在煤矿生产信息的监测与采集中，传感器间的性能及其工作环境难免存在差异性，这些无法避免的差异性致使在同一地点工作的多个传感器对同一生产信息的测量数据间存在较大差异性，从而导致数据监测中心收集到的监测数据很难反映真实的生产信息，直接影响着煤矿生产管理的正常运行秩序和生产系统的生命财产安全。相较传统的消耗重资购置高性能信息监测设备以提高信息数据准确性的硬件性能提升法，提出了基于分数阶微分滤波算法的煤矿生产信息监测数据的多传感器监测数据软件融合处理法。探讨了分数阶微分算子在信号处理中的应用特性，建立了基

将多传感器融合技术应用到煤矿安全监测中,结合煤矿井下的实际环境,提出了一种分级的多传感器数据融合模型,在数据级融合中采用Bayes估计,并通过设定软硬阈值避免传感数据的冗余;基于模糊集系统理论,决策级融合中将数据级融合结果模糊化,结合专家知识库,经过全局融合的合成运算和决策规则,得到煤矿监测环境安全状况的精确估计;该模型即保证了监测结果的准确性,又兼顾了系统的负荷。

在煤矿生产信息的检测与采集中，传感器间的性能及其工作环境难免存在差异性，这些无法避免的差异性致使在同一地点工作的多个传感器对同一生产信息的测量数据间存在较大差异性，从而导致数据检测中心收集到的检测数据很难反映真实的生产信息，直接影响这煤矿生产管理的正常运行秩序和生产系统的生命财产安全。相较传统的消耗重资购置高性能信息检测设备以提高信息数据的准确性的硬件性能提升法，本文提出了基于分数阶微分滤波算法的煤矿生产信息监测数据的多传感器检测数据软件融合处理法。探讨了分数阶微分算子在信号处理中的应用特性，建

采用分批估计理论和BP神经网络对井下多传感器信息进行两级融合的瓦斯监测系统设计方案能够大大提高数据测量的准确性、可靠性,并能实时、客观地给出矿井安全状况综合评价。利用多个煤矿的井下环境实测数据进行仿真实验,结果表明该方法是可行的。