煤矿井下局部通风机控制系统是关系到煤矿生产安全的重要环节,该系统的正常运行能够保障掘进工作面的良好通风,为井下作业人员提供安全的生产环境。本课题的研究对象火铺煤矿是一个高瓦斯矿井,瓦斯涌出量较大且无规律,需风量计算系统复杂,无法进行实时推算和预测;局部通风机调速算法较为落后,无法实现有效的风机调速;风机控制系统缺乏应急电源装置,存在较大的安全隐患。因此本课题针对上述问题对局部通风机控制系统进行研究与设计。一般的局部通风机系统需风量计算都是采用公式定期进行推算,在高瓦斯矿井中瓦斯浓度变化较快,无法实现需风量的准确计算。因此本文根据瓦斯、煤尘、温度、湿度等参数,采用了基于遗传算法优化的Elman神经网络预测方法,实现了对需风量的实时预测,为通风机调速提供数据支持。局部通风机系统是一个非线性的复杂系统,采用常规方法难以实现良好的调速。本文采用神经网络作为辨识部件的T-S模糊控制策略,根据预测出的需风量,实现对通风机的调节,具有较好的调速效果。局部通风机控制系统缺乏有效的应急电源设备,在高瓦斯环境下容易出现失电导致无法解决瓦斯积聚的问题。因此为控制器设计了冗余供电系统,增设了UPS应急电源,并且采用Elman神经网络对使用的蓄电池剩余容量进行预测;设计了电池管理系统实现对UPS的蓄电池参数管理,保障供电的可靠性。最后设计了局部通风机智能控制系统,实现了系统硬件结构的设计。采用LabVIEW软件设计了上位机监控系统,实现对局部通风机控制系统和冗余供电系统的状态监控。