劉海波，王福忠，董玉杰

(河南理工大學電氣工程與自動化學院，河南 焦作 454000)

0 引言

瓦斯是煤礦井下的重大危險源之一。它不僅嚴重破壞煤礦的正常建設(shè)和生產(chǎn),造成巨大的經(jīng)濟損失,而且還時刻威脅礦工的生命安全[1]。煤礦井下情況復雜、工作環(huán)境惡劣，由于受到各種干擾因素的影響，傳感器測量的準確性和工作的穩(wěn)定性大幅降低。瓦斯監(jiān)測預(yù)警系統(tǒng)不但要求能夠監(jiān)測多傳感器的采集信息，而且對實時性和準確性的要求較高[2-3]。

多傳感器數(shù)據(jù)融合技術(shù)是通過對多源同構(gòu)或異構(gòu)傳感器數(shù)據(jù)進行集成或融合，獲得比單一傳感器更多的信息，形成比單一信源更可靠、更完全的融合數(shù)據(jù)。本文通過分析模糊數(shù)據(jù)融合理論，采集多種傳感器的監(jiān)測數(shù)據(jù)，結(jié)合模糊集理論作出綜合評判?；谔卣魈崛∪诤系慕Y(jié)構(gòu)，提出了基于多傳感器模糊信息融合的瓦斯突出預(yù)測方法。該方法提高了煤礦井下瓦斯突出預(yù)警系統(tǒng)的可靠性。

1 多傳感器信息的模糊綜合評判

模糊綜合評價法是利用模糊集理論進行評價的一種方法。它根據(jù)模糊數(shù)學的隸屬度理論，將定性評價轉(zhuǎn)換為定量評價，具有系統(tǒng)性強和結(jié)果準確的特點，適用于處理模糊難以量化的問題，所以可以用于對煤礦井下瓦斯突出預(yù)測系統(tǒng)中的多傳感器信息進行綜合評判[5]。模糊集合理論的核心是使集合中的隸屬關(guān)系更加靈活，從而使隸屬度能夠擴大到[0,1]區(qū)間的任意數(shù)值，所以它適用于描述和處理傳感器監(jiān)測信息模糊非確定性的情況[6]。

R={rij}m×n

(1)

式中：rij為vi對uj的隸屬程度，即由V中單個因素i判斷出U中j狀態(tài)的可能程度。

瓦斯狀態(tài)程度B利用模糊變換獲得。模糊向量A與模糊關(guān)系矩陣R進行合成運算。利用廣義模糊運算進行兩者的合成，即相加時，選取兩元素中較大者；相乘時，選取兩元素中較小者。利用模糊變換進行模糊綜合評判：

(b1,b2,…,bn)

(2)

2 模糊數(shù)據(jù)融合算法

2.1 多傳感器數(shù)據(jù)融合結(jié)構(gòu)

煤礦井下瓦斯突出預(yù)測信息的融合對象是每個傳感器的局部評判結(jié)果，它屬于決策級融合。傳感器在完成變換后可以得到獨立的屬性評判，進而將每個傳感器的屬性評判順序融合。融合中心的全局評判過程是在每個傳感器獨立評判的基礎(chǔ)上進行的[8]。基于模糊綜合評判的數(shù)據(jù)融合系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 多傳感器模糊數(shù)據(jù)融合結(jié)構(gòu)圖Fig.1 Structure of multi-sensor fuzzy data fusion

由圖1可知，系統(tǒng)中的每個傳感器首先根據(jù)采集結(jié)果實現(xiàn)特征提取，進行局部判決；然后把結(jié)果發(fā)送到融合中心；最后由融合中心依據(jù)每個傳感器的局部判決，完成瓦斯突出預(yù)警系統(tǒng)的全局判決。

2.2 數(shù)據(jù)融合系統(tǒng)的算法

(3)

各傳感器在信息融合系統(tǒng)中的作用程度互不相同，因此對各傳感器賦以不同的權(quán)重A。它是V上的模糊子集，即A=(a1,a2,…,am)，其中，ai=μ(vi)，i=1,2,…,m，同時滿足：

(4)

在進行權(quán)重向量A與決策矩陣R的合成運算中，其合成結(jié)果記為B′，它是評語集上的模糊子集。

(b1,b2,…,bn)

(5)

局部評判后進行全局判決，以合成運算結(jié)果B′作為輸入。最終的全局判決由重心法、最大隸屬度法等進行確定。文中選用最大隸屬度的方法，即：

A∈F(U)i=1,2,…,nu∈U

(6)

若存在i0使得Ai0=max{A1,A2,…,An}，則判定u屬于Ai0。

3 試驗結(jié)果與分析

為了對井下采區(qū)和掘進工作面的安全狀況作出綜合評價，實現(xiàn)瓦斯災(zāi)害的有效預(yù)警，需要實時地檢測采區(qū)和掘進工作面的溫度、瓦斯?jié)舛取L速和CO濃度等現(xiàn)場參數(shù)，這就需要大量的傳感器，同時必須對礦井的多傳感器進行相應(yīng)的配置[11-12]。按照我國《煤礦安全監(jiān)控系統(tǒng)及檢測儀器使用管理規(guī)范》的相關(guān)規(guī)定，典型高瓦斯礦井的回采工作面?zhèn)鞲衅髟O(shè)置如圖2所示。

圖2 工作面?zhèn)鞲衅髟O(shè)置示意圖Fig.2 Sensor configuration on the mining face

U形通風方式在上隅角設(shè)置瓦斯檢測報警儀(B)，采掘工作面和工作面回風巷設(shè)置有瓦斯?jié)舛葌鞲衅?T1、T2)，同時還設(shè)置有溫度傳感器(t)、CO濃度傳感器(CO)和風速傳感器(v)檢測的相應(yīng)參量(在實際工程應(yīng)用中，上述傳感器的監(jiān)測數(shù)據(jù)也可以是多個傳感器的集合)。

本文以山西省某煤礦為例，采用井下采區(qū)和掘進工作面的溫度、瓦斯?jié)舛?、風速三種現(xiàn)場參數(shù)作為樣本源。通過整理統(tǒng)計煤礦的溫度、風速和瓦斯?jié)舛热齻€傳感器的歷史數(shù)據(jù)，進行試驗分析。根據(jù)我國的煤礦安全規(guī)程和特征參數(shù)的取值范圍，可以將礦井的瓦斯狀態(tài)劃分為三種等級，即安全、比較危險和很危險。V={v1,v2,v3}={溫度傳感器，風速傳感器，瓦斯?jié)舛葌鞲衅鱹，U={u1,u2,u3}= {安全，比較危險，很危險}，權(quán)值分配依據(jù)經(jīng)驗進行選?。篈=(a1，a2，a3)=(0.106，0.260，0.634)。依據(jù)山西省某煤礦的調(diào)研數(shù)據(jù)，選出具有代表性的某一掘進工作面不同時間的三組數(shù)據(jù)進行試驗分析，樣本數(shù)據(jù)如表1所示。

表1 各傳感器采集數(shù)據(jù)Tab.1 Data collected by each sensor

融合中心根據(jù)接收到的樣本數(shù)據(jù)，首先對各個傳感器數(shù)據(jù)進行局部評判，歸一化后得出其監(jiān)測狀態(tài)；然后由歸一化的結(jié)果構(gòu)成判決矩陣并進行合成運算；最后選用最大隸屬度的方法綜合評判，煤礦瓦斯突出綜合評判的結(jié)果如表2所示。各時刻多傳感器融合評判結(jié)果如表3所示。

表2 各傳感器單獨評判結(jié)果Tab.2 Judgment results of each sensor

表3 各時刻多傳感器融合評判結(jié)果Tab.3 Multi-sensor fusion evaluation results at each moment

通過以上試驗結(jié)果可知，當某個傳感器單獨識別時，會出現(xiàn)監(jiān)測結(jié)果為未知的情況，無法判定是否正?；蛭ｋU。利用多傳感器模糊數(shù)據(jù)融合后，能夠得出t1、t2、t3時刻的評判結(jié)果分別為安全、比較危險、很危險。與單傳感器隸屬度值相比，經(jīng)過模糊信息融合后的隸屬度值，充分利用數(shù)據(jù)融合的特點，掘進工作面瓦斯狀態(tài)預(yù)測的準確性得到提高，降低了系統(tǒng)誤報或不報的概率，一定程度上改善了瓦斯狀態(tài)評判的不確定性和預(yù)警系統(tǒng)的性能。

4 結(jié)束語

利用模糊綜合評判和信息融合技術(shù)，進行煤礦采掘工作面瓦斯突出預(yù)測，提出了基于模糊數(shù)據(jù)融合的瓦斯突出預(yù)警模型。通過對實例和試驗結(jié)果進行分析，驗證了該模型能夠提高瓦斯狀態(tài)評判的準確性，降低系統(tǒng)誤報或不報的概率，在一定程度上提高了瓦斯突出預(yù)警系統(tǒng)的性能。煤礦瓦斯突出是一種十分復雜的動力現(xiàn)象，瓦斯突出事故的發(fā)生與煤礦井下很多因素有關(guān)，且具有不確定性。因此如何提高預(yù)測的準確性和可靠性需要不斷的深入研究。

參考文獻:

[1] 聶百勝,何學秋,土恩元.煤與瓦斯突出預(yù)測技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J].中國安全科學學報,2003,13(6):40-43.

[2] 劉海波,黎永碧,王福忠.基于模糊神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的瓦斯突出評判策略[J].上海理工大學學報,2016,38 (2):168-171.

[3] 趙旭生,于不凡,馬代輝.煤與瓦斯突出礦井危險等級劃分方法[J].礦業(yè)安全與環(huán)保,2000,4,27(2):4-8.

[4] 程加堂,華靜,艾利.礦井安全監(jiān)測多源信息融合方法的研究[J].自動化儀表,2014,35(8):65-68.

[5] 范金志,郭德勇,馬世志.工作面煤與瓦斯突出危險性的模糊綜合評判[J].煤礦安全,2004,35(3):17-19.

[6] 劉娟,任燕,高巖.模糊數(shù)據(jù)融合在礦井安全監(jiān)測系統(tǒng)中的應(yīng)用[J].河南理工大學學報(自然科學版),2008,27(3):268-271.

[7] 唐亞鵬.基于自適應(yīng)加權(quán)數(shù)據(jù)融合算法的數(shù)據(jù)處理[J].計算機技術(shù)與發(fā)展,2015,25(4):54-56.

[8] 金海.多傳感器模糊信息融合算法在煤礦瓦斯監(jiān)測中的應(yīng)用[J].煤炭技術(shù),2012,31(8):82-84.

[9] 孫紅鴿,藏義,曹毅.模糊數(shù)據(jù)融合在多傳感器環(huán)境監(jiān)測中的應(yīng)用[J].工礦自動化,2012,31(2):84-86.

[10]周玉,錢旭,王培崇，等.基于可拓理論與信息融合的煤礦井下環(huán)境安全等級評判方法[J].計算機應(yīng)用研究,2008,25(11):3328-3331.

[11]鮑毅.多傳感器信息融合在煤礦環(huán)境監(jiān)測系統(tǒng)中的應(yīng)用[D].徐州:中國礦業(yè)大學,2007.

[12]王其軍.瓦斯監(jiān)測系統(tǒng)故障智能診斷技術(shù)研究[D].青島:山東科技大學,2007.