青龙煤矿煤自燃无线监测预警技术研究
发布时间：2022-01-13 01:38
作为制约煤炭安全生产的重大灾害之一,煤自燃始终是煤炭企业需要时时面对的问题。因此,采取科学有效的煤自燃预测预报技术,是保障煤矿安全生产的重要前提条件。传统的井下预测预报方法存在指标参数单一、铺设距离远、束管易堵塞漏气及光纤线路易损坏等缺点。针对以上存在问题,本文以青龙煤矿11811采空区为研究对象,采用煤自燃指标气体实验、GA-BP采空区温度预测模型建立、现场应用相结合的研究方法,对采空区煤自燃监测预警技术进行了系统研究,对实现采空区煤自燃灾害监测预警具有重要的意义。通过青龙煤矿16#、17#、18#煤层煤样程序升温实验,总结分析各气体随温度的变化规律,确定煤自燃监测预警气体及特征温度,划分煤层自然程度预警等级。选取井下监测预警气体指标浓度作为模型的输入层,输出目标为预测煤温。通过遗传算法优化BP神经网络,构建GA-BP采空区温度预测模型。通过对模型进行误差分析,优选最佳的采空区温度预测模型。构建集O2、CO、CH4、压差等传感器于一体的煤自燃无线监测预警装置、基站及系统,并开发了采空区监测预警软件,能够实现在线实时监测、煤自燃预警及历史数据趋势分析等功能。该系统应用于青龙煤矿1181...
【文章来源】：西安科技大学陕西省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
迭代次数与mse的误差曲线图
西安科技大学全日制工程硕士学位论文30的增加总体呈现下降的趋势，说明遗传算法确实会对BP神经网络的性能起到优化作用。进一步可以发现，当遗传算法进化至第60次时，最优个体适应度值达到了最小值，其值为1500，即进化60次之后BP神经网络权值和阈值到达了最优状态，说明遗传算法寻优速度快，预测精度高，此时在训练集上的预测效果较好。图3.7GA-BP的适应度曲线3.3.3结果分析采用遗传算法改进BP网络，改善传统BP网络模型存在的缺陷，即构建GA-BP网络模型。运行基于GA-BP神经网络煤自燃温度预测模型，寻找出最优初始的连接权值和阈值，见下表3.4所示。表3.4GA-BP网络初始连接权值和阈值连接权值1（IW）连接权值2（LW）阈值1b1阈值2b2-0.0617-1.9368-3.39370.51445.29370.0344-0.02442.0305-5.04850.96613.57034.5541-0.45371.8097-1.95794.24972.34364.0435-2.6117-1.81918.0791-0.75414.03683.42531.68714.0756-1.65874.79741.30420.04953.50614.0467-2.551-2.17880.12176.0543本文将程序升温校验集23组数据及全局最优初始连接值和阈值代入式（3.18）中，
西安科技大学全日制工程硕士学位论文364.2采空区煤自燃无线监测硬件4.2.1煤自燃无线监测装置本安型多参数无线监测设备，是实现传感器与基站连接并传输各种数据的关键设备。其硬件结构组成见下图4.3所示，主要由传感器、无线模块及液晶屏等组成，可将井下各气体浓度值、湿度等参数进行采集并传输给基站。图4.4是无线监测装置的实物图。其中，CO传感器量程为0～2000ppm，O2传感器可检测范围为0～25%，CH4传感器可检测范围为0～10%。该无线传感器内部的红外收发模块是对各参数校正的重要组成部分，电源采用外接内置双电源，预留的RS485通信接口可用于信息传输（该接口遵循modbusRTU协议）。O2传感器CH4CO传感器传感器湿度传感器微处理器无线模块红外校准模块显示模块报警模块电源压差传感器图4.3无线监测装置硬件结构组成图图4.4无线监测装置实物图
【参考文献】：
期刊论文
[1]水浸长焰煤自燃预测预报指标气体试验研究[J]. 朱建国,戴广龙,唐明云,叶庆树,李鹏. 煤炭科学技术. 2020(05)
[2]不同煤体自燃指标性气体函数模型特征分析[J]. 文虎,赵向涛,王伟峰,王刘兵,田晴,和健. 煤炭转化. 2020(01)
[3]超长综采工作面撤架期间煤自燃预测及防控技术研究[J]. 文虎,王文,陶维国,程小蛟,姜希印,程邦楷. 煤炭科学技术. 2020(01)
[4]煤与瓦斯突出矿井多元信息预警技术研究与探索[J]. 代建兵,杨建全. 煤炭技术. 2020(01)
[5]基于BP神经网络的煤自燃温度预测研究[J]. 昝军才,魏成才,蒋可娟,吴雨欣,袁超. 煤炭工程. 2019(10)
[6]煤矿瓦斯安全监测系统的设计分析[J]. 李雅静. 机械管理开发. 2019(10)
[7]煤自燃预测预报理论及技术研究综述[J]. 刘晨,谢军,辛林. 矿业安全与环保. 2019(03)
[8]基于示踪气体法的覆岩“竖三带”测定[J]. 邹永洺. 煤矿安全. 2019(05)
[9]灰色关联法在煤自燃标志气体优选中的应用[J]. 付晶,赵凯,张海洋,王坤. 煤矿安全. 2019(05)
[10]煤矿火灾防治技术的研究进展[J]. 李小辉. 煤炭加工与综合利用. 2019(04)
博士论文
[1]煤氧化过程CO产生机理及安全指标研究[D]. 翟小伟.西安科技大学 2012
硕士论文
[1]采空区环境无线监测系统研究开发[D]. 陈宝强.中国矿业大学 2016
[2]基于ZigBee的煤矿采空区无线自组网温度监测系统研究[D]. 刘强.西安科技大学 2012
[3]多传感器数据融合技术在火灾探测中的应用研究[D]. 韩菁.重庆理工大学 2011
[4]基于信息融合技术的火灾探测方法研究[D]. 雷倩茹.华北电力大学（北京） 2010
[5]煤矿瓦斯安全监测系统的设计及实现[D]. 王志岗.天津大学 2006
本文编号：3585808
【文章来源】：西安科技大学陕西省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
迭代次数与mse的误差曲线图
西安科技大学全日制工程硕士学位论文30的增加总体呈现下降的趋势，说明遗传算法确实会对BP神经网络的性能起到优化作用。进一步可以发现，当遗传算法进化至第60次时，最优个体适应度值达到了最小值，其值为1500，即进化60次之后BP神经网络权值和阈值到达了最优状态，说明遗传算法寻优速度快，预测精度高，此时在训练集上的预测效果较好。图3.7GA-BP的适应度曲线3.3.3结果分析采用遗传算法改进BP网络，改善传统BP网络模型存在的缺陷，即构建GA-BP网络模型。运行基于GA-BP神经网络煤自燃温度预测模型，寻找出最优初始的连接权值和阈值，见下表3.4所示。表3.4GA-BP网络初始连接权值和阈值连接权值1（IW）连接权值2（LW）阈值1b1阈值2b2-0.0617-1.9368-3.39370.51445.29370.0344-0.02442.0305-5.04850.96613.57034.5541-0.45371.8097-1.95794.24972.34364.0435-2.6117-1.81918.0791-0.75414.03683.42531.68714.0756-1.65874.79741.30420.04953.50614.0467-2.551-2.17880.12176.0543本文将程序升温校验集23组数据及全局最优初始连接值和阈值代入式（3.18）中，
西安科技大学全日制工程硕士学位论文364.2采空区煤自燃无线监测硬件4.2.1煤自燃无线监测装置本安型多参数无线监测设备，是实现传感器与基站连接并传输各种数据的关键设备。其硬件结构组成见下图4.3所示，主要由传感器、无线模块及液晶屏等组成，可将井下各气体浓度值、湿度等参数进行采集并传输给基站。图4.4是无线监测装置的实物图。其中，CO传感器量程为0～2000ppm，O2传感器可检测范围为0～25%，CH4传感器可检测范围为0～10%。该无线传感器内部的红外收发模块是对各参数校正的重要组成部分，电源采用外接内置双电源，预留的RS485通信接口可用于信息传输（该接口遵循modbusRTU协议）。O2传感器CH4CO传感器传感器湿度传感器微处理器无线模块红外校准模块显示模块报警模块电源压差传感器图4.3无线监测装置硬件结构组成图图4.4无线监测装置实物图
【参考文献】：
期刊论文
[1]水浸长焰煤自燃预测预报指标气体试验研究[J]. 朱建国,戴广龙,唐明云,叶庆树,李鹏. 煤炭科学技术. 2020(05)
[2]不同煤体自燃指标性气体函数模型特征分析[J]. 文虎,赵向涛,王伟峰,王刘兵,田晴,和健. 煤炭转化. 2020(01)
[3]超长综采工作面撤架期间煤自燃预测及防控技术研究[J]. 文虎,王文,陶维国,程小蛟,姜希印,程邦楷. 煤炭科学技术. 2020(01)
[4]煤与瓦斯突出矿井多元信息预警技术研究与探索[J]. 代建兵,杨建全. 煤炭技术. 2020(01)
[5]基于BP神经网络的煤自燃温度预测研究[J]. 昝军才,魏成才,蒋可娟,吴雨欣,袁超. 煤炭工程. 2019(10)
[6]煤矿瓦斯安全监测系统的设计分析[J]. 李雅静. 机械管理开发. 2019(10)
[7]煤自燃预测预报理论及技术研究综述[J]. 刘晨,谢军,辛林. 矿业安全与环保. 2019(03)
[8]基于示踪气体法的覆岩“竖三带”测定[J]. 邹永洺. 煤矿安全. 2019(05)
[9]灰色关联法在煤自燃标志气体优选中的应用[J]. 付晶,赵凯,张海洋,王坤. 煤矿安全. 2019(05)
[10]煤矿火灾防治技术的研究进展[J]. 李小辉. 煤炭加工与综合利用. 2019(04)
博士论文
[1]煤氧化过程CO产生机理及安全指标研究[D]. 翟小伟.西安科技大学 2012
硕士论文
[1]采空区环境无线监测系统研究开发[D]. 陈宝强.中国矿业大学 2016
[2]基于ZigBee的煤矿采空区无线自组网温度监测系统研究[D]. 刘强.西安科技大学 2012
[3]多传感器数据融合技术在火灾探测中的应用研究[D]. 韩菁.重庆理工大学 2011
[4]基于信息融合技术的火灾探测方法研究[D]. 雷倩茹.华北电力大学（北京） 2010
[5]煤矿瓦斯安全监测系统的设计及实现[D]. 王志岗.天津大学 2006
本文编号：3585808
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3585808.html
