Inteligentny model wskaźnika zagrożenia pożarowego w kopalni węgla / Bogumiła Mrozek, Dariusz Felka // Pomiary Automatyka Robotyka : PAR [Dokument elektroniczny]. – 2012, R. 16, Nr 2, s. 540-545 ... więcej

Inteligentny model wskaźnika zagrożenia pożarowego w kopalni węgla / Bogumiła Mrozek, Dariusz Felka // Pomiary Automatyka Robotyka : PAR [Dokument elektroniczny]. – 2012, R. 16, Nr 2, s. 540-545 : rys., tab., wykr. – Tryb dostępu: http://www.par.pl/Archiwum/2012/2-2012/Inteligentny-model-wskaznika-zagrozenia-pozarowego-w-kopalni-wegla. – Bibliogr. 9 poz., Streszcz., Abstr. – Tyt. streszcz.: Intelligent fire hazards indicator model in coal mine. – Mat. konf.: Konferencja naukowo-techniczna Automation 2012, Warszawa, Polska, 21-23.03.2012. – ISSN 1427-9126

Istotny wpływ na wykrywanie zagrożenia pożarowego przenośników taśmowych w kopalniach węgla mają wartości takich parametrów, jak: stężenie tlenku węgla (CO) i cyjanowodoru (HCN) oraz wartości ... więcej

Istotny wpływ na wykrywanie zagrożenia pożarowego przenośników taśmowych w kopalniach węgla mają wartości takich parametrów, jak: stężenie tlenku węgla (CO) i cyjanowodoru (HCN) oraz wartości sygnałów z czujników dymu. Wielkości te są uwzględniane podczas wyznaczania wartości wskaźnika zagrożenia pożarowego. Zbudowano rozmyty model wskaźnika zagrożenia pożarowego w oparciu o laboratoryjne dane pomiarowe wymienionych wielkości. Model rozmyty wygenerowano z danych numerycznych przy zastosowaniu czterech algorytmów rozmytej klasteryzacji, które zaimplementowano w kodzie środowiska MATLAB. Uzyskane wyniki pokazano w tabelach i na wykresach. Do budowy i wizualizacji projektowanego modelu rozmytego wykorzystano funkcje oraz interfejsy Fuzzy Logic Toolbox.

Significant influence on detecting the fire hazard of belt conveyor in the coal mine have values such parameters as concentration of carbon monoxide (CO), concentration of hydrogen cyanide (HCN) and signals ... więcej

Significant influence on detecting the fire hazard of belt conveyor in the coal mine have values such parameters as concentration of carbon monoxide (CO), concentration of hydrogen cyanide (HCN) and signals from smoke detectors. Those values are used to set the fire risk index. Fuzzy model of the fire risk index was built based on laboratory data measurements. Fuzzy model was generated from the above numerical data using four algorithms of fuzzy clustering, implemented in the MATLAB code. The results are shown in tables and graphs. MATLAB and Fuzzy Logic Toolbox library (functions and interfaces) were used to design and visualize the proposed fuzzy model.