基于E-鼻技术的煤炭自燃气体气味预测方法的研究

科学领域:

• 采矿工程 采矿工程 采矿工程
• 分析化学 分析化学
• 传感器技术 传感器技术

背景情况:

• 煤炭自燃 (CSC) 在采矿中构成重大安全风险.
• 早期发现CSC对于预防灾难性事件至关重要.
• 传统的监测方法在检测早期燃烧时存在局限性.

研究的目的:

• 开发和验证一个电子鼻子系统,用于预测煤炭自发燃烧 (CSC).
• 分析与不同CSC阶段相关的气味特征.
• 评估机器学习模型在CSC阶段预测中的有效性.

主要方法:

• 构建一个可编程温度煤炭电子鼻子测试设备 (PTC E-nose).
• 检测在模拟燃烧 (30-200°C) 期间由煤排放的挥发性化合物.
• 主要组件分析 (PCA) 和机器学习模型 (例如PCA-SVM) 的应用,用于气味分析和阶段分类.

主要成果:

• 乙甲基被确定为早期CSC阶段的关键挥发性化合物 (特征重要性0.38).
• 乙甲传感器响应与煤炭温度有很强的相关性 (R2=0.97).
• PCA有效地区分了CSC阶段,解释了92.45%的差异;PCA-SVM实现了>95%的准确性.

结论:

• 电子鼻子技术为监测和早期预警CSC提供了有效的方法.
• 气味分析,特别是乙甲检测,是CSC预测的可靠指标.
• 开发的系统适用于高风险的采矿环境,如区和断裂.