文章设计了一种基于FPGA的瓦斯浓度模糊控制系统,详细介绍了模糊控制算法以及该系统模糊控制规则的建立,并利用FPGA实现了模糊系统的控制,相对于传统的控制手段,该系统具有控制精度高、滞后性小的优点。
2024-02-26 18:19:29 592KB 行业研究
1
利用Fluent软件,对采空区瓦斯为均匀涌出、分段均匀涌出及连续涌出条件下的采空区瓦斯浓度及自燃带分布情况进行了数值模拟研究。结果表明:瓦斯均匀涌出时,采空区浅部的瓦斯浓度低于分段均匀涌出及连续涌出下的瓦斯浓度,在采空区深部其瓦斯浓度高于其他2种情况下的瓦斯浓度。针对瓦斯分段均匀涌出与连续涌出2种情况,采空区浅部区域两者瓦斯浓度相差不大;而在采空区深部,前者瓦斯浓度要大于后者。瓦斯均匀涌出时,其自燃带宽度较其他2种情况小;瓦斯分段均匀涌出时,其自燃带宽度比瓦斯连续涌出时略大。对采空区流场进行研究时,将瓦斯考虑为均匀涌出或者分段均匀涌出都是不准确的,应根据采空区瓦斯涌出的实际特点进行研究。
2024-01-16 17:53:48 227KB 行业研究
1
为了掌握Y型通风采空区气体分布规律,根据现场实际建立了一进两回Y型通风采空区物理模型,运用Fluent软件对一进两回Y型通风采空区漏风流场、漏风量和瓦斯浓度分布进行数值模拟研究。结果表明:随至下隅角距离的增大,工作面向采空区的漏风量减小,在上隅角附近漏风量急剧增大;沿采空区长度方向,越靠近采空区深部瓦斯浓度越大;沿工作面方向靠近运输巷侧瓦斯浓度低,靠近沿空留巷侧瓦斯浓度高。
1
为提高含噪声瓦斯浓度数据的预测精度,提出了一种基于独立成分分析(ICA)和k-最近邻(kNN)法的反向传播人工神经网络(BP-ANN)预测模型。利用滑动时间窗算法产生训练样本矩阵,采用ICA方法估计训练样本矩阵中的独立成分,用不含噪声的独立成分重新构建训练集;运用k-NN法减小训练集规模,引入混合距离测度函数降低训练过程的计算复杂度。实验结果表明,该预测模型较普通BP-ANN模型有效减小了瓦斯浓度预测误差和训练时间。
2022-05-12 11:37:48 237KB 行业研究
1
针对煤矿安全生产实际,文章首先介绍了采用单片机的煤矿瓦斯浓度检测报警装置的整体构架,然后对煤矿瓦斯浓度检测报警装置的各个部分硬件进行了详细的设计,给出了煤矿瓦斯浓度检测报警装置的硬件设计电路和软件设计框图,最后使用Proteus软件验证设计内容的正确性和可行性,证明了基于单片机的便携式煤矿瓦斯浓度检测报警装置在煤矿安全生产中具有一定的实际应用价值。
2022-04-15 14:31:38 683KB 行业研究
1
针对矿井瓦斯浓度预测研究现状,提出一种基于Python的瓦斯浓度时间序列预测方法。 该方法采集、处理了矿井瓦斯浓度历史数据,形成适用于数据挖掘的平稳时间序列;基于该序列,调 用Python自带的ARIMA模块函数,构建瓦斯浓度预测模型;利用建立的预测模型对瓦斯浓度进行 预测,并对比分析瓦斯浓度历史数据与预测数据的误差大小,进行模型预测效果评价;最后,利用满 足精度要求的预测模型,预测瓦斯浓度变化趋势。 以贵州某矿为例,采集2018年3月5日 至2018年3月7日的瓦斯数据作为样本数据,并调用Python的ARIMA模块建立预测模型,开展瓦斯浓度 预测研究。 结果表明,该方法实现了瓦斯浓度预测的可视化,并使瓦斯浓度预测均方根误差低为2.34%,预测精度较高,可为降低矿井瓦斯事故提供一定的技术支撑。 
1
基于stc12c5a60s2的瓦斯浓度检测系统,可超限报警,12864显示
2022-03-01 13:16:41 410KB 瓦斯 浓度 报警 显示
1
针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同时间、不同地点的瓦斯浓度进行分析预测。实际应用结果表明,经马尔科夫残差修正后的瓦斯浓度预测值与实测值的最大相对误差从14%减小到6%,修正后的瓦斯浓度变化曲线更接近实际瓦斯浓度变化趋势。
1
为了确保矿井的生产安全, 防 止瓦斯爆炸, 国内外煤矿研究所在 此领域进行了很长时间的研究, 开 发出很多种类型的瓦斯检测仪, 但 目前已有的瓦斯检测仪器都普遍存 在着体积较大、安装复杂、操作不 便、智能化程度低等缺点。因此开 发研制便于携带、多功能、精度高 的智能型瓦斯检测仪对促进煤炭行 业的安全生产具有重要的现实意 义。
2022-01-03 19:58:07 274KB 单片机
1
针对现有模糊信息粒化方法构建的高层信息粒不能完全包含底层数据信息、预测时间范围受限等问题,提出了一种插值梯形模糊信息粒化方法来预测瓦斯浓度趋势。对原始瓦斯浓度时间序列进行离散化形成若干子序列,计算每个子序列窗口的最大值与最小值形成梯形上沿的边界,通过对每个子序列窗口数据进行插值计算,形成新的瓦斯浓度时间序列窗口,对新的瓦斯浓度时间序列窗口采用数据遍历寻优的方式计算梯形下沿的边界,进而形成瓦斯浓度粒化区间序列。针对现有评价方法无法准确评价信息粒化效果的问题,提出了一种基于权值的粒化评价方法,通过加权均方根误差对粒化效果进行整体评价。实验结果表明,通过该方法对信息进行粒化的效果明显优于现有模糊粒化方法,并且粒化效果不随粒化窗口的增大而减小,具有较高的稳定性与鲁棒性。
1