本文在气味传感器性能及其影响因素的实验基础之上,结合人工神经网络分析方法,研究了气味检测法用于煤矿火灾预测预报的技术和方法,并成功地识别了煤、坑木、橡胶和机油等不同物质火灾的气味以及由他们构成的混合物的比例。文中介绍了气味传感器的种类、性能及其工作原理,介绍了气味识别技术在各行业领域的应用及国内外发展概况。通过各煤种煤样在程序升温条件下气体产物特性的研究,分析了各煤种自燃发火预测预报的标志气体及其指标,这些标志气体包括:CO、烯烃类、烯烷比、炔烃类、链烷比等。并指出了他们的应用范围和优缺点。通过气味检测实验装置,研究了湿度、温度等因素对气味传感器的影响规律,得出了湿度影响的线性规律和温度影响的非线性规律。研究了气味传感器对火灾气体单一组分的敏感特性,并对气味传感器对气味物质的吸附类型以及吸附回线的特性进行了分析。通过大量的对比实验,确定了煤等可燃物气味检测实验条件,包括粒度、升温曲线、水分预处理方式等。通过对不同变质程度煤升温氧化过程中气味的监测分析,研究了气味特性曲线与煤变质程度的关联特性,对气味分析和气体分析结果进行了对比研究,得出了气味传感器能够捕捉煤氧化初期气味释放的微弱变化,并且比CO 的预报温度提前了20-30℃。研究了基于人工神经网络分析的气味检测法对煤、坑木、橡胶和机油单一物质及其混合物火灾气味的辨识方法,并得到了正确的识别结果,但只有在温度高于100℃后,才能得到可信的结果。