一种采煤工作面防火预警监测系统及防火方法与流程

1.一种采煤工作面防火预警监测系统，其特征在于：包括数据获取模块、数据处理模块、特征提取和分析模块，安全阈值调整模块以及预警模块；

2.根据权利要求1所述的一种采煤工作面防火预警监测系统，其特征在于：在数据处理模块中，通过构建时间序列预测模型，评估数据的准确性，其中，时间序列预测模型为arima模型；

3.根据权利要求1所述的一种采煤工作面防火预警监测系统，其特征在于：特征提取和分析模块中，当数据不准确时，对复采工作面的环境数据进行特征提取，利用粉尘传感器实时监测巷道内的粉尘浓度，根据粉尘在传感器表面沉降的速率变化特征生成粉尘沉降速率异常指数，则粉尘沉降速率异常指数的获取方法为：

4.根据权利要求3所述的一种采煤工作面防火预警监测系统，其特征在于：在特征提取和分析模块中，利用振动传感器监测采煤工作面设备运行时的振动频率和幅度，根据采煤设备运行对传感器的振动频率干扰特征生成振动频率波动指数，则振动频率波动指数的获取方法为：

5.根据权利要求4所述的一种采煤工作面防火预警监测系统，其特征在于：将粉尘沉降速率异常指数和振动频率波动指数转换为第一特征向量，将第一特征向量作为机器学习模型的输入，机器学习模型以每组第一特征向量预测复采工作面对传感器的干扰程度值标签为预测目标，以最小化对所有复采工作面对传感器的干扰程度值标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止模型训练，根据模型输出结果确定复采工作面对传感器的干扰程度值，其中，机器学习模型为多项式回归模型。

6.根据权利要求5所述的一种采煤工作面防火预警监测系统，其特征在于：将瞬时功率偏移值和信号频率波动指数转换为第一特征向量，将第一特征向量作为机器学习模型的输入，机器学习模型以每组第一特征向量预测逆变器内部出现隐形故障的风险值标签为预测目标，以最小化对所有运行模式下的节能效果值标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止模型训练，根据模型输出结果确定逆变器内部出现隐形故障的风险值，其中，机器学习模型为多项式回归模型。

7.根据权利要求1所述的一种采煤工作面防火预警监测系统，其特征在于：安全阈值调整模块中，使用模糊逻辑后动态调整预警系统预先设置的安全阈值，具体为：

8.根据权利要求7所述的一种采煤工作面防火预警监测系统，其特征在于：预警模块中，根据调整后的安全阈值，对实时采集到的煤岩体的温度和气体浓度进行预警，具体为：

9.一种采煤工作面防火方法，基于权利要求1-8任一项所述的预警监测系统实现，其特征在于：所述防火方法包括以下步骤：

10.根据权利要求9所述的一种采煤工作面防火方法，其特征在于：s6中，根据各个监测区域内在固定时间段内生成的预警信号将其划分为不同等级的风险区域，并根据风险等级，采取相应的防火措施，具体为：