煤矿井下的通风安全是保证井下安全作业的重要条件之一,良好的通风环境能够为井下工作人员提供安全保障。煤矿井下最容易发生安全事故的地点是掘进工作面,掘进工作面的局部通风设备主要包括局部通风机和风窗,而局部通风机基本没有实现变频,因此需经常调节风窗开度控制风量。现有煤矿井下调节风窗仍采用手动调节的方式,这种调节方式无法实现实时调节,且难以保证调节精度,存在安全隐患。因此实现风窗自动化,如何将对风窗开度的控制与掘进面有害气体浓度联系起来具有十分重要的意义。文章主要研究掘进工作面的风窗,通过研究传统风窗控制的结构和控制方法,设计了风窗结构,研究了控制过程,得出风窗控制过程具有滞后性、非线性等特点。对影响掘进面瓦斯浓度的因素进行分析,在局部通风机的转速不变的情况下,对瓦斯浓度影响最大的因素是风窗开度,因此将风窗开度作为控制量,对掘进面的瓦斯浓度进行预测控制。研究了支持向量机分类原理和回归原理,分析支持向量机在瓦斯浓度预测方面的优势,研究了粒子群优化算法,利用粒子群对SVM和BP神经网络进行参数寻优,分别采用SVM、PSO-SVM和PSO-BP建立瓦斯浓度预测模型,并采用MATLAB仿真分析预测结果,选出拟合度最高的瓦斯浓度预测模型作为自动风窗预测控制系统中的预测模型。对风窗控制系统建立PSO-SVM预测模型,并将模型线性化与广义预测控制结合,利用MATLAB建立仿真模型,分别在有干扰发生时和无干扰发生时对风窗控制系统进行仿真,仿真结果表明系统能够平稳的跟踪给定信号,验证了将PSO-SVM建立的预测模型应用于广义预测控制,在风窗控制过程瓦斯浓度的控制是有效的,有着良好的控制性能。