论文部分内容阅读
矿井火灾和瓦斯爆炸一直威胁着我国煤矿产业的安全生产和矿井下工作人员的生命安全,所以对矿井中的气体浓度进行准确、快速的检测具有很大的现实意义。红外光谱技术相对于其他方法具有检测速度快、操作简便、能够实现在线多组份检测等优点,但其缺点是检测精度较低。该缺点可以通过算法予以弥补。本文利用红外光谱法对矿井中的瓦斯气体和有害气体的浓度进行了检测,并通过建立两种红外光谱定量分析模型,最终实现了对矿井气体浓度准确、快速的检测。论文的主要研究内容和结论如下:(1)搭建了矿井气体采集系统,设计并优化了气体采集方案。并针对矿井中常见的五种气体,包括甲烷、乙烷、丙烷、正丁烷和二氧化碳五种气体,采集得到了126组单组份气体和110组混合气体组份。(2)将采集得到的236组气体光谱数据分为186组校正集和50组验证集,利用KPLS算法建立气体浓度的定量分析模型。选择的光谱分析区域为1 1(2200~2400)cm(2800~3200)cm--?,通过分析比较得出最优化的预处理方案。并通过优化KPLS中的参数,建立最优的基于KPLS法的矿井气体浓度定量分析模型。最后,对验证集的样本进行了验证,实验定量分析的结果为:每种气体的最大相对误差不超过8%,平均相对误差不超过3%,50组混合气体样本的最大误差为3.26%,50组气体样本的平均误差为1.25%。实验结果表明:KPLS法能够实现矿井气体浓度的准确检测,但检测结果偏差略大且不稳定。(3)对SVM回归进行了改进,建立基于改进SVM法的矿井气体浓度定量分析模型。利用PCA对光谱数据降维,并通过GA和PSO分别对SVM模型中的参数进行了优化,并对优化结果进行了比较。最后,建立了最优的基于改进SVM的矿井气体浓度定量分析模型。利用对验证集的样本进行了验证,实验结果为:每种气体的最大相对误差不超过5%,平均相对误差不超过2%,50组混合气体样本的最大相对误差为2.19%,50组气体样本的平均误差为0.68%。实验结果表明:改进SVM算法对矿井气体检测效果要优于普通SVM算法和KPLS算法,浓度预测结果更为准确和稳定。