1.一种矿井粉尘浓度测量的方法，该方法设置敏感元件(1)、控制电路模块(6)和上位机(24)，该方法包括：步骤1，敏感元件(1)采用金属电极(11)，安装抽风式风机(7)，控制电路模块(6)进行包括去噪、信号放大、滤波、去除噪声的微电压信息预处理；

步骤2，对预处理后的微电信号在时域内提取有效值、短时均值、整流值均值三个特征参数，在频域内提取短时频谱、短时自相关、短时能量三个特征参数，用这些值顺序组成特征值向量，作为识别信息的输入量；

步骤3，建立基于RBF的神经网络软测量模型，包括设定神经网络隐含层神经元个数，然后在对采集的待处理样本信息进行神经网络训练识别，将误差逐渐缩小至所要求范围之内。

步骤4，将误差最小的识别结果用“0”表示，其余的识别结果用“1”表示，输出误差最小的信号即为所需的信号。

2.根据权利要求1所述的矿井粉尘浓度测量方法，其特征在于：其中所述步骤3中，对采集的待处理料样本图像进行神经网络训练识别的步骤是：

1)制定网络的拓扑结构，将网络设置为三层；

2)设定网络的参数，包括分类精度、循环次数和样本特征值向量的各个常数因子，对网络进行初始化设置；

3)计算各层网络输入矩阵的权值系数和输出，判断该网络的输出精度是否达到要求，首先判断某一样本的输出误差是否达到了预先设定的误差要求，若否，则修改权值系数后返回重新计算；若是，则继续判断全部样本的输出误差是否在要求的范围之内；若全部样本的输出误差在误差要求范围内则继续向下执行，判断循环次数是否超过设定的最大循环次数，若是，则该网络没有实现预期效果，需要修正网络的参数。

4)以修正后的网络参数对各层网络输入矩阵进行上述计算，直到对比实际输出和期望输出后,样本信息识别归为输出误差最小的一类。