在煤自然氧化过程中不同阶段会产生不同浓度的成分气体,据此设计并实现了多传感器测量系统,选用红外二氧化碳传感器、电化学式一氧化碳传感器、原电池式氧气传感器、红外瓦斯传感器和数字式温湿度传感器作为测量元器件。根据行业标准设计了各传感器的测量电路,保证传感器数据的可靠性;系统采取模块化设计思路,方便后期的升级和扩展;测试结果表明系统满足煤炭相关行业标准要求。该系统对于定量研究煤的自燃,以及煤自燃的预测都有一定的实践价值。

煤矿自燃火灾探测过程中,由于单一的探测方法存在很大的局限性,煤炭自燃火灾探测易出现漏报或误报的情况。针对这一现状,结合多种探测方法,利用其互补性,通过分析多传感器信息融合技术的原理、融合级别和具体融合方法,提出了基于小波神经网络的多传感器信息融合技术应用于煤炭自燃火灾的监测,建立一个煤炭自燃监测的综合评判系统,有效提高煤炭自燃火灾监测的准确性。

传统煤自燃火灾探测方法易出现误报与漏报的问题,不利于准确探测煤矿自燃火灾。针对实践中问题,综合利用探测方法之间的互补性,在多传感器、小波及神经网络理论的基础上,提出多传感器小波神经网络应用于煤自燃检测中的具体方法,以期为我国煤自燃检测做出理论贡献。