基于LIF技术的煤矿水源识别系统应用

本文主要叙述LIF(激光诱导荧光光谱分析)技术的基本原理以及在水源识别中的应用,重点分析LIF技术的系统构成和主要模块的选择设计。通过该系统对某矿的送检水样和标准水样进行荧光实验,得到水样的荧光光谱图。传统的水源识别主要依据水中代表离子的离子浓度进行分析,但是从荧光光谱分析水中代表离子的离子浓度难度较大。本文提出一种较为简单且实用的方法由荧光光谱进行水源的精确识别,即使用相应分析软件分别测量未知水样与标准水样的欧氏距离,得出未知水样的精确分类。对未知水样的水源识别验证了该系统的可行性,解决了当前煤矿无法对突水情况进行实时在线监测的难题,对于煤矿的安全生产具有重要意义。     

极性相关与LMS算法的流速测量系统研究

为了解决恶劣环境中噪声等因素对流速测量系统的影响,提出了两种抗噪算法。首先概述了流体流速测量的基本原理,分析了极性相关算法的结构、电路实现、以及峰点位置确定,然后介绍了最小均方算法(LMS)在流速测量中的应用,并对两种算法进行了实验仿真。根据两者的蒙特卡洛法仿真实验可以看出,在无噪及-20d BW噪声条件下,两种算法皆可进行精确的流速测量,且峰点位置清晰。但在噪声功率增强达到-15d BW时,两者的实验仿真出现较大偏差。基于LMS算法仿真得出的测量速度依旧能良好的反应蒙特卡洛法设定速度,但是基于极性算法仿真得出的测量速度已经不能良好的反应蒙特卡洛法设定速度。在噪声功率达到-10d BW时,基于LMS算法仿真得出的数据依旧良好,此时基于极性算法仿真得出的数据已经完全失真。实验结果表明,在有噪环境中时,极性相关算法的测量精确度降低,而LMS算法因为能根据外界因素自动调节自身参数,仍然可以进行精确的流速测量。