关于瓦斯检测设备的综述.doc

关于瓦斯检测设备的综述煤矿安全生产是关系国民生产一个重中之重的课题。瓦斯灾害事故是煤矿企业中危害最大死亡比例最高的重大事故之一。传统的瓦斯监测系统采用有线通讯方式进行数据传输，这带来了布线和维护困难等一系列实际问题，并且监测设施位置相对比较固定，其监测装置很难随煤矿掘进面跟进到位。近年来，随着微电子技术、自动控制技术、通信技术和智能化技术的迅速发展，瓦斯监测技术得到大力研究和开发。瓦斯监测有线通信开始向无线通信方向发展，给煤矿安全生产带来巨大的性能提升和经济效益。我国目前开发了KJ系列矿井安全监控系统，以及各类检测传感器、报警仪和断电仪。按照国家煤矿安全监察局要求，所有矿井均要求安装矿井安全综合监控系统我国安全检测系统中存在的问题存在问题 从近几年我国矿井发生的严重瓦斯爆炸事故看，目前使用的监控监测装备存在着通信协议不规范，井下信息传输设备物理接口协议不规范，传感器质量不过关等问题。传统的瓦斯浓度监测系统存在缺陷：一、传统的瓦斯浓度监测系统中，井上部分和井下部分总线在铺设方面，往往会出现一些冲突，造成布线量成倍增加，各类成本也会成倍增加。二、传统用于检测气体的气体传感器大多数通过其探头的电阻或电容变化来测定气体浓度，其灵敏度低，抗干扰能力差。在工业生产自动控制中则主要采用气相色谱仪与计算机联用来检测气体，由于现场环境恶劣，其检测效果普遍不好，而且该设备十分昂贵，增加了生产的成本。提出解决方式一：分布式智能瓦斯监测系统总体框架监测系统由早期的地面单微机监测监控已发展成为网络化监测监控以及不同监测监控系统的联网监测。其主要由监测终端、监控中心站、通信接口装置、井下分站、传感器等组成。关键技术 瓦斯检测点的多传感器冗余结构，中间件技术，智能化的决策分析，精确定位，可视化管理与实时报警，抢救预案的制定Gprs在瓦斯矿井浓度监测系统中的使用提出解决假设:如果采用GPRS DTU(无线数据传输模块)，将井上部分的总线连接方式改变为利用GPRS进行无线传输，就可以突破总线铺设所受到的地域和距离的限制，在减少井上部分总线铺设各种成本的前提下，使得井下部分总线的铺设变得更加灵活，从而也可以降低下部分的总线铺设成本和铺设难度。运用GPRS DTU只是改变了传统瓦斯浓度监测统中井上部分的数据传输方式，只会使得井下设备安装变得更加灵活和方便，时也不需要对服务器软件进行较人的凋整，即利用GPRS的先进技术来弥补传统系统中存在的问题，同时也可以降低成本。解决方法：采用GPRS DTU来代替井上部分总线的方法，这样可以在煤矿瓦斯监控系统的建设过程中改变井上部分数据传输方式，不但可以节约大量的硬件成本、运行成本和维护成本，同时也增加了一种新的险情报告方式，更有利于严重事故的及时发现与及时处理。解决方式二、光纤气体传感器的使用优点：光纤气体传感器则具有本质安全、抗电磁干扰、绝缘性能好，且耐高温、耐高压、防腐蚀、阻燃防爆，适用于远距离遥测和某些特殊环境的分析；光纤传输损耗低，信息容量大， 测量范围宽，精度高，工作稳定，寿命长，成本低， 特别适用于工业自动化；灵敏度高，动态范围大，响应速度快等特质。缺点： 由于光纤本身传输损耗和微型结构，光纤气敏传感存在两个基本限制：一是光纤的低损耗传输窗口的限制，普通石英光纤只在111讹m的近红外区有低损耗和低色散。另一限制是光纤本身的微型结构使得光纤只有较小的数值孔径，光耦合难以很高。造价昂贵，难以实用化；基于相干复用的串联的光纤气体传感复用系统各传感单元串扰复杂，测量数目以及测量灵敏度都较低。发展: 光纤气体传感技术的发展是从利用宽带光源到利用窄带可调谐光源，从单点测量到多点同时监测，测量灵敏度也是逐步提高，单点测量成本越来越低，逐步实现实用化。待解决问题：11本文仅仅对甲烷和乙炔气体的检测进行了研究，如何选择光源，选择正确的吸收蜂，延长吸收光程提高分辨率，从而实现对CO和02等气体检测还有待进一步的研究。21由于目前光源价格不菲，特殊波长的DFBLD光源难以购买。如何利用成本低、易于购买的宽带LED光源来实现对气体浓度的检测还需要深入研究。31在工业生产和环境监测领域，一般要求能够实现随时随地检测。便携式光谱吸收型传感器的研究就很有必要，对于便携式传感器的研究主要在于如何在有限的长度内提高吸收光程和降低仪器整体功耗。4)为了达到实时连续检测甲烷气体的目的，本系统设计的气室为开放腔，便于实时采样现场环境的气体样本。但是，当检测环境的湿度和粉尘含量过高时，水分和粉尘会附着在吸收气室的平面镜上，造成测量误差。因此如何做到避免水气和粉尘等因素对测量的影响，使光谱吸收型甲烷气体传感器可以应用于环境恶劣的煤矿环境是一个非常重要而且有意义的研究课题。解决方法三、基于分形和支持向量机的人工神经网络在瓦斯突出预测中的应用支持向量机 优点：作为一类新型机器学习方法，能较好地解决小样本、高维数和局部极小点等实际问题。同时，它并不需要许多反应突出特征的学习样本，在一个极小的样本空间即可完成准确的预测，因此在很大程度上解决了模型选择与过学习问题、维数灾难问题、局部极小点问题等，而且它在理论上能保证模型很好的概化能力。目前，采用支持向量机预测时间序列已经达到了很高的精度，且优于人工神经网络缺点：但是支持向量机是一种数学模型，使用前必须建立非常准确的相空间，其非线性能力较差，当某些事件发生变化时，它对于给定的数据则表现出机械性及表现出对数据的极大选择性，以及当而新情况的发生导致新数据的产生，需要更多新的数据加入并对数学模型进行重新建模，建模的工作量会非常大。人工神经网络：人工神经网络是由大规模神经元互连组成的，以模拟人脑信息处理机制为基础的高度非线性动力学系统。优点 能够综合考虑各方面因素和它们之间复杂的非线性关系。它具有通过样本来“学习”的能力，一方面区别于传统的各种预测方法，实际应用时无需做出因素与突出相关关系的任何假设，只需将实际数据直接提供给网络进行训练：另一方面，训练完成后的网络能以任何精度逼近真值(只要训练数据足够多)，能够抽提、捕捉隐藏在大量的历史数据中的规律，这些优点都是传统方法无法比拟的。缺点：预测时间序列的精度不够，收敛速度较慢。结论：将支持向量机和人工神经网络有机的结合在一起，形成一个基于支持向量机的人工神经网络，该系统不仅能在小样本空间的情况下完成准确的预测，而且还能在非线性、有噪声的信息，特别是在最佳延时系数和最小嵌入维数很难确定的情况下仍能做出精确的预测。