基于矿压监测动态特征的瓦斯突出预警系统设计

宁小亮, 蒲阳

宁小亮,蒲阳.基于矿压监测动态特征的瓦斯突出预警系统设计[J].工矿自动化,2015,41(3):10-13.. DOI: 10.13272/j.issn.1671-251x.2015.03.003
引用本文: 宁小亮,蒲阳.基于矿压监测动态特征的瓦斯突出预警系统设计[J].工矿自动化,2015,41(3):10-13.. DOI: 10.13272/j.issn.1671-251x.2015.03.003
NING Xiaoliang, PU Yang. Design of early-warning system of gas outburst based on dynamic characteristics of pressure monitoring[J]. Journal of Mine Automation, 2015, 41(3): 10-13. DOI: 10.13272/j.issn.1671-251x.2015.03.003
Citation: NING Xiaoliang, PU Yang. Design of early-warning system of gas outburst based on dynamic characteristics of pressure monitoring[J]. Journal of Mine Automation, 2015, 41(3): 10-13. DOI: 10.13272/j.issn.1671-251x.2015.03.003

基于矿压监测动态特征的瓦斯突出预警系统设计

基金项目: 

“十二五”国家科技支撑计划项目(2012BAK04B01)

中国煤炭科工集团有限公司科技创新基金项目(2013ZD002)

中煤科工集团重庆研究院有限公司自立科研开发项目(2012ZDXM10)

详细信息
  • 中图分类号: TD713.2

Design of early-warning system of gas outburst based on dynamic characteristics of pressure monitoring

  • 摘要: 根据采煤工作面突出灾害发生规律与动态安全信息采集技术,设计了采煤工作面基于矿压监测动态特征的瓦斯突出预警系统。该系统能够自动获取海量矿压监测实时数据,实现了采煤工作面煤与瓦斯突出危险性的智能分析与实时预警,同时还具备日常矿压数据资料高效管理功能。系统在现场试验中取得了较好的应用效果。
    Abstract: According to occurrence of coal and gas outburst and technology of related dynamic safety information collection on coal face, the paper designed an early-warning system of gas outburst on coal face based on dynamic characteristics of pressure monitoring. The system can dynamically extract real-time data from massive pressure monitoring data, and finally realizes intelligent analysis and real-time early-warning of coal and gas outburst on coal face, and it also has efficient data management capabilities. The system has achieved good effects in the field test.
  • 期刊类型引用(6)

    1. 张贝贝,罗松飞. 基于STFT改进图像增强算法的模糊指纹痕迹检验技术. 山东理工大学学报(自然科学版). 2025(04): 41-46 . 百度学术
    2. 王泰基. 基于ITLBO-AFSA优化FCM算法的矿井图像增强. 工矿自动化. 2024(S1): 25-28 . 本站查看
    3. 孙继平,李小伟. 基于图像内凹度的矿井外因火灾识别及抗干扰方法. 煤炭学报. 2024(07): 3253-3264 . 百度学术
    4. 曹成名,李浩东,王腾飞. 声音增强技术在煤矿采空区勘探中的应用. 电声技术. 2024(08): 17-19 . 百度学术
    5. 张海庆. 不同天气条件下光学图像清晰度实时增强研究. 自动化与仪器仪表. 2024(11): 39-42+47 . 百度学术
    6. 丁文博,云龙. 基于RetinaNet深度网络的煤矿带式输送机异物智能识别方法. 中国煤炭. 2024(S1): 75-81 . 百度学术

    其他类型引用(0)

计量
  • 文章访问数:  89
  • HTML全文浏览量:  7
  • PDF下载量:  10
  • 被引次数: 6
出版历程
  • 刊出日期:  2015-03-09

目录

    /

    返回文章
    返回