矿井安全生产的预警方法及装置制造方法及图纸

本发明专利技术公开了一种矿井安全生产的预警方法及装置，该方法包括：采集气体传感器阵列中各气体传感器输出的电阻值，其中，所述气体传感器阵列包括甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器；根据所述各气体传感器输出的电阻值，确定甲烷浓度值、一氧化碳浓度值、氢气浓度值和氧气浓度值；将所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值的配比与预设爆炸配比值进行比对，以及将所述甲烷浓度值和所述一氧化碳浓度值分别与各自对应的预设中毒浓度值进行比对，得到比对结果；根据所述比对结果，确定预警类型，并发出相应的预警。

【技术实现步骤摘要】
矿井安全生产的预警方法及装置
本专利技术涉及矿井安全检测
，更具体地，涉及一种矿井安全生产的预警方法、一种矿井安全生产的预警装置。
技术介绍
在煤炭开采过程中，煤炭安全事故时有发生。高精度实时监测矿井瓦斯，并及时分析出可能存在的潜在危险对矿井灾害预警具有相当重要的理论基础和现实意义。
技术实现思路
本专利技术的一个目的是提供一种矿井灾害预警的新技术方案。根据本专利技术的第一方面，提供了一种矿井安全生产的预警方法，其特征在于，包括：采集气体传感器阵列中各气体传感器输出的电阻值，其中，所述气体传感器阵列包括甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器；根据所述各气体传感器输出的电阻值，确定甲烷浓度值、一氧化碳浓度值、氢气浓度值和氧气浓度值；将所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值的配比与预设爆炸配比值进行比对，以及将所述甲烷浓度值和所述一氧化碳浓度值分别与各自对应的预设中毒浓度值进行比对，得到比对结果；根据所述比对结果，确定预警类型，并发出相应的预警。可选地，根据所述各气体传感器输出的电阻值，确定甲烷浓度值、一氧化碳浓度值、氢气浓度值和氧气浓度值，包括：将所述各气体传感器输出的电阻值输入至优化后的RBF神经网络模型中；利用所述优化后的RBF神经网络模型，对所述各气体传感器输出的电阻值进行处理，得到所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值。可选地，所述优化后的RBF神经网络模型的优化步骤包括：将训练样本输入至RBF神经网络模型，其中，所述训练样本是由甲烷、一氧化碳、氢气和氧气四种气体的浓度值和该四种气体经过气体传感器阵列测量得到的四个电阻值组成的样本数据；利用遗传算法，对所述RBF神经网络模型中的径向基函数的扩展常数进行优化处理；将所述RBF神经网络模型中输出的四种气体的浓度值与所述四种气体的已知浓度值的误差满足训练精度要求时对应的扩展常数，传输至所述RBF神经网络模型，得到优化后的RBF神经网络模型。可选地，根据所述比对结果，确定预警类型，并发出相应的预警，包括：在所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值的配比达到预设爆炸配比值的情况下，发出爆炸预警；在所述甲烷浓度值达到甲烷中毒浓度值或者所述一氧化碳浓度值达到一氧化碳中毒浓度值的情况下，发出中毒预警；在所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值达到预设爆炸配比值，且所述甲烷浓度值达到甲烷中毒浓度值或者所述一氧化碳浓度值达到一氧化碳浓度值的情况下，发出高级预警。可选地，在采集气体传感器阵列中各气体传感器输出的电阻值之前，所述方法还包括：对所述气体传感器阵列进行加热处理，以及检测工作温度，以使各气体传感器的工作温度达到预设温度值。可选地，在采集气体传感器阵列中各气体传感器输出的电阻值之后，所述方法还包括：对所述各气体传感器输出的电阻值进行滤波处理。根据本专利技术的第二方面，提供了一种矿井安全生产的预警装置，包括：气体传感器阵列，包括甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器；信号采集模块，用于采集气体传感器阵列中各气体传感器输出的电阻值；处理模块，用于根据所述各气体传感器输出的电阻值，确定甲烷浓度值、一氧化碳浓度值、氢气浓度值和氧气浓度值；比对模块，用于将所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值的配比与预设爆炸配比值进行比对，以及将所述甲烷浓度值和所述一氧化碳浓度值分别与各自对应的预设中毒浓度值进行比对，得到比对结果；报警模块，根据所述比对结果，确定预警类型，并发出相应的预警。可选地，所述装置还包括：加热测温模块，用于对所述气体传感器阵列进行加热处理，以及检测工作温度，以使各气体传感器的工作温度达到预设温度值。可选地，所述信号采集模块进一步用于：对所述各气体传感器输出的电阻值进行滤波处理。根据本专利技术的第三方面，提供了一种矿井安全生产的预警装置，气体传感器阵列、存储器和处理器，其中，所述气体传感器阵列包括甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器，所述存储器用于存储指令，所述指令用于控制所述处理器进行操作以执行根据第一方面任一项所述的方法。本专利技术的一个实施例的有益效果在于：通过气体传感器阵列中甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器输出的电阻值，可以确定出甲烷、一氧化碳、氢气和氧气的浓度值，实现了对矿井气体中的甲烷、一氧化碳、氢气和氧气的实时监测，同时，通过确定出的甲烷、一氧化碳、氢气和氧气的浓度值，确定发出的预警类型，通过不同类型的预警，实现了对矿井中潜在危险的准确分析和定位。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。图1是根据本专利技术一个实施例的矿井安全生产的预警方法的处理流程图。图2是根据本专利技术又一个实施例的矿井安全生产的预警方法的处理流程图。图3是RBF神经网络结构模型示意图。图4是根据本专利技术一个实施例的矿井安全生产的预警装置的结构示意图。图5是根据本专利技术又一个实施例的矿井安全生产的预警装置的结构示意图。图6是根据本专利技术一个实施例的矿井安全生产的预警装置的硬件结构示意图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。本专利技术的一个实施例提供了一种矿井安全生产的预警方法。图1是根据本专利技术一个实施例的矿井安全生产的预警方法的处理流程图。参见图1，该方法至少包括步骤S101至步骤S104。步骤S101，采集气体传感器阵列中各气体传感器输出的电阻值，其中，气体传感器阵列包括甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器。矿井瓦斯中的主要气体成分为甲烷，甲烷是瓦斯爆炸的主要来源。适量的一氧化碳和氢气的加入，也会增加瓦斯爆炸的危险性和危害性。另外，甲烷和一氧化碳均是有毒的气体，浓度过高时会导致矿井工作人员缺氧窒息，甚至死亡。本专利技术实施例中，设置甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器，可以实现对矿井气体中的甲烷、一氧化碳、氢气和氧气实时监测。本专利技术实施例中，气体传感器阵列在构建时，气体传感器选取在低温下就能做出快速优异响应的气敏器件。例如，甲烷传感器优先选取由石墨烯和金属氧化物复合而成的甲烷传感器。气体传感器阵列虽然采用了工作温度较低的气体传感器，但是，矿井的环境温度较低，达不到气体传感器阵列的工作温度。因此，本专利技术实施例中，参见图2，该方法还包本文档来自技高网...

【技术保护点】
1.一种矿井安全生产的预警方法，其特征在于，包括：采集气体传感器阵列中各气体传感器输出的电阻值，其中，所述气体传感器阵列包括甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器；根据所述各气体传感器输出的电阻值，确定甲烷浓度值、一氧化碳浓度值、氢气浓度值和氧气浓度值；将所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值的配比与预设爆炸配比值进行比对，以及将所述甲烷浓度值和所述一氧化碳浓度值分别与各自对应的预设中毒浓度值进行比对，得到比对结果；根据所述比对结果，确定预警类型，并发出相应的预警。

【技术特征摘要】
1.一种矿井安全生产的预警方法，其特征在于，包括：采集气体传感器阵列中各气体传感器输出的电阻值，其中，所述气体传感器阵列包括甲烷传感器、一氧化碳传感器、氢气传感器和氧气传感器；根据所述各气体传感器输出的电阻值，确定甲烷浓度值、一氧化碳浓度值、氢气浓度值和氧气浓度值；将所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值的配比与预设爆炸配比值进行比对，以及将所述甲烷浓度值和所述一氧化碳浓度值分别与各自对应的预设中毒浓度值进行比对，得到比对结果；根据所述比对结果，确定预警类型，并发出相应的预警。2.根据权利要求1所述的方法，其特征在于，根据所述各气体传感器输出的电阻值，确定甲烷浓度值、一氧化碳浓度值、氢气浓度值和氧气浓度值，包括：将所述各气体传感器输出的电阻值输入至优化后的RBF神经网络模型中；利用所述优化后的RBF神经网络模型，对所述各气体传感器输出的电阻值进行处理，得到所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值。3.根据权利要求2所述的方法，其特征在于，所述优化后的RBF神经网络模型的优化步骤包括：将训练样本输入至RBF神经网络模型，其中，所述训练样本是由甲烷、一氧化碳、氢气和氧气四种气体的浓度值和该四种气体经过气体传感器阵列测量得到的四个电阻值组成的样本数据；利用遗传算法，对所述RBF神经网络模型中的径向基函数的扩展常数进行优化处理；将所述RBF神经网络模型中输出的四种气体的浓度值与所述四种气体的已知浓度值的误差满足训练精度要求时对应的扩展常数，传输至所述RBF神经网络模型，得到优化后的RBF神经网络模型。4.根据权利要求1所述的方法，其特征在于，根据所述比对结果，确定预警类型，并发出相应的预警，包括：在所述甲烷浓度值、所述一氧化碳浓度值、所述氢气浓度值和所述氧气浓度值的配比达到预设爆炸配比值的情况下，发出爆炸预警；在所述甲烷浓度值达到甲烷中毒浓度值或者所述一氧化碳浓度值达到一氧化碳中毒浓度值的情况下，发出中毒...

【专利技术属性】
技术研发人员：孙延娥，
申请(专利权)人：歌尔股份有限公司，
类型：发明
国别省市：山东,37