瓦斯爆炸是我国煤矿行业里灾害的重大因素之一，给国家与人民的生命财产带来了极大的危害。瓦斯检测已经成为煤矿安全生产系统中必不可少的环节。因此，瓦斯浓度的动态监测及检测系统的智能化就成为重要的研究内容。　　在瓦斯浓度监测上，催化燃烧式检测器由于灵敏度高、体积小等优点，有着较广的应用范围。但其易受环境温度干扰、线性度较差、动态特性差、存在“零漂”等问题，这些对传感器的测量精度有一定的影响。由于BP神经网络具有良好的非线性逼近能力，在校正传感器的非线性方面具有一定的应用前景;并且针对传感器的动态特性，将模糊理论与神经网络技术相结合，对传感器的动态特性进行补偿，可以做到实时监测。　　本论文的基本出发点就是针对催化燃烧式检测器，利用相关智能技术，进行系统设计，实现了提高检测系统的动态响应速度等，本文主要研究的内容有如下几个方面:　　通过对瓦斯检测原理的研究，分析并比较了几种常用的瓦斯浓度检测方法，最终选择催化燃烧式传感器作为检测系统的检测单元。　　应用BP神经网络对检测器的非线性特性完成校正，并在BP算法上做出了研究与设计。根据网络模型的拟合标准设计了改进型BP神经网络，并给出算法的步骤及BP神经网络流程图。最后从校正效果上验证，该方法达到了预期要求。　　为减小检测器测量的误差、改善检测系统的动态响应特性，针对催化燃烧式检测器的动态特性差，分析了动态性能补偿的基本原理。在设计过程中，将模糊RBF神经网络作为传感系统的动态特性补偿方法。结果说明，针对瓦斯检测系统，该方法在一定程度上可以提高检测精确度和灵敏度。　　针对催化燃烧式检测器的“零漂”现象，利用硬件电路进行“零漂”的智能校正，并对自动校准技术进行了研究，设计并实现一种软硬件相结合、具备自动调零功能的智能化瓦斯检测系统。