Методи та програмно-апаратні засоби виявлення небезпечнихконцентрацій метану для попередження аварії на вугільних шахтах

Abstract

Кваліфікаційна робота присвячена розробці методів та засобів виявлення небезпечних концентрацій метану у вугільних шахтах з метою попередження аварій. Проведено аналіз сучасних методів і засобів виявлення метану, включаючи сенсорні технології, алгоритми обробки даних та інтеграцію з хмарними платформами. Запропоновано метод багатоступеневої обробки даних із сенсорів із використанням порогового аналізу, що забезпечує високу точність і надійність системи в умовах шахтного середовища. Реалізовано апаратну частину системи, до складу якої входять сенсор метану MQ-9, мікроконтролер Arduino Leonardo та мікрокомп’ютер Raspberry Pi 3, які забезпечують збір, обробку та передачу даних. Розроблено алгоритмічне і програмне забезпечення для моніторингу концентрації метану, визначення прогнозування небезпечних рівнів і візуалізацію даних у реальному часі через хмарну платформу ThingSpeak. Результати тестування підтвердили ефективність системи, її здатність виявляти небезпечні концентрації метану та забезпечувати оперативне оповіщення. Запропоновану систему можна впровадити у вугільних шахтах для підвищення безпеки праці та зниження ризиків аварійних ситуацій

The qualification work is devoted to the development of methods and means for detecting dangerous concentrations of methane in coal mines in order to prevent accidents. An analysis of modern methods and means of methane detection, including sensor technologies, data processing algorithms and integration with cloud platforms, was carried out. A method of multi-stage processing of sensor data using threshold analysis is proposed, which ensures high accuracy and reliability of the system in the mine environment. The hardware of the system, which includes the MQ-9 methane sensor, the Arduino Leonardo microcontroller, and the Raspberry Pi 3 microcomputer, has been implemented, which provide data collection, processing, and transmission. Algorithmic and software was developed to monitor methane concentration, determine the prediction of dangerous levels, and visualize data in real time via the ThingSpeak cloud platform. The test results confirmed the effectiveness of the system, its ability to detect dangerous methane concentrations and provide prompt alerts. The proposed system can be implemented in coal mines to improve occupational safety and reduce the risk of accidents