基于stm32单片机矿井瓦斯天然气温湿度检测报警系统（程序+原理图+PCB+全套资料）

为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数的最佳值,基于最佳参数的SVM建立瓦斯涌出量预测模型。结果表明:采用未优化的SVM建立的预测方法,其个别预测误差相对较大,最大误差为8.11%,平均误差为4.68%,采用ACO对于预测模型的参数进行优化后,预测性能有显著提高,最大误差为4.37%,平均误差为2.89%,表明所建议的方法是有效、可行的。

为了准确预测瓦斯涌出量,提出了一种基于模糊聚类和支持向量机(SVM)的瓦斯涌出量预测方法。将瓦斯涌出量相关影响因素作为特征空间中的样本,采用模糊C均值聚类对特征空间中的样本进行聚类分析,对于所得到的不同类别样本分别建立SVM预测模型。结果表明:采用单纯的SVM预测方法,对于不同特征的样本的预测个别预测误差相对较大,其最大误差为8.11%,平均误差为4.68%,采用文中所建议的用FCM对样本分类后再进行SVM预测,预测精度有明显改善,最大误差和6.94%,平均误差为3.35%,表明所建议的方法是有效和可行的。

小煤窑老巷破坏区内的积水及聚积的瓦斯是整合矿井巷道掘进过程中的主要威胁,本文以山西泽州天泰坤达煤业有限公司整合矿井为背景,通过对小煤窑老巷破坏区地质条件分析得知,废弃老巷内有大量积水及瓦斯积聚,对巷道掘进造成极大的安全隐患。为了保障待掘巷道能够安全快速地通过老巷破坏区,提出了安全通过老巷破坏区的探放水措施及老巷瓦斯治理措施。

从我国煤矿安全生产情况出发,提出了利用Zigbee技术来构建无线传感器网络。在矿井的底部安装许多无线传感器节点,使这些节点分布在矿井的各个角落而且彼此很密集,这些节点就好像构成了一张网,可以检测到矿井下的各个角落的信息,实现煤矿瓦斯的无线监测。主要从节点的硬件设计方案和软件流程图2个方面来做介绍。

针对传统瓦斯检测方法只是对矿井某些重点位置进行不间断监测的问题,设计了一种基于ZigBee的智能瓦斯报警矿灯。该矿灯作为ZigBee网络中的移动节点,采用LED光源、锂电池供电,具有瓦斯检测、无线定位、ZigBee通信、充电管理及保护等功能。测试结果表明,该矿灯的实际参数和通信功能均满足设计要求,可实现煤矿井下瓦斯检测的全方位覆盖。

针对当前瓦斯实时监测工作存在的被动局面,结合当前的无线传输技术,提出一种基于CAN+ZigBee的瓦斯实时监测系统。系统中,以ZigBee+CC2530作为采集节点,完成巷道内空气湿度、风速、瓦斯浓度等的采集,并通过ZigBee路由节点将数据传输给后台监控主机。最后通过多源信息融合技术和GA-SVM完成对瓦斯浓度的预测。以某煤矿巷道作为研究对象,对其瓦斯浓度的实际值与测量值进行对比,得到其两者变化趋势大致吻合,验证了方案的可行性。

结合先进的无线通信技术ZigBee,同时采用先进的矿用瓦斯传感器,研究了一种新型无线瓦斯传感器,该无线瓦斯传感器能够将煤矿井下瓦斯浓度信号进行实时监测。论述了传感器节点的整体设计和硬件模块,介绍了软件设计,并且在实时嵌入式操作系统μC/OS-Ⅱ中编写采集和处理应用程序,实现了预期的效果。

针对传统有线传感网在井下进行瓦斯监测存在使用成本高、移动性差及覆盖范围有限等问题,设计了一种面向矿井瓦斯监测的ZigBee无线传感网系统。该系统利用采集节点实时采集井下瓦斯浓度,采用ZigBee协议将瓦斯浓度数据实时传输至汇聚节点,由汇聚节点汇总并传输至嵌入式网关,数据经嵌入式网关解析处理后转发至矿井监控中心,从而实现井下瓦斯监测数据的实时显示。实验结果表明,该系统具有较高的可靠性和较好的实时性,覆盖范围广。

以预测矿井瓦斯相对涌出量为研究目的,运用缓冲算子理论,建立了灰色系统模型,并将该模型应用到某矿井的瓦斯涌出量预测分析中,对该矿历年来相对瓦斯涌出量进行了灰色生成,建立了灰色预测,对照精度检验可知,达到了一级精度,预测结果可靠。