摘要
随着我国能源需求的不断增加，煤层气（CoalbedMethane，CBM）作为储量丰
富的一种绿色、可再生的清洁能源资源，其开发和利用变得尤为重要。然而，由于
煤层气分布广泛，其储存和长距离运输过程环境复杂多变，极易出现泄漏、火灾、
爆炸等问题，存在较大安全风险。因此，在煤层气储运过程中监测关键环境信息、
安全状态信息、物流信息参数至关重要。针对传统监测系统存在的功耗较高、设备
体积大、关键信息获取准确度低等缺点，本文设计了一种煤层气储运全程多参数动
态监测系统，具体研究工作如下：
（1）以广泛应用的液态储运（LiquefiedNaturalGas，LNG）槽车运输为例，对
煤层气储运过程中储运设备及储运环境、安全、物流影响因素进行分析，结合煤层
气储运监测具体需求，提出煤层气储运全程多参数动态监测系统的总体方案设计。
2
该系统以STM32F407VGT6作为主控芯片，通过多个IC接口与温湿度、振动加速
度、甲烷浓度传感器连接采集煤层气储运过程中的环境安全信息，对采集的信息在
本地简要进行分析处理后，通过红外无线通信模块直接传至上位机进一步分析。同
时当采集的信息数据超出设定的安全阈值或出现异常时，系统进行声光报警；此外，
为了使煤层气储运监测系统能够有效降低功耗、减小设备体积、实时动态读取数据
信息，对系统进行低功耗、微型化、二维码显示、红外无线通信等设计，保障煤层
气储运的安全性、稳定性与可靠性。
（2）为了从监测系统采集的振动加速度非平稳信号中更精准、高效地提取关键
特征信息，实现储运过程安全诊断，提出了一种基于北方苍鹰优化算法（Northern
GoshawkOptimization，NGO）优化变分模式分解（VariationalModeDecomposition，
VMD）和卷积神经网络（ConvolutionalNeuralNetworks，CNN）、长短期记忆网络
（LongShort-termMemoryNetworks，LSTM）的非平稳信号冲击识别方法。首先，
利用NGO优化VMD分解多个本征模态函数（IntrinsicModeFunctions，IMF），依
据线性相关性方法重构信号；然后，计算移动均方根特征、移动峭度特征和上包络
特征，进而构建特征矩阵；最后，选择最优的超参数构建CNN-LSTM模型，对该模
型进行训练。通过对合成非平稳信号冲击特征识别进行测试，结果表明本文所提出
的NGO-VMD-CNN-LSTM方法可以更准确地对非平稳信号的冲击特征分类识别，识
I
别准确率达到98.22%。
（3）在实际仓库和道路环境下对监测系统进行测试，验证了其可靠性和准确性。
测试结果表明，温度平均测量误差为0.09℃，湿度平均测量误差为0.43%，监测系统
在设计要求范围内可以较为准确的获得温湿度可靠数据；所提
NGO-VMD-CNN-LSTM方法在实际采集非平稳信号冲击特征识别中具有优越性，识
别精度高达99.94%，具有良好的识别性能。
关键词：煤层气；储运全程多参数动态监测系统；非平稳信号；冲击识别
II
ABSTRACT
WiththeincreasingenergydemandinChina,thedevelopmentandutilizationof
coalbedmethane(CBM),whichisagreenandrenewablecleanenergyresourceabundant
inreserves,hasbecomeparticularlyimportant.However,duetothewidedistributionof
CBM,itsstorageandlong-distancetransportprocessenvironmentiscomplex