论文针对我国煤矿井下局部通风机长期恒速运转,“一风吹”比较严重的现象,将数据融合理论应用到瓦斯智能排放系统中,设计了一种基于数据融合理论的瓦斯智能排放系统,节约了电能,有效地预防了瓦斯事故的发生。传统的数据融合方法一般分为两大类:基于时间和基于空间的多传感器数据融合方法。这些方法都有效地提高了测量精度,但由于割裂了数据融合的时间性和空间性,所以这些方法都具有一定的局限性。论文利用时空融合估计算法,先将每个传感器在不同时刻的观测值与该时刻之前的测量初值进行融合,得出该传感器在不同时刻的融合估计值,然后将各个传感器同时刻的估计值进行空间融合,提高了测量精度。传统的瓦斯排放系统主要考虑的是瓦斯浓度,本文将数据融合理论应用到瓦斯排放系统中,除了考虑瓦斯浓度,还考虑了CO、温度和粉尘对人的影响,更加全面地考虑了煤矿井下的环境。论文首先对传感器进行基于算术平均递推估计的时间融合,然后对传感器进行基于自适应加权数据融合算法的空间融合,提高了测量精度。然后利用BP神经网络,以瓦斯,CO,温度,粉尘等传感器的数据为输入,以风速为输出,结合Matlab仿真技术,成功地完成了对煤矿井下通风风速的预测。论文对风速模糊控制器进行了设计,控制器以掘进巷道风速的偏差和偏差变化率作为输入,控制变频器的输入电压为其输出。论文将数据融合和模糊控制思想应用到瓦斯智能排放系统中,在一定程度上提高了采煤工作面瓦斯智能排放系统的可靠性,有效地提高了系统的智能化水平和安全性指标。