基于SVM的煤矿瓦斯抽采系统火灾隐患识别的研究

发布时间：2021-01-21 10:05

　　近年来,高瓦斯突出矿井逐渐装备了瓦斯抽放监控系统,瓦斯抽放监控系统的投入使用大大推动了煤矿安全生产工作的开展,很大程度上缓解了目前我国严峻的煤矿安全生产现状。随着科学技术的不断发展,瓦斯抽采监控系统被研发出来,其功能越来越多样化,型号越来越多如KJF2000、MDM95K。瓦斯抽采监控系统大部分是由瓦斯抽采自动控制器、传感器部分、通信部分以及执行部分等组成。由于我国在瓦斯抽采系统中存在着各种各样的问题以安全隐患等。更需要说明的是我国瓦斯抽采系统的研制重点还是集中在监控系统上,对于瓦斯抽采安全隐患的研究相对较少,甚至相对应的理论也是如此。因此,本文主要研究对煤矿瓦斯抽采系统安全隐患（火灾、漏气以及出口端燃烧等）进行识别,为对这些隐患进行防控打下坚实的基础。本文正是针对瓦斯抽采系统中的问题进行一系列研究,提出了一种基于SVM的煤矿瓦斯抽采系统火灾安全隐患识别的研究。该文首先分析了瓦斯抽采系统的安全隐患种类以及其识别方法,重点介绍了火灾隐患、漏气隐患以及积水等隐患的识别以及控制。同时本文以火灾隐患为主线,详细介绍了火灾产生机制与各类火灾传感器（CO气体传感器、温度传感器与烟雾传感器）。其次文... 

【文章来源】：安徽理工大学安徽省

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景和研究意义
        1.1.1 选题背景
        1.1.2 本课题的研究意义
    1.2 国内外抽采现状和安全隐患
        1.2.1 瓦斯抽采情况现状
        1.2.2 瓦斯抽采安全隐患
    1.3 本文的主要研究目的、内容、方法和技术路线
        1.3.1 研究的主要目的
        1.3.2 研究的主要内容
        1.3.3 本课题的主要任务
    1.4 论文的结构安排
2 井下瓦斯抽采系统及其安全隐患介绍
    2.1 井下瓦斯抽采系统简述
        2.1.1 瓦斯抽采必要性及可行性
        2.1.2 瓦斯抽采方法的确定及应用
        2.1.3 瓦斯抽采安全技术措施
    2.2 瓦斯抽采系统安全隐患概述
        2.2.1 安全隐患种类
        2.2.2 安全隐患识别
        2.2.3 安全隐患控制
    2.3 火灾隐患识别技术的基本原理
        2.3.1 火灾产生的机理
        2.3.2 火灾检测传感器
    2.4 本章小结
3 火灾隐患判识理论依据
    3.1 支持向量机简介
        3.1.1 统计学习理论
        3.1.2 VC维理论
        3.1.3 结构最小风险原理
    3.2 支持向量机原理及算法
        3.2.1 支持向量机原理
        3.2.2 支持向量机核函数、主要参数及其意义
        3.2.3 支持向量机多类分类方法
    3.3 交叉验证优化
    3.4 本章小结
4 系统总体设计
    4.1 系统总体结构
        4.1.1 中央处理模块
        4.1.2 数据采集部分
        4.1.3 人机接口部分
    4.2 系统软件设计
        4.2.1 数据通信
        4.2.2 数据处理
    4.3 本章小结
5 系统仿真与数据分析
    5.1 仿真软件的介绍
        5.1.1 LIBSVM工具箱
        5.1.2 MATLAB仿真软件
        5.1.3 LIBSVM工具箱在MATLAB上的安装
    5.2 系统仿真模型的搭建
    5.3 仿真结果的分析
    5.4 本章小结
6 总结与展望
    6.1 工作总结
    6.2 展望
参考文献
致谢
作者简介及读研期间主要科研成果


【参考文献】：
期刊论文
[1]基于SVM的多传感器火灾报警系统[J]. 张建化,万程,李万里,王树臣.  徐州工程学院学报(自然科学版). 2012(03)
[2]基于支持向量机的车用燃料电池系统故障诊断[J]. 全睿,全书海,黄亮,谢长君.  振动.测试与诊断. 2012(01)
[3]瓦斯抽采管路泄漏定位技术研究[J]. 韩强,郑祥举,邵昊.  中国煤炭. 2011(11)
[4]基于支持向量机的多传感器火灾报警系统设计[J]. 单晓亮.  电站系统工程. 2011(01)
[5]尾巷瓦斯抽放技术应用[J]. 马国栋,张留现,安超军.  煤炭技术. 2010(01)
[6]2001—2008年我国煤矿瓦斯事故统计及原因分析[J]. 崔兆华.  科技情报开发与经济. 2009(21)
[7]支持向量机和粒子群算法在结构优化中的应用研究[J]. 向国齐,黄大贵,严志坚.  计算机应用研究. 2009(06)
[8]高瓦斯煤层群“煤与瓦斯共采”技术研究[J]. 谢生荣,武华太,赵耀江,何富连,郭海东,袁胜军.  采矿与安全工程学报. 2009(02)
[9]我国煤矿瓦斯治理的技术对策[J]. 申宝宏,刘见中,张泓.  煤炭学报. 2007(07)
[10]基于遗传优化的支持向量机小时负荷滚动预测[J]. 牛东晓,刘达,陈广娟,冯义.  电工技术学报. 2007(06)

博士论文
[1]基于支持向量机的矿用红外瓦斯检测系统研究[D]. 张丽.中国矿业大学（北京） 2010

硕士论文
[1]支持向量机在森林火灾识别中的应用研究[D]. 梁杰.山西大学 2012
[2]基于支持向量机的汽车ABS系统故障诊断[D]. 刘琦烽.吉林大学 2011
[3]基于支持向量机的指纹识别技术研究[D]. 杜双怀.哈尔滨工业大学 2011
[4]基于支持向量机的大跨度斜拉桥静力损伤识别研究[D]. 何源.西南交通大学 2011
[5]基于支持向量机的文本分类研究[D]. 吴国进.安徽大学 2011
[6]基于支持向量机的变压器故障诊断[D]. 梁浩宇.长沙理工大学 2011
[7]基于支持向量机的声发射压力容器检测[D]. 常宏飞.东北电力大学 2011
[8]基于支持向量机的GIS变电站电气一次设备状态评估[D]. 吴米佳.华北电力大学 2011
[9]基于支持向量机的多分类方法研究及应用[D]. 郎宇宁.西南交通大学 2010
[10]基于支持向量机的气体传感阵列模式识别方法研究[D]. 彭姝迪.重庆大学 2010



本文编号：2990958