CN115788591A - 一种深埋长隧道粉尘及有害气体监测与智能调控系统 - Google Patents
一种深埋长隧道粉尘及有害气体监测与智能调控系统 Download PDFInfo
- Publication number
- CN115788591A CN115788591A CN202310076542.6A CN202310076542A CN115788591A CN 115788591 A CN115788591 A CN 115788591A CN 202310076542 A CN202310076542 A CN 202310076542A CN 115788591 A CN115788591 A CN 115788591A
- Authority
- CN
- China
- Prior art keywords
- dust
- tunnel
- data
- harmful gas
- monitoring
- 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.)
- Pending
Links
- 239000000428 dust Substances 0.000 title claims abstract description 75
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 239000007789 gas Substances 0.000 claims abstract description 100
- 230000005540 biological transmission Effects 0.000 claims abstract description 39
- 230000009977 dual effect Effects 0.000 claims abstract description 16
- 238000009412 basement excavation Methods 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 239000011435 rock Substances 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 238000009423 ventilation Methods 0.000 claims description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- 239000013307 optical fiber Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 4
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 4
- 239000004065 semiconductor Substances 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 238000005507 spraying Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims 6
- 238000000034 method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000002341 toxic gas Substances 0.000 description 3
- 230000005641 tunneling Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005422 blasting Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
Images
Landscapes
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种深埋长隧道粉尘及有害气体监测与智能调控系统，包括：数据采集模块，用于采集隧道内粉尘和有害气体的实时浓度数据；数据双重传输模块，用于将实时浓度数据传输至超前预报模块；超前预报模块，用于通过神经网络预测前方岩体开挖后掌子面附近的有害气体浓度，获得预测数据；智能决策模块，用于根据预测数据进行风险等级评定，根据评定结果进行自动应急调控直至隧道内的粉尘及有害气体浓度降低至预设安全阈值以下。本发明能够实现隧道全洞段范围内的粉尘及有害气体的全自动、实时监测，可监测的有害气体种类多，监测信息同步采集、有线‑无线双重传输，速度快，精度高。
Description
技术领域
本发明属于隧道施工领域，特别是涉及一种深埋长隧道粉尘及有害气体监测与智能调控系统。
背景技术
随着交通、水利水电等隧道建设工程逐渐向地质条件更为复杂的西部地区转移，出现了一大批复杂的长大深埋隧道，其建设规模和难度成倍增加。在隧道建造过程中将会面临诸多挑战，除了突涌水或断层塌方等地质灾害外，还可能受到来自地层中高浓度、高压有害气体的影响，例如当隧道穿越煤系地层时，开挖破坏地质结构造成瓦斯（CH4）、一氧化碳（CO）、硫化氢（H2S）等毒性气体逸出，由于深埋长隧道洞室狭长且相对封闭，隧道内部空气置换能力较差，有毒气体不能及时排出，容易造成施工人员中毒甚至引发燃烧、爆炸，危害极大；另外，掌子面掘进、开挖爆破或喷浆支护时也会产生大量粉尘，不仅使隧洞内可视环境变差，也会严重危害施工人员的身体健康。因此，对隧道内的有害气体和粉尘进行实时监测，获取隧道施工环境中的有害气体和粉尘浓度的实时数据，对隧道安全施工具有重要的意义。
针对隧道内部的粉尘及有害气体监测，目前已发展了较为成熟的技术手段和仪器设备，然而这些仪器设备获取监测数据严重依赖人工操作，造成监测任务繁重，耗费大量时间和人力，且难以实现全隧洞段覆盖和实时监测。在掘进前进行有害气体浓度超前预报，预测随掘进机开挖隧道内有害气体浓度变化趋势，对施工具有重要的指导意义，然而目前的隧道有害气体监测系统尚不能实现该目的。针对上述现有技术存在的问题，本发明提出一种深埋长隧道粉尘及有害气体监测与智能调控系统，能够实现隧道全洞段粉尘和有害气体的实时监测、掌子面附近有害气体浓度的超前预报以及隧道内粉尘和有害气体浓度的智能调控，对于埋深长隧道的安全建造意义重大。
发明内容
本发明针对隧道内粉尘和有害气体监测方面现有技术的不足，提供了一种深埋长隧道粉尘及有害气体监测与智能调控系统。
为实现上述目的，本发明提供了如下方案：一种深埋长隧道粉尘及有害气体监测与智能调控系统，包括：
数据采集模块，用于采集隧道内粉尘和有害气体的实时浓度数据；
数据双重传输模块，与所述数据采集模块连接，用于将所述实时浓度数据传输至超前预报模块；
超前预报模块，与所述数据双重传输模块连接，用于通过神经网络预测前方岩体开挖后掌子面附近的有害气体浓度，获得预测数据；
智能决策模块，与所述数据双重传输模块连接，用于根据所述预测数据进行风险等级评定，根据评定结果进行自动应急调控直至隧道内的粉尘及有害气体浓度降低至预设安全阈值以下。
优选地，所述数据采集模块基于采集粉尘浓度数据和有害气体浓度数据的多种传感器单元进行数据采集；
所述传感器单元设置于隧道的若干个监测断面上，所述监测断面沿隧道轴线布置。
优选地，所述传感器单元至少包括激光粉尘监测单元、半导体式气体监测单元、红外吸收型二氧化碳气体传感器；
所述激光粉尘监测单元用于采集隧道内的粉尘浓度数据；
所述半导体式气体监测单元用于采集隧道内的瓦斯和硫化氢的浓度数据；
所述红外吸收型二氧化碳气体传感器用于采集隧道内的二氧化碳的浓度数据。
优选地，所述数据双重传输模块包括无线传输单元、有线传输单元；
所述无线传输单元基于5G无线传输技术，通过无线传输天线将收集到的数据信息传输到连接智能决策模块的基站，通过所述基站将电磁波信号转换为电信号后传送至智能决策模块；
所述有线传输单元通过光纤电缆将采集的数据信息传输到智能决策模块，其中所述光纤电缆利用隧道边墙上的线缆槽进行布设。
优选地，所述超前预报模块包括参数获取单元、模型构建单元、浓度预测单元；
所述参数获取单元用于获取掌子面完整性信息、掌子面气体通量信息、开挖进尺信息、开挖时间信息作为输入参数，同时收集对应气体浓度数据作为输出参数；
所述模型构建单元用于构建神经网络模型；
所述浓度预测单元用于将所述数据采集模块与所述参数获取单元得到的数据信息输入到所述神经网络模型，进行有害气体浓度超前预报。
优选地，所述模型构建单元还包括模型训练单元、模型改进单元；
所述模型训练单元用于将参数获取单元收集的输入参数输入到所述神经网络模型进行模型训练，获得输出结果；
所述模型改进单元用于将所述输出结果与输出参数进行比较，计算误差后对误差进行学习，更新神经网络的权值和偏差。
优选地，所述风险等级包括第一等级、第二等级、第三等级、第四等级、第五等级；
其中，所述第一等级为安全等级；所述第二等级为预警等级，达到所述第二等级触发预警信号；所述第三等级、第四等级、第五等级为危险等级，触发危险警告信号，警告工作人员尽快撤离并及时开启应急调控，采取措施降低隧道内粉尘及有害气体浓度。
优选地，所述应急调控包括通过增大通风功率降低隧道内有害气体浓度，通过喷射水幕或静电进行除尘；依据不同的风险等级设置相应的通风功率或除尘机械功率，风险等级越高，通风功率或除尘机械功率越大；当数据采集装置采集到的粉尘及有害气体浓度数据下降至正常范围内时，应急调控装置主动关闭。
本发明公开了以下技术效果：
1、本发明所提出的一种深埋长隧道粉尘及有害气体监测系统能够实现隧道全洞段范围内的粉尘及有害气体的全自动、实时监测，可监测的有害气体种类多，监测信息同步采集、有线-无线双重传输，速度快，精度高。
2、本发明所述的超前预报模块通过输入数据采集模块获取的以及掌子面测量得到的各种参数，利用神经网络进行训练学习，能够对前方岩体开挖后掌子面附近的有害气体浓度变化趋势进行超前预报，给隧道安全施工提供一定的指导意义。
3、本发明所提出的一种深埋长隧道粉尘及有害气体智能调控系统通过接收数据采集模块和超前预报模块获取的粉尘或有害气体的浓度数据，根据粉尘及各类有害气体浓度安全范围规定划分不同的风险等级，并且依据风险等级自动调整应急调控的工作状态，实现粉尘及有害气体的全自动智能治理清除。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的控制流程示意图；
图2为本发明实施例的粉尘及有害气体监测示意图；
其中，1-围岩，2-传感器集成装置，3-光纤电缆，4-监测断面，5-智能决策模块，6-无线传输天线，7-隧道掌子面，8-无线传输5G基站。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1-2所示，本发明提供了一种深埋长隧道粉尘及有害气体监测与智能调控系统,包括：数据采集模块、数据双重传输模块、超前预报模块以及智能决策模块5。
其中，所述的数据采集模块用于采集隧道全洞段范围内粉尘和有害气体实时浓度数据，沿隧道轴线布置若干个监测断面4，每个监测断面4上布置若干个传感器集成装置2，所述的传感器集成装置2为采集粉尘浓度数据和隧道开挖中可能遭遇到的各类有害气体浓度数据的多种传感器单元，如监测采集隧道内粉尘浓度的激光粉尘监测单元，监测采集隧道里面的瓦斯（CH4）和硫化氢（H2S）浓度数据的半导体式气体监测单元，监测采集隧道内二氧化碳（CO2）浓度数据的红外吸收型二氧化碳气体传感器等。
所述的数据双重传输模块包括无线传输模式和有线传输模式，所述的无线传输模式是通过5G无线传输技术，采用大规模无线传输天线6，将收集到的信息传输到连接智能决策模块5的无线传输5G基站8，通过无线传输5G基站8实现由电磁波信号转换为电信号提供给智能决策模块5；所述的有线传输模式是直接通过光纤电缆3将采集的数据信息传输到智能决策模块5，其中光纤电缆3利用隧道边墙上现有的线缆槽进行布设。
所述的超前预报模块为采用神经网络预测前方岩体开挖后隧道掌子面7附近的有害气体浓度变化趋势，具体步骤为：①收集数据采集模式获取的有害气体种类、浓度数据以及对应传感器集成装置2的位置，通过数据双重传输模式传入超前预报模块，另外收集隧道掌子面完整性、掌子面气体通量、开挖进尺、开挖时间等信息，将上述参数共同作为输入参数，同时收集对应的有害气体浓度数据作为输出参数；②神经网络的训练和改进：将上述输入参数输入神经网络，计算出输出结果，将上述输出参数与当前输出结果作比较，计算误差，对误差进行学习，更新神经网络的权值和偏差；③有害气体浓度预测：输入隧道掌子面7开挖过程中采集到的上述输入参数，进行有害气体浓度超前预报。
所述的智能决策模块5接收数据采集模块采集到的隧道内粉尘、有害气体的实时浓度数据和对应的位置以及超前预报模块预测出的前方岩体开挖后隧道掌子面7附近的有害气体浓度变化数据，根据浓度数据值划分风险等级，设置不同的警醒标志，提醒工作人员注意防护或及时撤离；同时依据此风险等级，开启相应的自动应急调控，使隧道内粉尘及有害气体的浓度降低，当数据采集装置采集到的浓度数据处于安全范围内时，关闭主动应急调控装置。作为可选择的实施方式，所述的传感器集成装置2的检测内容应根据前期地质调查确定，包括粉尘及隧道施工中可能出现的各种有害气体。
作为可选择的实施方式，所述的数据采集模块中，对于在建深埋长隧道已开挖段落，每隔100米布置一个监测断面4，对于存在有害气体隐患的掌子面附近段落，每个20米布置一个监测断面4。每个监测断面4上布置3个传感器集成装置2，分别位于拱顶以及左右拱脚；
作为可选择的实施方式，所述的数据双重传输模块中，对于已开挖段落的粉尘及有害气体浓度进行观测与收集，主要通过无线传输模式向数据处理及预报系统传输浓度数据信息；对于隧道掌子面7附近的粉尘和有害气体监测，使用无线和有线双模式向数据处理及预报系统传输浓度数据信息。
作为可选择的实施方式，所述建立的风险等级，风险等级一共分为五级，风险等级一为安全等级；风险等级二为预警等级，触发预警信号，提醒施工人员注意防护；风险等级三及以上为危险等级，触发危险警告信号，警告工作人员尽快撤离并及时开启应急调控，采取措施降低隧道内粉尘及有害气体浓度。
作为可选择的实施方式，所述的应急调控，通过增大通风功率降低隧道内有害气体浓度，通过喷射水幕或静电进行除尘；依据不同的风险等级设置相应的通风功率或除尘机械功率，风险等级越高，通风功率或除尘机械功率越大。当粉尘及有害气体浓度下降至正常范围内时，关闭应急调控。
本发明所提出的一种深埋长隧道粉尘及有害气体监测系统能够实现隧道全洞段范围内的粉尘及有害气体的全自动、实时监测，可监测的有害气体种类多，监测信息同步采集、有线-无线双重传输，速度快，精度高。
本发明所述的超前预报模块通过输入数据采集模块获取的以及掌子面测量得到的各种参数，利用神经网络进行训练学习，能够对前方岩体开挖后掌子面附近的有害气体浓度变化趋势进行超前预报，给隧道安全施工提供一定的指导意义。
本发明所提出的一种深埋长隧道粉尘及有害气体智能调控系统通过接收数据采集模块和超前预报模块获取的粉尘或有害气体的浓度数据，根据粉尘及各类有害气体浓度安全范围规定划分不同的风险等级，并且依据风险等级自动调整应急调控的工作状态，实现粉尘及有害气体的全自动智能治理清除。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，包括：
数据采集模块，用于采集隧道内粉尘和有害气体的实时浓度数据；
数据双重传输模块，与所述数据采集模块连接，用于将所述实时浓度数据传输至超前预报模块；
超前预报模块，与所述数据双重传输模块连接，用于通过神经网络预测前方岩体开挖后掌子面附近的有害气体浓度，获得预测数据；
智能决策模块，与所述数据双重传输模块连接，用于根据所述预测数据进行风险等级评定，根据评定结果进行自动应急调控直至隧道内的粉尘及有害气体浓度降低至预设安全阈值以下。
2.根据权利要求1所述的深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，
所述数据采集模块基于采集粉尘浓度数据和有害气体浓度数据的多种传感器单元进行数据采集；
所述传感器单元设置于隧道的若干个监测断面上，所述监测断面沿隧道轴线布置。
3.根据权利要求2所述的深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，
所述传感器单元至少包括激光粉尘监测单元、半导体式气体监测单元、红外吸收型二氧化碳气体传感器；
所述激光粉尘监测单元用于采集隧道内的粉尘浓度数据；
所述半导体式气体监测单元用于采集隧道内的瓦斯和硫化氢的浓度数据；
所述红外吸收型二氧化碳气体传感器用于采集隧道内的二氧化碳的浓度数据。
4.根据权利要求1所述的深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，
所述数据双重传输模块包括无线传输单元、有线传输单元；
所述无线传输单元基于5G无线传输技术，通过无线传输天线将收集到的数据信息传输到连接智能决策模块的基站，通过所述基站将电磁波信号转换为电信号后传送至智能决策模块；
所述有线传输单元通过光纤电缆将采集的数据信息传输到智能决策模块，其中所述光纤电缆利用隧道边墙上的线缆槽进行布设。
5.根据权利要求1所述的深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，
所述超前预报模块包括参数获取单元、模型构建单元、浓度预测单元；
所述参数获取单元用于获取掌子面完整性信息、掌子面气体通量信息、开挖进尺信息、开挖时间信息作为输入参数，同时收集对应气体浓度数据作为输出参数；
所述模型构建单元用于构建神经网络模型；
所述浓度预测单元用于将所述数据采集模块与所述参数获取单元得到的数据信息输入到所述神经网络模型，进行有害气体浓度超前预报。
6.根据权利要求5所述的深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，
所述模型构建单元还包括模型训练单元、模型改进单元；
所述模型训练单元用于将参数获取单元收集的输入参数输入到所述神经网络模型进行模型训练，获得输出结果；
所述模型改进单元用于将所述输出结果与输出参数进行比较，计算误差后对误差进行学习，更新神经网络的权值和偏差。
7.根据权利要求1所述的深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，
所述风险等级包括第一等级、第二等级、第三等级、第四等级、第五等级；
其中，所述第一等级为安全等级；所述第二等级为预警等级，达到所述第二等级触发预警信号；所述第三等级、第四等级、第五等级为危险等级，触发危险警告信号，警告工作人员尽快撤离并及时开启应急调控，采取措施降低隧道内粉尘及有害气体浓度。
8.根据权利要求1所述的深埋长隧道粉尘及有害气体监测与智能调控系统，其特征在于，
所述应急调控包括通过增大通风功率降低隧道内有害气体浓度，通过喷射水幕或静电进行除尘；依据不同的风险等级设置相应的通风功率或除尘机械功率，风险等级越高，通风功率或除尘机械功率越大；当数据采集装置采集到的粉尘及有害气体浓度数据下降至正常范围内时，应急调控装置主动关闭。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310076542.6A CN115788591A (zh) | 2023-02-08 | 2023-02-08 | 一种深埋长隧道粉尘及有害气体监测与智能调控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310076542.6A CN115788591A (zh) | 2023-02-08 | 2023-02-08 | 一种深埋长隧道粉尘及有害气体监测与智能调控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115788591A true CN115788591A (zh) | 2023-03-14 |
Family
ID=85430285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310076542.6A Pending CN115788591A (zh) | 2023-02-08 | 2023-02-08 | 一种深埋长隧道粉尘及有害气体监测与智能调控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115788591A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117169092A (zh) * | 2023-09-01 | 2023-12-05 | 深圳市宏大联合实业有限公司 | 基于小流量尘埃粒子计数器的光电传感器及其计数方法 |
| CN117868951A (zh) * | 2024-01-19 | 2024-04-12 | 济南环陶环保工程有限公司 | 一种连续除尘系统用智能控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108590765A (zh) * | 2018-03-26 | 2018-09-28 | 山东大学 | 适用于隧道与地下工程施工期的通风智能监控系统及方法 |
| CN113009073A (zh) * | 2019-12-22 | 2021-06-22 | 李新春 | 一种隧道空气质量远程实时在线监测方法 |
| CN114000907A (zh) * | 2021-12-10 | 2022-02-01 | 重庆邮电大学 | 一种基于数字孪生技术的矿井通风设备智能调控系统 |
| CN115453945A (zh) * | 2022-09-26 | 2022-12-09 | 北京科技大学 | 基于移动式环境检测装置的综掘面智能通风控制系统 |
| CN115688251A (zh) * | 2022-12-19 | 2023-02-03 | 山东大学 | 基于深度学习的地震多发区隧道风险决策方法及系统 |
-
2023
- 2023-02-08 CN CN202310076542.6A patent/CN115788591A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108590765A (zh) * | 2018-03-26 | 2018-09-28 | 山东大学 | 适用于隧道与地下工程施工期的通风智能监控系统及方法 |
| CN113009073A (zh) * | 2019-12-22 | 2021-06-22 | 李新春 | 一种隧道空气质量远程实时在线监测方法 |
| CN114000907A (zh) * | 2021-12-10 | 2022-02-01 | 重庆邮电大学 | 一种基于数字孪生技术的矿井通风设备智能调控系统 |
| CN115453945A (zh) * | 2022-09-26 | 2022-12-09 | 北京科技大学 | 基于移动式环境检测装置的综掘面智能通风控制系统 |
| CN115688251A (zh) * | 2022-12-19 | 2023-02-03 | 山东大学 | 基于深度学习的地震多发区隧道风险决策方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117169092A (zh) * | 2023-09-01 | 2023-12-05 | 深圳市宏大联合实业有限公司 | 基于小流量尘埃粒子计数器的光电传感器及其计数方法 |
| CN117868951A (zh) * | 2024-01-19 | 2024-04-12 | 济南环陶环保工程有限公司 | 一种连续除尘系统用智能控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115788591A (zh) | 一种深埋长隧道粉尘及有害气体监测与智能调控系统 | |
| CN108154265A (zh) | 一种矿井火灾逃生路径的元胞自动机优化与引导方法 | |
| CN102117528B (zh) | 基于数字化技术的动态反馈式隧道火灾智能疏散救援系统 | |
| CN109826663B (zh) | 一种矿井灾变通风分布式区域联动与智能调控系统及方法 | |
| CN114485570B (zh) | 一种用于在建隧道施工安全智慧监控量测预警系统及方法 | |
| CN111721209A (zh) | 一种基于大数据的道路隧道工程安全实时监测管理系统 | |
| CN209891262U (zh) | 一种近临既有地铁隧道基坑施工自动化监测系统 | |
| CN116843174A (zh) | 一种基于数据分析的建筑工程施工安全监管系统 | |
| CN106323384A (zh) | 一种基于光纤传感及微光监测技术的城市管廊在线监测系统 | |
| CN111737313A (zh) | 一种地下综合管廊的监控系统 | |
| CN113962837A (zh) | 一种矿山岩土工程监测评价应急反馈系统及方法 | |
| CN116384112A (zh) | 一种用于矿山灾害模拟和预警的方法及系统 | |
| CN106919129A (zh) | 一种基于城市地下综合管廊的吊轨式移动监控预警系统 | |
| CN116950708A (zh) | 一种煤矿一通三防智能管控平台 | |
| CN112177661A (zh) | 一种煤矿局部通风参数精准监测与异常预警系统及方法 | |
| CN203161298U (zh) | 基于无线传感器网络的隧道火灾智能逃离系统 | |
| CN104989455A (zh) | 一种矿井瓦斯煤火协同防控方法及装置 | |
| CN202228127U (zh) | 具有无线传输功能的煤矿井下火灾传感监测装置 | |
| CN210323826U (zh) | 新型电缆隧道环境综合监控装置 | |
| CN111894885A (zh) | 一种隧道风机智能化控制系统及控制方法 | |
| CN117763934A (zh) | 一种基于深度学习的微型管廊气体监测方法及系统 | |
| CN116591742A (zh) | 一种以人为中心的矿山井下智能通风调控系统及方法 | |
| CN107356243B (zh) | 基于光纤光栅传感的支架运行姿态在线监测方法 | |
| CN115019481A (zh) | 一种智能瓦斯浓度预警系统 | |
| CN115773473A (zh) | 一种隧道内天然气泄漏监测系统与监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230314 |
|
| RJ01 | Rejection of invention patent application after publication |