测量的结果,设计采用了"交互式"的计算方法。在软件程序中实现对传感器的零点校正和温度补偿,使之提高瓦斯浓度检测精度,提高工作环境安全性。实验结果表明,测量准确性大大提高。     

负压下甲烷浓度非线性压力补偿模型

煤矿井下瓦斯抽采管道内的气体压力一般为负压,红外甲烷浓度传感器的测量原理决定了其在负压环境工作时,测值与真值的误差较大。为提高测量精度,在实验室开展了40~90 k Pa(绝对压力)不同负压环境下的甲烷浓度测量试验,并根据试验数据建立了适用于负压环境的非线性分段压力补偿模型。     

基于AVR单片机的煤矿传感器设计

在煤矿中传统使用的瓦斯传感器存在着测量精度低、稳定性差、无法自动预警等问题。文章介绍了一种AVR单片机的煤矿传感器的设计方案,在方案当中的传感器采用了多个瓦斯元件,并采用单片机作为控制核心,采用最小二乘数据融合算法,将多个瓦斯浓度的检测结果进行融合,实现了瓦斯检测反复测试和信息化处理功能,整个实验的结果表明,该瓦斯传感器具有测量精度高、反复测试良好、维护性能高等特点。     

基于DSP的多点分布式矿井瓦斯监测系统

为提高矿井内瓦斯浓度的检测精度,将多个瓦斯传感器组成阵列,以DSP处理器TMS320F2812为控制核心,采用非线性补偿和最小二乘数据融合算法对数据进行处理。井下分布的多个瓦斯监测终端通过与地面上的服务器端建立TCP网络连接,把监测到的数据传送到监控中心进行显示,并备份到数据库Access2003里以便进行历史数据查询和统计分析。实验结果表明,采用瓦斯传感器阵列技术、非线性补偿以及最小二乘数据融合算法能够有效地提高瓦斯浓度检测的精度,并且多点分布式的系统便于维护、可靠性高。     

基于自校正传感器的煤矿瓦斯浓度监测系统

在充分研究瓦斯浓度对于煤炭安全事故发生的影响以及瓦斯传感器的原理之后,利用自校正技术提高瓦斯传感器测量数据的准确率,建立了基于自校正传感器的瓦斯浓度监测系统。利用本系统对给定的瓦斯浓度进行了测量,测量误差较小,满足设计要求,通过对比可知,自校正瓦斯传感器比瓦斯传感器测得的数据的误差更小。     

测量沼气的载体催化元件的应用及其局限性

测量0-5％甲烷浓度的现代化仪表都建立在催化氧化的基础上。本文探讨了瓦斯浓度传感器的一般特性,较详细介绍了一种普遍使用的瓦斯浓度传感器──载体催化元件。对携带式和连续测量的瓦斯测量器所用的几种载体催化型瓦斯浓度传感器的特性进行了比较,并得出了如下的结论:载体催化元件的主要优点是在连续工作中稳定性好。扼要介绍了使用载体催化元件所制的测量瓦斯的仪表。     

恒温电桥测量瓦斯浓度控制模型与实现

基于热催化元件构成恒温测量电桥,通过温度自动控制实现在瓦斯催化反应过程中恒定热催化元件的测量温度,并达到瓦斯浓度的测量。建立相应的温度自动控制系统和瓦斯浓度测量的模型和实现方法。     

神经网络BP算法在瓦斯吸收光谱中的应用研究

差分吸收光谱法测量煤矿瓦斯浓度是一种较新的方法,针对光谱仪每次分析的光谱带宽是固定的,提出了多层前馈神经网络BP算法来扩展光谱的一种新方法。利用BP算法进行训练的多层神经网络具有强大的非线性映射和学习功能。并与以往的扩展方法进行了比较,仿真实验表明此方法具有更高的精度,从而改进了系统测量瓦斯的精度,适合煤矿瓦斯监测预警系统在线、实时和快速的要求。     

高精度矿用瓦斯突出预测仪设计

针对现有矿用瓦斯突出参数仪测量精度不高,压差分辨率低,操作复杂导致测定结果准确率下降等问题,设计了一种以测量瓦斯解析指标K1为主要功能的高精度矿用瓦斯突出预测仪。仪器以STM32F103ZET6为控制核心,利用高精度数字表压型传感器MEAS1220A测量瓦斯突出压力,利用24位精度的A/D转换器ADS1218把传感器输出的电压值转换成数字量并进行数字滤波,采用最小二乘拟合算法对传感器进行静态校准,极大的提高了测量精度。矿井下的实际测量表明仪器具有测量精度和压差分辨率高、性能稳定、易操作、功耗低、响应速度快、预测结果准确等特点。     

矿用瓦斯传感器新型测量方法研究

文章分析了传统瓦斯传感器测量方法造成稳定性差和精度低的原因,提出了一种基于补偿原理的新型测量方法,详细论述了其基本原理、补偿电阻的确定、A/D转换积分算法。此研究采用新方法将桥路电压的测量转化为基于微处理器的时间测量,极大地提高了瓦斯传感器的稳定性和精度。     

可调谐半导体激光吸收光谱式甲烷传感器温度补偿技术

随着可调谐半导体激光吸收光谱气体传感技术的发展,基于该技术的矿用甲烷传感器成为当前煤矿瓦斯监测领域的研究热点,相关产品已陆续投入煤矿现场应用,由于煤矿应用环境的复杂性,传感器测量准确性受环境温度的影响较大。针对这一问题,提出了一种基于分段插值和重心插值的自适应融合的迭代补偿算法,该方法首先取标定温度下浓度的值,计算传感器测量温度影响率,然后求出重心拉格朗日插值的不同温度下的插值函数,在此基础上再对被测浓度甲烷值进行分段插值得到新补偿温度影响率,由该新的补偿温度影响率得到补偿后的甲烷值,依此实现自适应的迭代对激光吸收光谱气体测试数据进行补偿,并进行了大量相关实验验证,在高瓦斯情况下,测量误差减小到1%,在低浓度瓦斯情况下,测量误差减小到0.01%;工程应用结果表明该补偿技术的应用有效的减小了传感器甲烷浓度测量的误差,为激光传感器在煤矿现场的正常运行提供可靠保障。     

矿用激光甲烷传感器的稳定性试验及应用

为解决郭庄煤矿采煤工作面甲烷传感器频繁标定、稳定性差的问题,通过分析激光甲烷传感器的工作原理,对不同环境下传感器的稳定性进行试验分析,测试高温湿度下激光甲烷传感器的检测精度,通过与催化式甲烷传感器检测精度对比,结果表明:激光甲烷传感器的检测精度高、响应速度快,能实时检测工作面内甲烷气体浓度,保证矿井的安全高效生产。     

瓦斯抽采智能控制系统研究

在煤矿瓦斯抽采系统中引入煤层气高效抽采的PLC智能控制技术,通过对瓦斯浓度预设值与传感器实际监测值的比较实现瓦斯抽采管路电动调节阀的智能控制。建立CO、C2H4、O2浓度及环境温度、负压等参数的逻辑控制集合,控制地面抽采泵站等设备的运行状态。通过实验室模拟测试与调试验证了控制系统的可靠性和准确性,能够有效调节瓦斯抽采系统的流量和设备状态。     

一种新型的红外甲烷测量定量分析模型

在分析常用的红外气体浓度定量分析数学模型朗伯-比尔定律之不足的基础上,利用RBF神经网络良好的学习能力、泛化能力和非线性映射能力,以RBF网络为核心,通过训练RBF网络得到红外探测器输出信号、温度与甲烷浓度的关系,从而提出了一种新型的红外甲烷浓度测量定量分析模型.分析与实验表明,该模型在甲烷检测中具有较高的精度.     

煤矿救灾机器人环境探测多参数传感器设计

介绍一种应用于煤矿救灾机器人的多参数测量传感器模块。该传感器集测量瓦斯、O2、CO浓度和温湿度于一体,可根据温湿度对气体浓度输出进行补偿。硬件电路以AT89LV51单片机为核心,采用X5045看门狗芯片,使系统更加稳定可靠。传感器模块带有RS232接口,与机器人的PC104工控机实时通信更加方便。     

基于ASGSO-SVR模型的瓦斯传感器故障诊断

针对现行煤矿瓦斯传感器常见的卡死、冲击、漂移等故障,运用支持向量回归机建立多传感器数据融合的瓦斯浓度预测模型,详细研究影响该预测模型精度的相关参数选择方法,提出用ASGSO算法自适应优化支持向量机预测模型参数的算法,将模型预测结果与现场实测瓦斯浓度相比较得到残差δ,用于对瓦斯传感器故障的诊断。用现场监控数据对该方法进行离线仿真实验,得到残差信号的变化曲线。通过选择合理的阈值,判断传感器是否处于故障状态。结果表明,ASGSO算法参数优化对提高SVR预测模型的精度有很大帮助,此方法对瓦斯传感器的常见故障的诊断是正确和有效的。     

煤炭易自燃煤层采空区温度预测方法研究

常用温度预测方法建立的温度预测模型，多采用正向传播的方式，导致温度预测结果与实际测量结果存在较大的误差。针对该问题，提出煤炭易自燃煤层采空区温度预测方法。根据采空区中存在的易燃气体，选择气体浓度传感器采集样本数据，并针对数据采集过程中存在的缺失、重复、多单位等问题进行删除、填充和归一化处理；引入神经网络，建立温度预测模型，采用正向传播和反向传播2种方式训练模型误差；从平均绝对误差、平均绝对百分比误差、均方根误差和判定系数4个方面检验温度预测模型，输出温度预测结果。实验结果表明:设计煤炭易自燃煤层采空区场景，研究方法的预测温度结果与测量温度结果之间的绝对误差小于1，相对误差小于0.01，可认为所述温度预测方法具有较好的精度，能够为煤炭开采提供一定的参考价值。     

基于FBG多功能传感器监测矿井安全的研究

分析了基于光纤布拉格光栅(FBG)传感器测量应力、温度、湿度、瓦斯体积分数的原理;提出了基于FBG的多功能传感器监测矿井安全的设计思想,探讨了基于FBG的多功能传感器监测矿井安全的前期理论。     

基于小波神经网络技术的井下瓦斯传感器故障诊断分析

煤矿井下瓦斯传感器的准确性和鲁棒性关系到矿井的安全生产。以瓦斯传感器故障诊断为研究对象,利用小波包分解算法分析了瓦斯传感器故障信号、提取了相关特征,并基于这些特征,采用扩展滤波算法训练神经网络。兖州集团王庄煤矿的100组瓦斯检测数据验证了该技术的有效性和准确性,为瓦斯传感器故障的在线诊断系统设计提供了参考。     

Study on gas monitoring technology based on information fusion

In view of the deficiency of current gas monitoring systems in coal mine roadway excavation, a two-level information fusion technology, which adopted the adaptive weighted algorithm and the BP neural network technology, was applied to gas monitoring. The results show that the adaptive weighted algorithm can realize self-regulation by decreasing the weight value of the failed sensor automatically, so as to eliminate the effect of the failed sensor and ensure the effectiveness and accuracy of the gas monitoring system. The BP neural network can not only effectively predict the gas gush quantity of the excavation roadway, but also accurately calculate the gas concentration in the region where one or more sensors have failed, so as to provide the basis for judging the safety status of the roadway excavation. The experiments prove the superiority and feasibility of the application of information fusion in gas monitoring.