CN104089656B - 一种堆场煤炭自燃检测方法和装置 - Google Patents
一种堆场煤炭自燃检测方法和装置 Download PDFInfo
- Publication number
- CN104089656B CN104089656B CN201410339959.8A CN201410339959A CN104089656B CN 104089656 B CN104089656 B CN 104089656B CN 201410339959 A CN201410339959 A CN 201410339959A CN 104089656 B CN104089656 B CN 104089656B
- Authority
- CN
- China
- Prior art keywords
- outer tube
- coal
- module
- stockyard
- characteristic gas
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
<b>本发明实施例提出了一种堆场煤炭自燃检测方法和装置，其中所述装置包括外管和设置在外管内的温湿度传感器、特征气体传感器；其中所述外管的一端具有开口，且开口处设有上盖，所述外管的另一端设有进气孔；所述上盖设有抽气风扇和出气孔，所述出气孔通过抽气风扇与所述外管内腔导通以与所述进气孔形成对流；其中所述外管中部设有过滤网以将所述外管分隔为与所述进气孔导通的测量管、与所述出气孔导通的采集管；其中所述温湿度传感器设置于所述测量管内，所述特征气体传感器设置于所述采集管内；其中所述装置还包括处理器模块，所述处理器模块连接所述温湿度传感器和特征气体传感器。</b>
Description
技术领域
本发明涉及电子技术领域，尤其是涉及一种堆场煤炭自燃检测方法和装置。
背景技术
煤炭自燃是煤炭仓储领域的重要事故。煤炭自燃的主要原因是煤炭或煤矸石在堆场内堆放得过高、时间过久，导致其与空气中的氧气发生缓慢氧化而放出热量；如果热量不能及时散失，就会引起煤炭自燃。煤炭自燃造成了严重的资源浪费，产生的二氧化硫等有害气体对环境造成了污染。
传统对于煤炭自燃预警多采用人工观测、测温法对煤炭自燃进行检测。人工观测法建立在工人长期积累的实际经验基础上进行管理，但人工管理的实效性差、人员经验不同造成现场管理水平差异较大。测温法主要是测量煤炭堆场的问题，但是由于主要利用煤炭自身参数和环境参数（如煤炭的品级、显微组分、水分、矿物质、节理和裂隙；以及煤炭堆放的自然环境温湿度、光照）等因素，导致煤炭自燃过程表现出的特征也不尽相同，因此造成很难准确的选择测温位置点，检测与预警的准确性较低。
发明内容
针对当前的煤炭自燃预警手段落后且不准确的问题，本发明实施例提出了一种堆场煤炭自燃检测方法和装置。
为了实现上述目的，本发明实施例提供了一种堆场煤炭自燃检测装置，包括外管和设置在外管内的温湿度传感器1、特征气体传感器2；其中所述外管的一端具有开口，且开口处设有上盖，所述外管的另一端设有进气孔；所述上盖设有抽气风扇和出气孔，所述出气孔通过抽气风扇与所述外管内腔导通以与所述进气孔形成对流；其中所述外管中部设有过滤网7以将所述外管分隔为与所述进气孔导通的测量管5、与所述出气孔导通的采集管6；其中所述温湿度传感器1设置于所述测量管5内，所述特征气体传感器2设置于所述采集管6内；其中所述装置还包括处理器模块3，所述处理器模块3连接所述温湿度传感器1和特征气体传感器2。
其中，所述装置还包括太阳能供电模块4，所述太阳能供电模块4分别连接所述处理器模块3、温湿度传感器1和特征气体传感器2以进行供电。
其中，所述过滤网7安装在安装板71上，且所述安装板71通过连接件72固定在所述外管上。
其中，所述处理器模块3包括微处理器31、采集模块32、第一接口模块33、控制模块34、第二接口模块35、WiFi模块36；其中所述第一接口模块分别连接温湿度传感器1和特征气体传感器2，并通过所述采集模块32连接所述微处理器31；其中所述第二接口模块连接所述太阳能模块4，并通过控制模块34连接所述微处理器31；所述WiFi模块36连接所述微处理器31。
其中，所述太阳能模块4包括太阳能电池和电能管理系统。
其中，所述过滤网包括三层，分别为最底层的活性炭层、中间的硅橡胶颗粒层、最上层的13X分子筛层。
其中，所述特征气体传感器至少包括一氧化碳传感器、二氧化碳传感器、二氧化硫传感器。
同时，本发明实施例还提出了一种利用前述的装置进行自燃预警的方法，包括：
通过设置在煤炭的自燃层的上述装置对温度进行检测，当温度大于预设阈值时，继续对气体中所含的特征气体的类型和浓度进行检测；所述特征气体至少包括一氧化碳CO、二氧化碳CO
2
、二氧化硫SO
2
；
获取特征气体种类与浓度随温度变化的数据以建立数据矩阵；
通过模拟神经网络进行自燃风险预测。
其中，所述通过模拟神经网络进行自燃风险预测具体包括：
将煤炭状态参数X
n
作为所述模拟神经网络的模糊化的输入向量；其中所述煤炭状态参数X
n
至少包括：温度、湿度、特征气体浓度；将所述煤炭状态参数X
n
利用隶属函数μ(x
1
)来表示，且所述隶属函数μ(x
1
)选用梯形进行表示，分为高、正常、低三个模糊子集；
将每个煤炭状态参数X
n
转化为3个模糊子集的隶属度；
其中所述模拟神经网络为BP神经网络，且所述BP神经网络的输入层的各神经元的输入数据为模糊化的隶属函数μ(x
1
)，且中间层的各神经元的为单隐层或者多隐层结构，其中间层的最后一个隐层传递到输出层各神经元的信息以进行一次学习的正向传播处理过程，且所述输出层输出信息处理结果Y
m
。
本发明的技术方案具有以下优势：
上述方案提出了一种堆场煤炭自燃检测装置以及利用该装置获取了煤炭状态参数后通过神经网络进行学习以预警的方法。上述方案中的装置能够收集煤炭状态参数，且结构合理。
附图说明
通过下面结合附图对本发明的一个优选实施例进行的描述，本发明的技术方案及其技术效果将变得更加清楚，且更加易于理解。其中：
图1为本发明实施例的堆场煤炭自燃检测装置的结构示意图；
图2为图1中的处理器模块的结构示意图；
图3为本发明实施例的方法的流程示意图；
图4为BP神经网络的示意图。
具体实施方式
以下将结合所附的附图对本发明的一个优选实施例进行描述。
本发明实施例提出了一种堆场煤炭自燃检测装置，其如图1所示的，包括外管和设置在外管内的温湿度传感器1、特征气体传感器2；其中所述外管的一端具有开口，且开口处设有上盖10，所述外管的另一端设有进气孔11；所述上盖设有抽气风扇12和出气孔13，所述出气孔13通过抽气风扇12与所述外管内腔导通以与所述进气孔11形成对流；其中所述外管中部设有过滤网7以将所述外管分隔为与所述进气孔导通的测量管5、与所述出气孔导通的采集管6；其中所述温湿度传感器1设置于所述测量管5内，所述特征气体传感器2设置于所述采集管6内；其中所述装置还包括处理器模块3，所述处理器模块3连接所述温湿度传感器1和特征气体传感器2。
其中，所述装置还包括太阳能供电模块4，所述太阳能供电模块4分别连接所述处理器模块3、温湿度传感器1和特征气体传感器2以进行供电。
其中，所述过滤网7安装在安装板71上，且所述安装板71通过连接件72固定在所述外管上。
其中，所述处理器模块3包括微处理器31、采集模块32、第一接口模块33、控制模块34、第二接口模块35、WiFi模块36；其中所述第一接口模块分别连接温湿度传感器1和特征气体传感器2，并通过所述采集模块32连接所述微处理器31；其中所述第二接口模块连接所述太阳能模块4，并通过控制模块34连接所述微处理器31；所述WiFi模块36连接所述微处理器31。
其中，该特征气体传感器2包括CO传感器、CO
2
传感器、SO
2
传感器。
其中，所述太阳能模块4包括太阳能电池和电能管理系统。
如图1所示的，该堆场煤炭自燃检测装置包括温湿度检测传感器1、特征气体传感器2、处理器模块3、太阳能供电模块4。其中该温湿度检测传感器1、特征气体传感器2分别封装在测量管5内和采集管6内。在使用时，该测量管5插入堆场煤炭自燃层（距煤炭表层0.5米-4米范围），使得温湿度检测传感器1插入堆场煤炭中并直接与煤炭自燃层接触，测量自燃层温湿度。测量管5的底部开有进气孔11用于自燃层特征气体扩散。其中测量管5与采集管6通带内螺纹的连接件进行连接与组装。通过安装板及滤网将测量管5内的灰尘、污染等物质排出在采集管6外，通过安装在采集管6顶部的抽气风扇12的开启形成风道以将煤炭自燃层的气体导入到采集管6，通过采集管6内安装的特征气体传感器2对气体进行检测，从而观测特征气体种类与浓度变化，利用处理器模块3处理采集到数据，对煤炭自燃状况进行监测与预警。
如图2所示，为本发明的主要测量部分结构组成框图，包括温湿度检测传感器1、特征气体传感器2、处理器模块3、太阳能供电模块4。其中自燃温湿度检测传感器1实时探测煤炭中温湿度变化。特征气体传感器2通过主动吸入方式采集煤炭自燃产生的气体，对可能发生的自燃状况进行监测。处理器模块3对采集到的数据进行建模处理，对煤炭自燃状况进行监测与预警，并将数据通过WiFi模块36传递给远程用户。处理器模块3包括：微处理器31、采集模块32、第一接口模块33、控制模块34、第二接口模块35、WiFi模块36。其中微处理器31负责系统的数据采集、处理以及外设响应与任务调度。采集模块32控制不同传感器数据采样速率与采样精度的调节。第一接口模块33用于调理自燃温湿度检测传感器1与自燃特征气体浓度检测器2的检测信号将来自各传感器的模拟信号与数字信号全部转化为标准化的数字量信息通过总线传递给微处理器31。控制模块34与第二接口模块35用于管理系统供电情况，当使用外接电源情况，系统使用正常工作模式；当使用电池供电时，系统开启节能模式，并根据电池电量调节系统工作方式。微处理器31通过WiFi模块36将采集到的数据与分析结果发送给远程客户。太阳能供电模块4用于太阳能电池以及电能管理系统。
其中，所述过滤网包括三层，分别为最底层的活性炭层、中间的硅橡胶颗粒层、最上层的13X分子筛层。
其中，所述特征气体传感器至少包括一氧化碳传感器、二氧化碳传感器、二氧化硫传感器。
同时，本发明实施例还提出了一种利用前述的装置进行自燃预警的方法，包括：
通过设置在煤炭的自燃层的上述装置对温度进行检测，当温度大于预设阈值时，继续对气体中所含的特征气体的类型和浓度进行检测；所述特征气体至少包括一氧化碳CO、二氧化碳CO
2
、二氧化硫SO
2
；
获取特征气体种类与浓度随温度变化的数据以建立数据矩阵；
通过模拟神经网络进行自燃风险预测。
其中，所述通过模拟神经网络进行自燃风险预测具体包括：
将煤炭状态参数X
n
作为所述模拟神经网络的模糊化的输入向量；其中所述煤炭状态参数X
n
至少包括：温度、湿度、特征气体浓度；将所述煤炭状态参数X
n
利用隶属函数μ(x
1
)来表示，且所述隶属函数μ(x
1
)选用梯形进行表示，分为高、正常、低三个模糊子集；
将每个煤炭状态参数X
n
转化为3个模糊子集的隶属度；
其中所述模拟神经网络为BP神经网络，且所述BP神经网络的输入层的各神经元的输入数据为模糊化的隶属函数μ(x
1
)，且中间层的各神经元的为单隐层或者多隐层结构，其中间层的最后一个隐层传递到输出层各神经元的信息以进行一次学习的正向传播处理过程，且所述输出层输出信息处理结果Y
m
。
图3为本发明的数据处理流程。首先系统上电之后先进行硬件的初始化与传感器的初始化工作，一切就绪之后进行温湿度测量，观测自燃层煤炭的状态，以温度为参数设定一个阈值，当煤炭温度低于阈值时，不对特征气体进行检测；当温度超过设定阈值时，这时自燃层存在自燃的风险，开始对特征气体进行监测气体种类与浓度包括：一氧化碳CO、二氧化碳CO
2
、二氧化硫SO
2
；然后建立气体种类与浓度随温度变化数据矩阵；进而将采集到的全部传感数据输入到模糊神经网络进行自燃风险评估，根据评估结果进行预警或其它干预处理。
图4为本发明的基于模糊神经网络数据融合的煤炭自燃预警方法。不以单一温度或特征气体浓度的绝对值做参考进行检测，这主要是其绝对值受影响因素较多，变化范围大，较难用阈值对其状态进行监测。同时，煤炭自燃预警的不确定性体现在对状态参数的描述上。判断往往通过参数的高、低、渐变或突变来描述。例如煤炭中一氧化碳浓度升高，这句话本身就是含糊的。由于特征测量参数存在不确定性，所以很难用传统的“是”与“否”、“有”与“无”等二值逻辑来描述。此外，煤炭自燃发生的严重程度也是带有模糊性的。因此用连续变化型隶属函数来表示征兆对模糊子集的隶属度，而自燃诊断的结论也可带有程度上的表述。这样使系统对煤炭自燃征兆的描述和对预警结论的描述更接近于真实状况。对于煤炭状态参数X
n
(如温度、湿度、一氧化碳浓度等)为其模糊化的输入向量，其隶属函数μ(x
1
)选用梯形进行表示，用三类值过高、正常、过低进行描述煤炭状态参数。模糊化的数据作为输入层，输入到神经网络进行模糊推理，从而达到信息融合的煤炭自燃预警，输出预警结果Y
n
。模糊神经网络实测的参数X
n
从左输入，进入到模糊化层，每个输入参数转化为3个模糊子集的隶属度，模糊化输入层的输出基点数为输入数目的3倍。将模糊化的隶属度结果作为输入层，输入到神经网络进行模糊推理，从而达到信息融合的煤炭自燃预警诊断。其所使用的神经网络算法为BP(BackPropagation)神经网络，即误差反传误差反向传播算法的学习过程由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自前一级模糊隶属度函数的输出信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果Y
m
。根据处理结果Y
m
输出预警信息，采取不同的干预措施与手段。
对于所属技术领域的技术人员而言，随着技术的发展，本发明构思可以不同方式实现。本发明的实施方式并不仅限于以上描述的实施例，而且可在权利要求的范围内进行变化。
Claims (8)
1.一种堆场煤炭自燃检测方法，其特征在于，包括：
通过设置在煤炭的自燃层的堆场煤炭自燃检测装置对温度进行检测，当温度大于预设阈值时，继续对气体中所含的特征气体的类型和浓度进行检测；所述特征气体至少包括一氧化碳CO、二氧化碳CO2、二氧化硫SO2；
获取特征气体种类与浓度随温度变化的数据以建立数据矩阵；
通过模拟神经网络进行自燃风险预测；其中，所述通过模拟神经网络进行自燃风险预测具体包括：
将煤炭状态参数Xn作为所述模拟神经网络的模糊化的输入向量；其中所述煤炭状态参数Xn至少包括：温度、湿度、特征气体浓度；将所述煤炭状态参数Xn利用隶属函数μ(x1)来表示，且所述隶属函数μ(x1)选用梯形进行表示，分为高、正常、低三个模糊子集；
将每个煤炭状态参数Xn转化为3个模糊子集的隶属度；
其中所述模拟神经网络为BP神经网络，且所述BP神经网络的输入层的各神经元的输入数据为模糊化的隶属函数μ(x1)，且中间层的各神经元的为单隐层或者多隐层结构，其中间层的最后一个隐层传递到输出层各神经元的信息以进行一次学习的正向传播处理过程，且所述输出层输出信息处理结果Ym。
2.根据权利要求1所述的堆场煤炭自燃检测方法，其特征在于，所述方法通过堆场煤炭自燃检测装置对堆场煤炭进行自燃检测，且所述堆场煤炭自燃检测装置包括外管和设置在外管内的温湿度传感器、特征气体传感器；其中所述外管的一端具有开口，且开口处设有上盖，所述外管的另一端设有进气孔；所述上盖设有抽气风扇和出气孔，所述出气孔通过抽气风扇与所述外管内腔导通以与所述进气孔形成对流；其中所述外管中部设有过滤网以将所述外管分隔为与所述进气孔导通的测量管、与所述出气孔导通的采集管；其中所述温湿度传感器设置于所述测量管内，所述特征气体传感器设置于所述采集管内；其中所述装置还包括处理器模块，所述处理器模块连接所述温湿度传感器和特征气体传感器。
3.根据权利要求2所述的堆场煤炭自燃检测方法，其特征在于，所述装置还包括太阳能供电模块，所述太阳能供电模块分别连接所述处理器模块、温湿度传感器和特征气体传感器以进行供电。
4.根据权利要求2所述的堆场煤炭自燃检测方法，其特征在于，所述过滤网安装在安装板上，且所述安装板通过连接件固定在所述外管上。
5.根据权利要求3所述的堆场煤炭自燃检测方法，其特征在于，所述处理器模块包括微处理器、采集模块、第一接口模块、控制模块、第二接口模块、WiFi模块；其中所述第一接口模块分别连接温湿度传感器和特征气体传感器，并通过所述采集模块连接所述微处理器；其中所述第二接口模块连接所述太阳能模块，并通过控制模块连接所述微处理器；所述WiFi模块连接所述微处理器。
6.根据权利要求3所述的堆场煤炭自燃检测方法，其特征在于，所述太阳能模块包括太阳能电池和电能管理系统。
7.根据权利要求2所述的堆场煤炭自燃检测方法，其特征在于，所述过滤网包括三层，分别为最底层的活性炭层、中间的硅橡胶颗粒层、最上层的13X分子筛层。
8.根据权利要求2所述的堆场煤炭自燃检测方法，其特征在于，所述特征气体传感器至少包括一氧化碳传感器、二氧化碳传感器、二氧化硫传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410339959.8A CN104089656B (zh) | 2014-07-17 | 2014-07-17 | 一种堆场煤炭自燃检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410339959.8A CN104089656B (zh) | 2014-07-17 | 2014-07-17 | 一种堆场煤炭自燃检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104089656A CN104089656A (zh) | 2014-10-08 |
| CN104089656B true CN104089656B (zh) | 2016-06-29 |
Family
ID=51637394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410339959.8A Active CN104089656B (zh) | 2014-07-17 | 2014-07-17 | 一种堆场煤炭自燃检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104089656B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105806785A (zh) * | 2016-03-28 | 2016-07-27 | 贵州大学 | 一种便携式激光甲烷检测装置及其检测方法 |
| CN107290474A (zh) * | 2017-06-15 | 2017-10-24 | 中国矿业大学 | 一种基于plc监控的煤自燃升温研究装置及方法 |
| CN108760983B (zh) * | 2018-05-04 | 2020-10-16 | 中国神华能源股份有限公司 | 分级复合指标体系的采煤工作面自然发火预警方法 |
| CN109492322B (zh) * | 2018-11-23 | 2023-07-25 | 大唐环境产业集团股份有限公司 | 一种储煤筒仓内部煤体自燃位置预测方法 |
| CN113125675A (zh) * | 2021-04-19 | 2021-07-16 | 北京物资学院 | 边缘计算架构的堆场煤炭自燃预警装置和预警方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101074911A (zh) * | 2007-06-21 | 2007-11-21 | 郑州市光力科技发展有限公司 | 用于监测环境空气颗物浓度的传感器 |
| CN102080569A (zh) * | 2010-12-10 | 2011-06-01 | 煤炭科学研究总院重庆研究院 | 基于分布式光纤测温的带式输送机火灾预警方法 |
| CN102255965A (zh) * | 2011-07-06 | 2011-11-23 | 无锡泛太科技有限公司 | 一种基于粗糙集bp神经网络的多传感器融合物联网试验平台 |
| CN202166435U (zh) * | 2011-06-30 | 2012-03-14 | 中国神华能源股份有限公司 | 一种煤堆内温度及气体浓度监测装置 |
| CN102722775A (zh) * | 2012-05-16 | 2012-10-10 | 山西潞安环保能源开发股份有限公司 | 煤矿安全危机管理系统及方法 |
| CN203396760U (zh) * | 2013-07-26 | 2014-01-15 | 武汉钢铁(集团)公司 | 模拟流化态煤样的氧化自燃可视试验装置 |
| CN203657834U (zh) * | 2013-12-25 | 2014-06-18 | 富奥通科技（北京）有限公司 | 环境监测仪 |
| CN203964959U (zh) * | 2014-07-17 | 2014-11-26 | 北京物资学院 | 一种堆场煤炭自燃检测装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130325767A1 (en) * | 2012-05-30 | 2013-12-05 | Qualcomm Incorporated | Dynamical event neuron and synapse models for learning spiking neural networks |
-
2014
- 2014-07-17 CN CN201410339959.8A patent/CN104089656B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101074911A (zh) * | 2007-06-21 | 2007-11-21 | 郑州市光力科技发展有限公司 | 用于监测环境空气颗物浓度的传感器 |
| CN102080569A (zh) * | 2010-12-10 | 2011-06-01 | 煤炭科学研究总院重庆研究院 | 基于分布式光纤测温的带式输送机火灾预警方法 |
| CN202166435U (zh) * | 2011-06-30 | 2012-03-14 | 中国神华能源股份有限公司 | 一种煤堆内温度及气体浓度监测装置 |
| CN102255965A (zh) * | 2011-07-06 | 2011-11-23 | 无锡泛太科技有限公司 | 一种基于粗糙集bp神经网络的多传感器融合物联网试验平台 |
| CN102722775A (zh) * | 2012-05-16 | 2012-10-10 | 山西潞安环保能源开发股份有限公司 | 煤矿安全危机管理系统及方法 |
| CN203396760U (zh) * | 2013-07-26 | 2014-01-15 | 武汉钢铁(集团)公司 | 模拟流化态煤样的氧化自燃可视试验装置 |
| CN203657834U (zh) * | 2013-12-25 | 2014-06-18 | 富奥通科技（北京）有限公司 | 环境监测仪 |
| CN203964959U (zh) * | 2014-07-17 | 2014-11-26 | 北京物资学院 | 一种堆场煤炭自燃检测装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于指标气体的煤自燃预报人工神经网络专家系统研究;张辛亥等;《煤矿安全》;20100331;第11页左栏第3段、第5段及右栏第1段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104089656A (zh) | 2014-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104089656B (zh) | 一种堆场煤炭自燃检测方法和装置 | |
| CN101033989B (zh) | 环境监测装置及方法 | |
| CN203964959U (zh) | 一种堆场煤炭自燃检测装置 | |
| JP2013531244A5 (zh) | ||
| CN104568323A (zh) | 一种sf6气体泄漏在线监测报警系统 | |
| CN103604505B (zh) | 一种卷烟及再造烟叶燃烧温度分布的测试表征方法 | |
| CN102608010B (zh) | 微粒子pm检测方法及设备 | |
| CN204840794U (zh) | 一种跑步机 | |
| CN103256620A (zh) | 多信息融合智能火焰检测装置及其检测方法 | |
| CN106155026A (zh) | 一种水泥厂煤耗及碳排放监测方法 | |
| CN103630170A (zh) | 一种便携式多传感器无线传输巡检仪 | |
| CN109992740A (zh) | 一种基于数据库计算污染源实际排放水平的方法 | |
| CN105809249A (zh) | 一种基于双神经网络的pm2.5浓度检测与预测系统及方法 | |
| CN207851060U (zh) | 基于物联网的山体滑坡预警监测系统 | |
| CN104062409B (zh) | 智能油烟气体分析方法和设备 | |
| CN205228513U (zh) | 便携式畜禽舍环境检测仪 | |
| CN103729810A (zh) | 一种嵌入式绿色建筑可视化评价诊断方法 | |
| CN204314274U (zh) | 校准空气质量的基准空气发生器 | |
| CN104359428B (zh) | 一种长时间序列野外森林叶面积指数测量仪及其测量方法 | |
| CN109682731A (zh) | 一种火力发电厂粉尘浓度在线监测系统及方法 | |
| CN202548075U (zh) | 自控式粒状活性炭着火点检测装置 | |
| CN202939765U (zh) | 室外烟雾监测装置 | |
| CN105577895A (zh) | 用于pm2.5粉尘浓度检测的手机 | |
| CN208092005U (zh) | 基于环境中恶臭监测电子鼻远程反控的在线检测装置 | |
| CN106568535A (zh) | 一种机动车尾气排放温度传感器的精度检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |