基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断

针对瓦斯传感器常见的偏置型、冲击型、漂移型和周期型4种突发型故障,以小波分析和RBF神经网络为基础,提出了由小波包分解提取特征能量谱与扩展Kalman滤波算法（EKF）优化的RBF神经网络进行模式分类辨识的瓦斯传感器故障诊断方法。对瓦斯传感器的输出信号进行小波包分解,运用基于代价函数的局域判别基(LDB)算法进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练EKF-RBF神经网络,采用参数增广和统计动力学方法,通过带有整定因子的EKF参数估计,用来辨识瓦斯传感器的故障类型。实验结果表明：该方法的辨识正确率在95%以上,误报率和漏报率都明显优于其他算法,能够有效用于瓦斯传感器的故障在线诊断。     

基于K-means算法识别瓦斯传感器软故障研究

针对井下瓦斯传感器设备出现的软故障如数据漂移、数据长期低于或高于正常值、数据周期性变动和数据出现大值等问题,提出了一种基于轮廓系数自适应最佳聚类点的K-means算法识别瓦斯传感器出现软故障种类的方法。该方法是利用监控系统采集的瓦斯传感器软故障信号进行小包分解处理后,结合RBF神经网络进行轮廓系数K-means自适应算法的软故障识别训练。K-means自适应算法能够自适应优化聚类中心点,利用聚类中心点的迭代循环计算出最优中心点,选择最佳聚类点进行K-means聚类,从而识别软故障信号的故障类型。实验证明,自适应轮廓系数K-means算法能够有效地识别瓦斯传感器软故障类型,提高了煤矿安全监控系统数据的准确性。     

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。     

瓦斯传感器的故障模式与诊断方法研究

分析煤矿安全监测系统中瓦斯传感器的特性，探讨其在线使用中产生的主要故障类型及模式。介绍了一种基于人工神经网络进行瓦斯传感器故障检测的新方法，利用单个瓦斯传感器的输出信息为瓦斯传感器建立了动态非线性神经网络传感器输出模型，并利用该模型进行在线故障检测。实验证明该模型具有良好的收敛性和稳定性，能满足对瓦斯传感器故障在线检测的需要。     

基于BP神经算法可预测的快速瓦斯传感器研究

基于传统的瓦斯传感器检测原理,提出了一种基于BP神经算法的可预测的快速瓦斯传感器。研究以FPGA为核心处理器,在进行当前瓦斯浓度检测的软件设计过程中,加入BP神经算法反演策略,实现可预测的瓦斯传感器功能。传感器可以通过当前时刻的前几个瞬时瓦斯浓度值,预测当前瓦斯浓度的稳态值,实现浓度检测的可预测性,同时也提高了瓦斯传感器的检测速度。     

基于贝叶斯网络的催化燃烧式瓦斯传感器故障诊断

为了有效诊断瓦斯传感器故障,提出一种基于贝叶斯网络的瓦斯传感器故障诊断模型。在对瓦斯传感器故障的各种原因、事件及内在逻辑关系进行致因分析的基础上建立瓦斯传感器故障树,并依据相关规则建立贝叶斯网络模型。其次,在基于故障树确定基本事件风险率基础上,利用贝叶斯网络模型找到最为关键的瓦斯传感器关键故障因素。最后,选取开采工作面回风隅角催化燃烧式瓦斯传感器进行故障诊断案例分析。结果表明:该瓦斯传感器故障诊断结果为存在事故风险,该结果与工程实际较为一致。同时提出了对电源及开关、催化剂有效性等进行着重检修与排查,对人为因素、其他技术因素、环境因素进行控制的建议。     

关联度分析模型在瓦斯监控传感器优化布点中的应用

瓦斯实时监控系统采样的关键因素在于井下传感器的优化布置,可较好地监测空间分布和采样间隔可提高特征量误报警的精确度。以挖金湾矿巷道背景为例,通过对众多位置的测量点进行相关度关联分析和二进制转换来获取其中有效的布置点,并据此建立可靠精确的传感器网络,最后通过挖金湾南翼盘区现场应用分析来验证所给出算法模型的准确性。     

基于GA-BP的煤矿大型机电设备D-S数据融合故障诊断的研究

根据多传感器数据融合理论,研究了煤矿大型机电设备故障类型,提出了用多传感器数据融合技术建立2级机电设备故障诊断的方法。在特征级上采用遗传算法优化BP神经网络(GA-BP),对大量多传感器监测数据进行降维并建立基本信任分配函数;在决策级采用D-S证据理论算法,克服故障诊断过程的不确定性,以提高故障诊断的准确性。     

瓦斯传感器远距离通讯的分析与探索

通过分析瓦斯传感器与分站通讯的各要素,指明了线缆上的压降是使得瓦斯传感器在远距离通讯时出现故障的主要原因,计算并分析了瓦斯传感器临界工作状态下的压降大小,并给出了瓦斯传感器远距离与分站通讯的解决方案。     

便携式煤矿瓦斯探测仪的设计与实现

利用单片机ATmega128L和瓦斯传感器MQ-4设计了一款便携式煤矿瓦斯探测仪,它体积小、使用方便,可随矿井工作人员随身携带。单片机获取瓦斯传感器输出的电压信号,经过模糊逻辑算法处理后能够准确判断周围环境的瓦斯浓度,并实时的显示到LCD液晶屏上。该瓦斯检测设备精度高、速度快,能有效的预警瓦斯突发事件,并且采用模糊算法处理后,大大降低了误报率,能够为煤矿的安全生产提供可靠保障。     

瓦斯传感器校验过程中最大最小值特征规律研究

为实现瓦斯监测异常报警数据的诊断,需要区分出瓦斯传感器校验数据,研究瓦斯传感器校验数据的最大最小值特征规律。对从某矿监测监控系统中提取的3897段传感器探头校验数据,基于SPSS软件对其最大最小值进行特征指标分析,确定瓦斯传感器校验诊断中的最大最小值诊断准则,为瓦斯监测数据鉴别瓦斯探头校验提供依据。     

多源传感器融合的矿井瓦斯释放源定位方法

针对煤矿井下采空区漏风现象导致瓦斯释放源难以定位或者定位不准问题,提出一种基于多源传感器融合的矿井瓦斯释放源定位算法。首先通过分析综放工作面采空区瓦斯分布规律,建立矿井采空区传感器观测模型与瓦斯释放源扩散模型,然后采用混合卡尔曼粒子滤波算法对采空区瓦斯释放源参数进行估计,并依据迭代运算得到估计参数的坐标位置,最后通过无线传感器目标源感知节点与簇头节点的数据融合,实现瓦斯释放源的精确定位。结果表明:与其他算法相比,混合卡尔曼粒子滤波算法在定位精度上具有明显的优势。该方法能有效解决因漏风现象导致的瓦斯释放源定位困难的问题,进而为采空区瓦斯突出预警及瓦斯抽采提供参考依据。     

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。     

物联网感知技术在煤矿瓦斯监测系统中的应用

针对煤矿瓦斯监测的复杂性和不确定性,将物联网感知技术应用到瓦斯监测系统中,构建了感知层的分布式星状无线传感器网络（DSWSN）,研究了物联网中的关键技术信息融合算法,针对不同的融合层次,分别采用了模糊近似度规则、D-S证据理论和基于灰色关联分析的融合方法,并设计开发了智能移动Sink节点,为煤矿的瓦斯监测应用物联网提供了一个很好的感知层解决方案。试验证明,物联网感知技术的应用提高了信息的收集效率和系统的容错能力,实现了信息互补与协同感知,使得监测系统具有较低的虚警率和漏检率,增强了煤矿瓦斯监测的准确性。     

基于联合卡尔曼滤波器的故障电弧检测技术研究

针对目前配电柜故障电弧检测技术存在的漏检率和误报率高的问题,结合多传感器信息融合技术在故障检测技术中的应用,提出了基于联合卡尔曼滤波器的故障电弧检测技术。该技术可以对采集到多个不同故障电弧故障特征进行实时滤波,能够很好地消除噪声干扰和提高信噪比,进一步提高故障电弧检测的准确性和可靠性,完善系统的容错能力和复原能力。仿真结果也表明改进的检测技术具有良好的实时性和准确性。     

基于煤矿传感器的跌倒测试仪设计

为确保煤矿生产的安全性,最大限度地防止瓦斯爆炸事故的发生,需是构建煤矿瓦斯监控系统,借助大量传感器对并下信息进行检测。文章对基于煤矿传感器的跌倒测试仪设计以及模糊信息融合算法进行了介绍,之后对相关的煤矿传感器的跌倒检测展开了分析。     

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。     

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。     

基于瓦斯涌出特征的突出预警传感器布置位置分析

利用掘进工作面瓦斯传感器在不同布置位置所监测的瓦斯数据进行对比分析,发现在掘进工作面5～50 m内是监测瓦斯涌出特征数据的合适位置,并且初步认为掘进工作面现有的T1传感器可以有效地监测反映工作面瓦斯涌出特征及其变化,其作为突出预警传感器可以降低预警系统建设成本,为预警系统的推广奠定基础。     

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。