我国由煤自燃引起的火灾事故损失重大,相关数据表明煤矿火灾的绝大多数源于煤自燃。煤产生自燃时会出现一些易于检测、有代表性、规律性的指标气体,如CO和CO2等。通过准确检测气体浓度为煤自然火灾的预报提供可靠数据,进而降低损失。本文使用可调谐二极管激光吸收光谱技术(TDLAS)实现气体的高精度、非接触式检测。首先,通过分析TDLAS煤自燃多组分检测理论,对本课题展开研究。接着,介绍了系统重要部件,对气体监测系统的总体结构进行设计,搭建实验平台,实现对CO、C02、CH4、C2H4、C2H2五种气体的浓度采集。针对CO是预报煤自燃发火程度的最关键气体,气体浓度会随环境中温度与压强的变化而改变。使用公式修正法对CO气体浓度做初步的温压补偿。然后,分别建立ELM(极限学习机)、GA(遗传算法)优化BP以及PSO(粒子群)优化BP的CO气体浓度修正模型。通过对比三种修正模型的测试精度与所用时间可得,基于PSO-BP的CO浓度修正模型稳定有效,修正效果最好、用时较短,能够应用于气体浓度监测中。最后,采用虚拟软件LabVIEW设计了基于TDLAS的CO气体浓度在线监测系统,主要包括数据采集模块、基于PSO-BP的气体浓度监测模块、数据查询模块。本文所设计的气体在线监测系统为CO浓度实时监测、日常维护和管理提供了理论参考及设计指导,且具有深远的应用价值与推广价值。