煤矿井下机电设备较多,电磁环境复杂,且大型电机启动瞬间会产生短暂却极为强烈的电磁脉冲干扰,强烈的脉冲干扰会窜入到瓦斯监控系统中造成“大数”干扰,引起监控系统的误报警,对煤矿的安全生产造成严重影响。由于“大数”干扰信号与瓦斯传感器的传输信号都是极低频信号,导致传统的滤波方法会在滤除干扰信号的同时把正常的报警信号也一并滤除。针对这一问题,本研究提出了一种基于人工免疫算法的干扰识别滤波模型。通过模拟实验测取“大数”干扰信号和正常瓦斯浓度变化信号的数据,从中提取了两种不同信号的特征值,并利用免疫聚类学习的方法,将两种信号的特征值标记在空间特征区域上。找到干扰信号和正常信号的特征值聚类中心,形成干扰检测器。使用阴性选择算法检测实时采集到的信号属于哪种信号。若通过识别模型后判定为正常信号则直接输出该信号,对通过识别模型后被判断为混入了干扰的信号使用平滑处理方法对干扰区间进行滤波后再输出该信号。为了验证本研究所提出模型的有效性,使用了一组在模拟实验中实时采集到的信号对该模型的干扰信号识别及滤波效果进行了仿真研究。仿真结果表明该模型能有效地区分出信号是干扰信号还是正常信号;并且能够有效地将识别出来的干扰信号滤除。为了对比,将该组信号分别用巴特沃斯低通滤波器滤波和滑动平均法滤波,并将仿真结果与本研究所提出方法的滤波结果进行对比分析;结果表明本文方法对瓦斯监控系统中的“大数”干扰信号有更好的滤除效果,能较为有效地解决煤矿瓦斯监控系统中因电机启动时产生的“大数”干扰检测和滤波问题。