CN104713985B - 一种基于无线传感器的矿井环境有害气体检测系统 - Google Patents
一种基于无线传感器的矿井环境有害气体检测系统 Download PDFInfo
- Publication number
- CN104713985B CN104713985B CN201310692344.9A CN201310692344A CN104713985B CN 104713985 B CN104713985 B CN 104713985B CN 201310692344 A CN201310692344 A CN 201310692344A CN 104713985 B CN104713985 B CN 104713985B
- Authority
- CN
- China
- Prior art keywords
- harmful gas
- gas
- situation
- detection
- test point
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 238000013528 artificial neural network Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 9
- 239000007789 gas Substances 0.000 claims description 111
- 238000000034 method Methods 0.000 claims description 20
- 230000007935 neutral effect Effects 0.000 claims description 18
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 15
- 210000002569 neuron Anatomy 0.000 claims description 14
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 13
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 6
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 4
- 210000005036 nerve Anatomy 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 4
- 239000003245 coal Substances 0.000 description 19
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 8
- 229910052799 carbon Inorganic materials 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 230000002459 sustained effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 229910021529 ammonia Inorganic materials 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 5
- 238000003909 pattern recognition Methods 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000000746 purification Methods 0.000 description 4
- 210000002345 respiratory system Anatomy 0.000 description 4
- 206010037423 Pulmonary oedema Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005422 blasting Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 206010006451 bronchitis Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000003517 fume Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000004877 mucosa Anatomy 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 231100000572 poisoning Toxicity 0.000 description 2
- 230000000607 poisoning effect Effects 0.000 description 2
- 208000005333 pulmonary edema Diseases 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000035943 smell Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 206010003497 Asphyxia Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 241000790917 Dioxys <bee> Species 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010035745 Pneumonitis chemical Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- GCNLQHANGFOQKY-UHFFFAOYSA-N [C+4].[O-2].[O-2].[Ti+4] Chemical compound [C+4].[O-2].[O-2].[Ti+4] GCNLQHANGFOQKY-UHFFFAOYSA-N 0.000 description 1
- 239000000908 ammonium hydroxide Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 210000003123 bronchiole Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 239000003818 cinder Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000035987 intoxication Effects 0.000 description 1
- 231100000566 intoxication Toxicity 0.000 description 1
- 230000000622 irritating effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 229910052683 pyrite Inorganic materials 0.000 description 1
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 1
- 239000011028 pyrite Substances 0.000 description 1
- 210000001034 respiratory center Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000005987 sulfurization reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 201000001811 toxic pneumonitis Diseases 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种基于无线传感器的矿井环境有害气体检测系统，所述系统由多个检测单元和检测中心计算机组成实现对矿井环境有害气体的实现多点同时检测与状况判别，检测单元实现对检测点有害气体的特征参数进行检测，各检测单元通过无线通信模块与检测中心计算机实现信息交互，检测中心计算机用于对被检测矿井环境有害气体数据进行处理与管理，并通过多组小波神经网络辨识器实现对检测点、检测面和整个检测环境有害气体的状况进行等级判别。本发明通过研究现有煤矿有害气体检测技术准确性低和实时性差的难题，设计检测系统，可以根据煤矿检测点的实际状况把进气口均匀分布在被检测煤矿的不同部位实现多点同时检测煤矿有害气体浓度的实际状况。
Description
技术领域
本发明涉及矿井环境的智能检测与控制和控制网络技术领域，具体涉及一种基于无线传感器的矿井环境有害气体检测系统。
背景技术
目前，保障煤矿生产安全，防止煤矿事故，保护煤矿职工人身安全，促进采矿业的发展，确保井下人员足够的新鲜空气必须把有害气体和粉尘冲淡到安全浓度以下，它们包括CO、H2S、CO2、CH4等气体，因此必须测量有害气体的分布状况。
上述气体的来源于多方面，如CO在煤矿井下主要产生于煤的自然发火和坑木腐烂以及放炮的炮烟中，在煤矿井下监测CO浓度变化趋势可作为判断煤层是否发生自然发火的指标；急性CO中毒是吸入高浓度CO后引起以中枢神经系统损害为主的全身性疾病。轻、中度中毒主要表现为头痛、头昏、心悸、恶心、呕吐、四肢乏力、意识模糊,甚至昏迷。二氧化碳(CO2)主要存在于煤层和煤块内，在采煤过程中与瓦斯一道排出，坑木腐烂、人员呼吸、煤自然发火以及爆破等也可产生二氧化碳(CO2)，由于二氧化碳(CO2)密度大，一般多积聚于巷道低处及通风不良的废巷中，个别煤层或岩层中会出现大量二氧化碳(CO2)异常涌出现象，称为二氧化碳(CO2)突出，如营城煤矿和窑街矿区曾发生二氧化碳(CO2)突出事故，二氧化碳(CO2)主要经呼吸道吸入人体内，高密度时有显著毒性作用，主要是对呼吸中枢的毒性作用。矿井中二氧化硫主要来源于含硫矿物(如黄铁矿等)的氧化和自然以及井下爆破；二氧化硫(SO2)主要是通过呼吸道吸入而产生中毒作用，其次是皮肤、粘膜的接触吸收；硫化氢是具有臭鸡蛋气味的剧毒气体，且易燃易爆，爆炸浓度范围为4.3%-46%。有机物腐败时可产生硫化氢，故粪窑、污水沟、暗渠中常有硫化氢积聚，硫化氢属于化学性窒息性气体，急性中毒时可引起肺水肿和中毒性脑病；氨是无色有恶臭气味的刺激性气体，极易溶于水而形成氢氧化铵(氨水)，也容易从水溶液中逸出。
我国某些矿井岩层中有天然氨涌出，如铁法矿区和峰峰矿区的万年矿等，低浓度氨对眼和上呼吸道粘膜有刺激作用，吸入高浓度的NH3会引起支气管炎症及中毒性肺炎、肺水肿；矿井空气中的氮氧化物主要产生于用硝铵炸药爆破的炮烟中，氮氧化物为刺激性气体，较难溶于水，因而可达呼吸道深部的细支气管和肺泡，对肺组织产生强烈的刺激和腐蚀作用，可引起支气管炎和肺水肿等；当在煤层、断层或其它裂隙、空隙处积聚了大量甲烷，处于极高的压力状态下，具备一定条件时，会发生甲烷喷出或突出现象，分别称为瓦斯喷出和瓦斯突出。在我国陈奎开发了基于Web 的煤矿瓦斯动态采集与监控系统，提高了煤矿瓦斯采集的网络化与数字化水平，李 兵等开发了基于WSN的矿井瓦斯检测系统，杨丽等开发了基于STC12LE5608AD 的便携式瓦斯检测报警仪，这些测试方法具有可靠性低、准确性低和实时性差等特点，它们不能准确测量出煤矿有害气体的浓度，特别是煤矿有害气体的成分复杂，它们的形成过程复杂，因此采用单一的测量方法是不能够有效地测量出有害气体的浓度。
发明内容
本发明的目的是提供一种基于无线传感器的矿井环境有害气体检测系统，本发明通过研究现有煤矿有害气体检测技术准确性低和实时性差的难题，设计一种准确性高和实时性强的煤矿环境有害气体检测系统，该方法构造的检测系统具有结构简单、智能化程度高、准确性能好和实时性高等优点；该检测系统可以根据煤矿检测点的实际状况把进气口均匀分布在被检测煤矿的不同部位实现多点同时检测煤矿有害气体浓度的实际状况，并确定矿井内每个被检测点、检测面或者整个矿井检测环境有害气体浓度的时空分布状况。
实际生产中被检测矿井环境面积比较大，有害气体的分布状况比较复杂，传统的单独检测一个或者几个点不能代表矿井环境有害气体的实际状况与变化趋势。因此，本检测系统根据矿井环境规模较大的实际状况，开发了基于无线传感器网络能够多个检测点的测量系统，该系统由多个检测单元和检测中心计算机组成，检测单元用于采集矿井环境检测点的有害气体参数，通过该检测单元的无线通信接口上传给检测中心计算机，检测中心计算机实现对矿井环境的有害气体的参数进行处理，实现检测点、检测面和整个检测环境有害气体的等级进行判别等。
（1）检测单元设计：检测单元由有害气体参数采集电路、气路和通信接口单元组成，气路和参数采集电路由矿井环境气体进气口、洁净空气进气口、进气电磁阀、排气口、排气电磁阀、风扇和传感器阵列、温湿度传感器以及滤波电路、信号调理电路和MSP430单片机构成；通信部分由nRF2401通信模块实现。（图1）
（2）检测中心计算机：中心计算机基于VB和Matlab软件开发数据处理软件，实现对检测点的参数进行实时显示、趋势显示、数据存储和历史查询等；为了对被检测矿井的有害气体状况进行识别，系统在对检测单元的数据平滑预处理后对它们进行特征值提取，把反应气体变化趋势的最大值、稳定值和平均值的特征值输入已经训练好的多组小波神经网络辩识器对被检测矿井环境的有害气体状况进行判别。根据《煤矿安全规程》中矿井环境有害气体浓度的要求，由多组小波神经网络辨识器进行识别，各组网络对应5个输出端对应把矿井环境的有害气体的状况分为5个等级：清洁、良好、合格、基本合格和有害等五级，它们的数字特征值分别为1、2、3、4和5。（图2、图3，图5）
（3）多组小波神经网络辩识器：每个检测点对应一组小波神经网络，它是由15-22-5神经元构成的三层结构网络，输入15个神经元对应5个传感器的15个特征值，分别对应每个传感器测量周期内测量的最大值、稳定值和平均值作为该测量点的神经网络输入，隐含层采用22个神经元，神经元函数为基于框架的morlet小波函数，输出层采用5个神经元，输出层神经元函数Sigmoid，对应有害气体的5个等级，对应等级神经元输出为1，其余为0；多个测量点对应小波神经网络的输出通过融合系数对每个测量点的小波神经网络的输出进行融合得到总的神经网络输出。（图3）
本发明的原理在引入了无线传感器技术、对有害气体敏感性的传感器阵列和神经网络技术相结合，实现了对矿井环境多点有害气体状况进行同时检测，提高了检测的实时性和准确性，在模式识别中考虑了不同高度检测点气体浓度对被检测矿井环境的影响程度不同和多组小波神经网络技术实现了对多个检测点的信息进行融合，系统可以根据检测结果采用相对应的有害气体的净化策略。本发明与传统的检测方法相比的优点在于：
1、实时性高
采用了基于无线传感器技术、对有害气体有高度敏感性的传感器阵列和小波神经网络技术开发的检测装置可同时识别矿井环境的多个检测点有害气体的分布状况，采用了智能方法对不同检测点同一时刻的数据信息进行融合，提高了检测的可靠性、准确性和实时性，系统可对矿井环境有害气体的高效净化策略提供依据。检测单元的进气口直接布置在被检测矿井环境典型位置的检测点，可同时进行数据采集和模式识别，实时反映单个或者几个甚至整个被检测矿井环境的同一时刻有害气体的分布状况。
2.准确性高
系统考虑了矿井环境的同一时刻不同高度检测点有害气体的分布的不同状况，采用不同的信息融合系数，最后融合得到的被检测矿井环境整个有害气体状况等级。改变了传统的单点和分时检测准确性差、实时性差的问题；系统可以根据矿井环境有害气体分布和被检测矿井面积的大小等实际状况可以灵活地增加或者减少检测单元或者选择放置检测位置。这样可以在同一时间了解被检测矿井有害气体的分布状况，并根据系统的智能评价方法给出一个检测点、同一高度检测点、不同高度检测点的有害气体评价的等级。特别是采用了高度敏感性传感器阵列技术来采集反映矿井环境多种有害气体状况的典型参数，克服了传统方法的单一气体传感器的测量准确性低的问题。本发明多组小波神经网络辨识器采用基于小波分析而构成的神经网络，它充分利用小波变换的良好局部化性质并结合神经网络的自学习功能，因而具有较强的逼近、容错能力，其实现过程也比较简单。小波神经网络的逼近模拟结果与神经网络和小波分解方法进行对比，结果显示小波神经网络对非线性函数的拟合逼近明显要优于神经网络和小波分解方法，并吸收了两者的许多优点，摒弃了两者的一些缺点。因此它提高系统辨识的准确性与实时性。
3. 可扩展性
检测中心计算机可以直接接入企业的信息管理网络，实现企业信息资源互享，用户通过浏览器访问企业的WEB服务器，随时了解矿井环境过去和现在有害气体状况。该系统可方便地用于矿井环境的自动化控制以及矿井有害气体的净化相结合，实现网络化远程矿井环境的智能控制，通用性强和性价比高。可以实时根据矿井环境有害气体的分布状况，实时调整相关有害气体的净化装备的状态，实现对有害气体及时净化。
本发明在矿井环境信息自动化检测与自动化控制中有很高的应用价值，应用前景非常广阔。
附图说明
图1基于无线网络的矿井环境有害气体检测系统框图；
图2采集数据处理过程结构框图；
图3检测中心多组小波神经网络辨识器结构框图；
图4检测单元与检测中心计算机的信息交互过程流程图；
图5检测中心软件结构框图；
图6被检测矿井部位环境有害气体采样点布置图。
具体实施方式
（1）检测节点
检测单元设计
根据对有害气体有敏感性的传感器阵列（TGS系列）输出特性和输出的信号微弱的问题，系统决定采用滤波电路、信号调理电路，由调理放大电路的输出经过采样电路送给MSP430单片机的A/D接口；并对在单片机中定时采集的有害气体的数据并进行滤波处理（图1）。在检测单元采用Keil C语言编制程序，实现检测现场数据的采集和无线通信系统（图1、图4）。
气路设计
根据矿井环境有害气体检测的特点，确定矿井环境有害气体检测单元的气路结构为检测单元气路含有：进气口、通气管道、排气口、电磁阀、风扇、气体反应室；根据矿井环境有害气体分布不均匀性和检测困难的特点，系统可以确定在矿井的不同高度的某个侧面同时检测有害气体浓度的等级状况，并确定检测点的分布状况和进气口的布置。（图1）
传感器陈列设计
根据矿井环境的煤矿安全生产要求，矿井环境主要有害气体为甲烷、氨气、硫化氢、二氧化碳、一氧化碳，系统选择TGS系列传感器对它们有高度的敏感性。传感器的组成见下表。
（2）检测中心计算机
软件部分设计
检测中心计算机根据采样周期定时从串口读取检测点上传的数据；检测中心的计算机对检测点的数据进行实时显示、曲线显示、数据存储和历史查询等，为了对整个矿井环境的有害气体状况进行识别，检测单元处理器的监测软件实现对现场数据的采集和信息传输、无线通信接口软件实现检测单元和检测中心计算机进行信息交互（图4）；检测中心软件由实时检测、数据预处理、特征提取、模式识别和信息融合等软件构成整个检测系统的软件系统，其中模式识别采用基于多组小波神经网络辨识器来实现对多个检测点的有害气体的等级状况判别，最终确定被检测的矿井环境有害气体等级的状况。检测中心计算机软件由数据采集模块、数据处理模块、特征值提取算法和小波神经网络训练以及单个点有害气体浓度状况进行模式识别和多个点有害气体浓度进行模式识别方法等模块（图2、3、5）。
多组小波神经网络辨识器设计
在对每一个检测点的数据平滑预处理后对它们进行特征值提取（检测周期中的最大值、稳定值和平均值），把特征值后输入已经训练好的该检测点对应的神经网络对该检测点的有害气体状况进行判别，结果包括：清洁、良好、合格、基本合格和有害等5个等级，它们的特征值分别为5、4、3、2和1。由多个检测点对应辨识神经网络通过融合来确定多个检测点有害气体的等级状况，得到整个被检测环境有害气体的等级状况。多个单组神经网络融合到整个神经网络的输出融合系数的确定：由于本系统的检测点在矿井环境中的高度不同，不同测量点的神经网络输出采用不同的融合方法。对同一高度的测量点是采用各个测量点的神经网络输出的和除以检测点的个数得到同一高度的融合神经网络的最终输出，由此得到同一高度测量点的有害气体的浓度等级。对于矿井环境不同高度测量点的神经网络融合系数的选取：对某个检测点对应神经网络输出的5个神经元的值分别乘上它们的数字特征值，然后把它们累加得到该检测点神经网络输出的特征值，该检测点的神经网络的融合系数等于该特征值除以不同检测点高度总的特征累加和，因此该矿井环境不同检测点总的融合系数为1，这样就把矿井环境不同高度检测点的神经网络输出融合到整个被检测的矿井环境的神经网络输出，由此得到被检测矿井环境有害气体的等级。多种神经网络辨识器的识别结果包括：单个检测点的结果、多个检测点的结果和整个被检测矿井环境的有害气体状况的结果，整个检测中心的组态软件采用VB和Matlab集成开发（图2、图3）。
实施例一、
检测单元的布置：图6 为被检测矿井环境有害气体的气体采样点的平面布置图，该部位长为100米，宽为50米，高为5米,该区域为工作面，在图中的圆圈代表进气口的采样点，其中1代表该进气口采样点距离地面1米，2代表该进气口采样点距离地面2米，3代表该进气口的采样点距离地面3米,采样点在矿井区中有三种高度，不同高度的气体采样点间隔布置，它们分布在工作面中，便于反映该区域有害气体的分布状况，检测单元和计算机放在控制室中.
采样：由于矿井环境有害气体的分布状况高度离散性,并且随着时间的变化它的分布状况和浓度有较大改变,为了真实的了解该环境有害气体的时空变化状况，该检测装置确定每隔20分钟检测1次有害气体的相关参数 ,通过多组小波神经网络辨识器实现对每个采样点、采样面和整个被检测环境有害气体的分布状况进行识别，提供对有害气体的净化有一个准确的依据.
检测结果的判别:对同一高度检测点各个小波神经网络输出的融合是采用各个检测点小波神经网络输出的对应结点累加和除以检测点的个数,得到同一高度小波神经网络总的输出,对1米高度的采样点的有害气体检测结果等级为：基本合格(参考国家煤矿生产安全规程环境标准要求)，它的总的特征值为3.6，在2米高处的检测点的等级为：合格，它的总的特征值为2.7，在3米高处的检测点等级为：良好，它的总的特征值为2.3，在测量中发现对于靠近通风处测量点有害气体的状况明显好于同一高度其他测量点；对于整个被检测环境小波神经网络输出的融合算法是：根据系统设计的不同高度检测点的神经网络融合系数的选择方法确定1米高的检测点的融合系数为3.6/(3.6+2.7+2.3)=0.42,同理,2米高处测量点的融合系数为0.31,3米高处测量点的融合系数为0.27,反之得到总的融合小波神经网络输出为=0.27*2 + 0.31*3 + 0.42*4 =3.1,它接近3，所以整个被检测环境的有害气体的等级为合格。从计算过程可以看出本检测装置在同一时刻可以得到每个检测点、检测面和检测环境有害气体的时空分布状况，为有害气体净化提供有效地根据。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (2)
1.一种基于无线传感器的矿井环境有害气体检测系统，其特征在于：所述系统由多个检测单元和检测中心计算机组成实现对矿井环境有害气体的实现多点同时检测与状况判别，检测单元实现对检测点有害气体的特征参数进行检测，各检测单元通过无线通信模块与检测中心计算机实现信息交互，检测中心计算机用于对被检测矿井环境有害气体数据进行处理与管理，并通过多组小波神经网络辨识器实现对检测点、检测面和整个检测环境有害气体的状况进行等级判别；
所述检测单元由气路和参数采集电路组成，参数采集电路由矿井气体进气口、洁净空气进气口、进气电磁阀、排气口、排气电磁阀、传感器阵列、温湿度传感器、滤波电路、信号调理电路以及MSP430单片机构成，各个检测单元通过nRF2401无线通信模块实现与检测中心计算机信息交互，每个检测单元均对应设置有一个小波神经神经网络；
所述检测中心计算机定时采集矿井环境有害气体的数据，实现对数据的实时显示、曲线显示、数据存储和历史查询，为了对整个被检测环境的有害气体状况进行识别，系统对数据平滑数据预处理，提取反应气体变化状况的最大值、平均值和稳定值的特征值，得到特征值后输入已经设置好的多组小波神经网络辩识器对矿井环境的有害气体状况进行判别，同时给出各个检测点、检测面和整个检测环境有害气体的等级状况；
所述小波神经神经网络辩识器为15-22-5神经元构成的三层结构，输入层为15个神经元对应5个传感器的15个特征值，分别对应每个传感器测量周期内曲线的最大值、平均值和稳定值作为该测量点的小波神经网络输入，隐含层采用22个神经元，神经元函数为基于框架的morlet小波函数，输出层采用5个神经元，输出层神经元函数Sigmoid，对应有害气体的5个等级，对应等级神经元输出为1，其余为0，通过融合系数对每个测量点的对应的小波神经网络的输出进行融合得到总的神经网络输出来反应检测面和整个检测环境的有害气体的时空分布状况。
2.根据权利要求1所述的一种基于无线传感器的矿井环境有害气体检测系统，其特征在于：所述传感器阵列包括甲烷传感器TGS816、氨气传感器TGS826、硫化氢传感器TGS825、二氧化碳传感器TGS4160、一氧化碳传感器TGS203。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310692344.9A CN104713985B (zh) | 2013-12-17 | 2013-12-17 | 一种基于无线传感器的矿井环境有害气体检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310692344.9A CN104713985B (zh) | 2013-12-17 | 2013-12-17 | 一种基于无线传感器的矿井环境有害气体检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104713985A CN104713985A (zh) | 2015-06-17 |
| CN104713985B true CN104713985B (zh) | 2016-08-17 |
Family
ID=53413496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310692344.9A Expired - Fee Related CN104713985B (zh) | 2013-12-17 | 2013-12-17 | 一种基于无线传感器的矿井环境有害气体检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104713985B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105466825A (zh) * | 2015-12-28 | 2016-04-06 | 常熟市矿山机电器材有限公司 | 一种粉尘远程检测系统 |
| CN106970180B (zh) * | 2017-01-24 | 2019-06-25 | 浙江农林大学 | 毒害试剂泄露监测方法 |
| CN107305209B (zh) * | 2017-01-24 | 2019-08-06 | 浙江农林大学 | 基于leif模型的挥发性毒害试剂检漏方法 |
| CN106774009B (zh) * | 2017-01-24 | 2019-10-29 | 浙江农林大学 | 基于非线性模型的危化品泄露预警方法 |
| CN106645593B (zh) * | 2017-01-24 | 2019-07-12 | 浙江农林大学 | 危化品毒害试剂检漏方法 |
| EP3755504A1 (en) * | 2018-02-23 | 2020-12-30 | ABB Schweiz AG | Robot system and operation method |
| CN110645481B (zh) * | 2018-06-27 | 2021-11-19 | 广州发展集团股份有限公司 | 一种燃气管道泄漏的控险方法 |
| KR102103642B1 (ko) * | 2018-08-23 | 2020-04-22 | 한서대학교 산학협력단 | 심층신경망을 이용한 저탄장 자연발화 예측방법 |
| CN112907925A (zh) * | 2019-12-03 | 2021-06-04 | 中国石油化工股份有限公司 | 井下数据监测系统及方法 |
| CN111474299B (zh) * | 2020-04-13 | 2021-07-13 | 深圳普泰电气有限公司 | 一种基于大数据的工业环境实时监测系统 |
| CN112345708A (zh) * | 2020-11-16 | 2021-02-09 | 河南省科学院应用物理研究所有限公司 | 一种煤矿快速检测控制系统 |
| CN113203841B (zh) * | 2021-06-21 | 2022-08-26 | 北京思路智园科技有限公司 | 基于多传感器协同的有害气体检测系统及方法 |
| CN114236043A (zh) * | 2021-11-23 | 2022-03-25 | 煤炭科学研究总院 | 一种煤矿有害气体巡检方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1381721A (zh) * | 2002-06-04 | 2002-11-27 | 复旦大学 | 便携式智能电子鼻及其制备方法 |
| CN1588030A (zh) * | 2004-07-09 | 2005-03-02 | 大连理工大学 | 一种具有温湿补偿功能的便携式气体检测分析仪 |
| CN101000502A (zh) * | 2006-12-30 | 2007-07-18 | 浙江大学 | 一种基于can网络的环境参数记录与自动控制装置 |
| CN101042408A (zh) * | 2007-04-10 | 2007-09-26 | 浙江大学 | 基于usb接口的便携式电子鼻系统 |
| CN101561427A (zh) * | 2009-05-15 | 2009-10-21 | 江苏大学 | 基于can现场总线的猪舍环境有害气体多点测量系统 |
| CN201594088U (zh) * | 2009-09-11 | 2010-09-29 | 泰豪科技股份有限公司 | 新型室内无线空气质量监测仪 |
| CN101945496A (zh) * | 2010-08-31 | 2011-01-12 | 戎非 | 无线分布式有毒或可燃气体传感器探测网络系统及其监控方法 |
| CN102192927A (zh) * | 2010-11-05 | 2011-09-21 | 重庆大学 | 一种基于电子鼻技术的空气质量监测系统及其监测方法 |
| CN202018435U (zh) * | 2011-04-25 | 2011-10-26 | 黑龙江科技学院 | 无线瓦斯传感器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6840086B2 (en) * | 2003-03-06 | 2005-01-11 | Cincinnati Test Systems, Inc. | Method and apparatus for detecting leaks |
| US8052932B2 (en) * | 2006-12-22 | 2011-11-08 | Research Triangle Institute | Polymer nanofiber-based electronic nose |
-
2013
- 2013-12-17 CN CN201310692344.9A patent/CN104713985B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1381721A (zh) * | 2002-06-04 | 2002-11-27 | 复旦大学 | 便携式智能电子鼻及其制备方法 |
| CN1588030A (zh) * | 2004-07-09 | 2005-03-02 | 大连理工大学 | 一种具有温湿补偿功能的便携式气体检测分析仪 |
| CN101000502A (zh) * | 2006-12-30 | 2007-07-18 | 浙江大学 | 一种基于can网络的环境参数记录与自动控制装置 |
| CN101042408A (zh) * | 2007-04-10 | 2007-09-26 | 浙江大学 | 基于usb接口的便携式电子鼻系统 |
| CN101561427A (zh) * | 2009-05-15 | 2009-10-21 | 江苏大学 | 基于can现场总线的猪舍环境有害气体多点测量系统 |
| CN201594088U (zh) * | 2009-09-11 | 2010-09-29 | 泰豪科技股份有限公司 | 新型室内无线空气质量监测仪 |
| CN101945496A (zh) * | 2010-08-31 | 2011-01-12 | 戎非 | 无线分布式有毒或可燃气体传感器探测网络系统及其监控方法 |
| CN102192927A (zh) * | 2010-11-05 | 2011-09-21 | 重庆大学 | 一种基于电子鼻技术的空气质量监测系统及其监测方法 |
| CN202018435U (zh) * | 2011-04-25 | 2011-10-26 | 黑龙江科技学院 | 无线瓦斯传感器 |
Non-Patent Citations (3)
| Title |
|---|
| 基于小波神经网络改进算法的混合气体检测方法研究;李铁成;《中国优秀硕士论文全文数据库医药卫生科技辑》;20070815(第2期);摘要、第31页第3.7节第1段，第37-38页第4.1.1节，第50页第4.2.2节第1段，第55-57页第5.1-5.3节 * |
| 基于小波神经网络的瓦斯涌出量预测研究;薛鹏骞 等;《中国安全科学学报》;20060228;第1 6卷(第 2 期);全文 * |
| 小波神经网络模型的确定性预测及应用;潘玉民 等;《计算机应用》;20130401;第33卷(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104713985A (zh) | 2015-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104713985B (zh) | 一种基于无线传感器的矿井环境有害气体检测系统 | |
| CN102410908B (zh) | 一种二氧化碳地质封存泄漏的监测系统 | |
| CN107871161A (zh) | 一种基于神经网络的桥梁整体损伤预警方法 | |
| CN110242865A (zh) | 一种易于持续优化的燃气泄漏检测判定方法及系统 | |
| CN204214843U (zh) | 基于温度与指标性气体检测的煤堆自燃监测预警系统 | |
| CN103675221B (zh) | 一种水质检测分析系统及水质检测分析方法 | |
| CN208283385U (zh) | 用于水产养殖业的水下检测机器人 | |
| CN203732483U (zh) | 一种矿井环境有害气体无线检测系统 | |
| CN104089656B (zh) | 一种堆场煤炭自燃检测方法和装置 | |
| CN110412230A (zh) | 一种基于鱼类行为的水污染监测预警装置及其预警方法 | |
| CN110043321A (zh) | 一种煤矿瓦斯安全智能巡检系统及方法 | |
| CN206361416U (zh) | 多通道实时监测且能快速定位泄漏的气体监测系统 | |
| CN104298187B (zh) | 金湿法冶金全流程三层结构过程监测方法 | |
| CN110133229A (zh) | 一种土壤精准检测智能分析系统 | |
| CN102998350A (zh) | 利用电化学指纹图谱鉴别食用油和地沟油的方法 | |
| CN104200599B (zh) | 公交车多传感器火灾检测方法 | |
| CN117073918A (zh) | 矿山二氧化碳封存泄漏源的电位响应实时检测系统及方法 | |
| CN116822352A (zh) | 基于grnn神经网络的井下防水密闭墙工况预测方法及系统 | |
| CN214041371U (zh) | 一种可移动式海上油田注水水质在线监测装置 | |
| CN100350128C (zh) | 钻井便携红外录井仪 | |
| CN106250578A (zh) | 煤矿瓦斯检测方法 | |
| CN106096633A (zh) | 煤矿瓦斯浓度测量方法 | |
| Wilson et al. | Sensitivity of CO2 leak detection using a single atmospheric station | |
| CN205484344U (zh) | 一种利用一个气体传感器测量多种呼出气体浓度的装置 | |
| CN110455997A (zh) | 一种集成式气体采集综合柜 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Buzhong Inventor after: Chen Liang Inventor after: Li Chaolin Inventor after: Xu Yao Inventor after: Zhuang Haijun Inventor after: Yang Yong Inventor after: Xu Tong Inventor before: Xu Tong |
|
| COR | Change of bibliographic data | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160713 Address after: 223005 Jiangsu city in Huaian Province, while the economic and Technological Development Zone, Road No. 3 Applicant after: Jiangsu vocationnal college of electronics and information Address before: 223700, Jiangsu County, Suqian City, Siyang Province town of Huaihailu Road Jin Ruyi District ten hit two units (303) room Applicant before: Xu Tong |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160817 |