基于多源信息融合技術(shù)的煤礦作業(yè)環(huán)境參數(shù)分析

馬亞楠，楊 韜，田立勤

(華北科技學(xué)院，北京 東燕郊 101601)

基于多源信息融合技術(shù)的煤礦作業(yè)環(huán)境參數(shù)分析

馬亞楠，楊 韜，田立勤

(華北科技學(xué)院，北京 東燕郊 101601)

本文針對(duì)煤礦生產(chǎn)作業(yè)環(huán)境中的危險(xiǎn)因素，提出對(duì)基于無線傳感器網(wǎng)絡(luò)的煤礦作業(yè)環(huán)境參數(shù)進(jìn)行分析。根據(jù)動(dòng)態(tài)限幅濾波、最優(yōu)加權(quán)、灰色關(guān)聯(lián)分析和模糊粗糙集理論，以煤礦井下環(huán)境監(jiān)測數(shù)據(jù)為依據(jù)論證了多級(jí)信息融合算法及實(shí)現(xiàn)過程，形成了基于模糊粗糙-灰色關(guān)聯(lián)的兩級(jí)決策融合算法，來實(shí)現(xiàn)對(duì)煤礦作業(yè)環(huán)境狀態(tài)的評(píng)估。通過模糊粗糙集和灰色關(guān)聯(lián)分析的結(jié)合，為綜合評(píng)價(jià)煤礦作業(yè)環(huán)境提供了一個(gè)新思路。

作業(yè)環(huán)境；信息融合；灰色關(guān)聯(lián)；粗糙集

0 引言

我們通過研究和對(duì)導(dǎo)致事故發(fā)生的原因進(jìn)行分析發(fā)現(xiàn)，人為因素是引發(fā)事故、導(dǎo)致系統(tǒng)失效的主要原因之一。研究表明影響人為失誤的因素很多，其中比較重要的因素之一就是作業(yè)環(huán)境的影響[1]。煤礦井下環(huán)境改變對(duì)人體的作用是多成分的復(fù)合，這種多成分綜合應(yīng)激對(duì)人的行為影響往往遠(yuǎn)高于單因素[2]。溫度、濕度、噪聲、粉塵濃度作為主要影響人的行為的環(huán)境因素主，對(duì)這些作業(yè)環(huán)境因素的監(jiān)測并且分析對(duì)環(huán)境的影響是安全監(jiān)控系統(tǒng)中不可缺失的重要部分[3,4]。

隨著科技飛速發(fā)展，基于信息融合技術(shù)在煤礦安全監(jiān)測中的應(yīng)用越來越廣。其主要核心是通過傳感器收集的信息，對(duì)其進(jìn)行融合，了解井下綜合環(huán)境，并做出判斷，減少礦難發(fā)生。

現(xiàn)在運(yùn)用在煤礦監(jiān)測上的信息融合方法主要有：神經(jīng)網(wǎng)絡(luò)、模糊邏輯、D-S 推理、粗糙集理論等[5]。 本文主要針對(duì)煤礦作業(yè)環(huán)境監(jiān)測系統(tǒng)中環(huán)境參數(shù)的分析，主要是瓦斯、CO、粉塵、溫度和風(fēng)速等環(huán)境參數(shù)信息的分析，運(yùn)用相應(yīng)的信息融合模型進(jìn)行深度數(shù)據(jù)分析，實(shí)現(xiàn)了監(jiān)控系統(tǒng)中監(jiān)測環(huán)境信息的互補(bǔ)與協(xié)同感知，能夠全方位地了解井下作業(yè)環(huán)境狀況。

1 信息融合技術(shù)

1.1 信息融合概念

多源信息融合(multi-source information fusion)又稱為多傳感器融合(multi-sensor information)，是20世紀(jì)70年代提出來的，該技術(shù)誕生的起因是軍事應(yīng)用，旨在一定準(zhǔn)則下進(jìn)行信息處理，來完成所需預(yù)測和決策，來得出精確可信的結(jié)論[6]。在認(rèn)知客觀事物的過程中，人類先是通過多種感官得到對(duì)事物多種類、多方位的感知信息；再由大腦對(duì)這些信息依據(jù)某種規(guī)則進(jìn)行組合和處理，得出客觀、統(tǒng)一的理解與認(rèn)知[7]。它是一種多方面、多層次的處理過程，包括對(duì)多源數(shù)據(jù)進(jìn)行檢測、組合和預(yù)測，來提高對(duì)煤礦井下環(huán)境預(yù)判的精度以及適時(shí)完整的評(píng)價(jià)[8]。多信息融合的優(yōu)勢有：a.增強(qiáng)系統(tǒng)的生存能力；b.擴(kuò)展空間覆蓋范圍；c.擴(kuò)展時(shí)間覆蓋范圍；d提高可信度；e.降低信息的模糊度；f.改進(jìn)探測性能；g.提高空間分辨率；h.增加了測量空間維數(shù)；i.成本低、質(zhì)量輕、占空少。

1.2 信息融合的基本過程

信息融合實(shí)際上就是充分利用多類傳感器對(duì)各種觀測信息進(jìn)行合理支配和使用，在二維和三維上把互補(bǔ)或冗余信息由某種準(zhǔn)則聯(lián)合起來，產(chǎn)生對(duì)監(jiān)測環(huán)境的客觀解釋或描述，并且產(chǎn)生新融合結(jié)果。目的是基于觀測信息，進(jìn)行優(yōu)化組合得到更多有效信息，最終目標(biāo)是為了提高系統(tǒng)的有效性。依據(jù)目標(biāo)識(shí)別和數(shù)據(jù)抽象的層次，把信息融合分成了三級(jí)：數(shù)據(jù)級(jí)融合、特征級(jí)融合和決策級(jí)融合[9]。各個(gè)級(jí)別融合處理過程分別如圖3、圖4和圖5所示。

(1) 數(shù)據(jù)級(jí)融合：數(shù)據(jù)級(jí)融合是最低層次的融合，該級(jí)別融合處理結(jié)構(gòu)如圖1所示。數(shù)據(jù)級(jí)融合就是直接對(duì)原始數(shù)據(jù)進(jìn)行處理，然后通過處理后的結(jié)果進(jìn)行特征提取。該級(jí)融合的優(yōu)點(diǎn)是只有較少數(shù)據(jù)量的損失，提供多于其他融合層次的細(xì)微信息，精度最高。

圖1 數(shù)據(jù)級(jí)融合

(2) 特征級(jí)融合：特征級(jí)融合屬于中間層次的融合，處理過程如圖2所示。該級(jí)融合首先是將每個(gè)傳感器的特征向量抽象出來，然后對(duì)抽象出的特征向量進(jìn)行融合處理，具體融合可以劃分為目標(biāo)狀態(tài)融合和目標(biāo)特征融合兩類。本文主要研究狀態(tài)信息融合，具體過程是首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后進(jìn)行數(shù)據(jù)關(guān)聯(lián)和狀態(tài)估計(jì)。

圖2 特征級(jí)融合

(3) 決策級(jí)融合：決策級(jí)融合是一種高層次融合，該級(jí)別融合處理過程如圖3所示。該融合過程是先根據(jù)每個(gè)傳感器的數(shù)據(jù)做出決策，然后完成局部決策的融合處理過程。該級(jí)融合是三級(jí)融合的最終結(jié)果，由于該融合直接針對(duì)具體決策目標(biāo)，所以其結(jié)果將直接影響決策水平。這種處理方法雖然有數(shù)據(jù)損失量大、相對(duì)精度低等缺點(diǎn)，但是有抗干擾能力強(qiáng)、不要求是同質(zhì)傳感器、通信量小、對(duì)傳感器依賴小等優(yōu)點(diǎn)。

圖3 決策級(jí)融合

特征級(jí)和決策級(jí)融合不要求傳感器的同類，并且不同融合算法各有利弊，所以為了提高融合速率和精度，一般都需要提出高效的局部傳感器處理策略及優(yōu)化融合中心的融合規(guī)則。

1.3 信息融合的方法

信息融合作為對(duì)多源信息的綜合處理，具有本質(zhì)的復(fù)雜性。信息融合技術(shù)不可或缺的理論基礎(chǔ)主要有傳統(tǒng)的估計(jì)理論和識(shí)別算法。但是，同時(shí)近年來出現(xiàn)的一些新的基于統(tǒng)計(jì)推斷、人工智能、識(shí)別方法、估計(jì)方法、參數(shù)方法等，具體方法如圖4所示。但目前的技術(shù)手段一般無法單一完成融合處理，都需要根據(jù)不同的環(huán)境進(jìn)行選擇。

2 安全等級(jí)劃分與信息融合策略

煤礦井下工作環(huán)境惡劣，地質(zhì)條件復(fù)雜，各種環(huán)境因素的相互作用，相互影響，可以在一定條件下對(duì)煤礦安全生產(chǎn)和煤礦工人的生命造成嚴(yán)重影響。

2.1 安全等級(jí)劃分

煤礦事故的發(fā)生是在一定條件下出現(xiàn)的，并不是在任何情況下都可能發(fā)生，而是需要有一定發(fā)生條件。經(jīng)過分析，把井下環(huán)境分成5個(gè)等級(jí)，分別是 “危險(xiǎn)”、“較危險(xiǎn)”、“一般安全”、“較安全”和“安全”。然后跟據(jù)《煤礦安全規(guī)程》的有關(guān)規(guī)定，結(jié)合具體實(shí)踐，選取影響較大的參數(shù)做出如下劃分[10]，如表1所示：

圖4 信息融合方法

表1 煤礦環(huán)境等級(jí)劃分

通過對(duì)表1分析，煤礦作業(yè)環(huán)境監(jiān)測數(shù)據(jù)的準(zhǔn)確是信息融合的前提。單一傳感器指標(biāo)并不能準(zhǔn)確反映實(shí)際情況，必須綜合考慮多種因素之間共同作用，然后才做出準(zhǔn)確的預(yù)測。因此，必須對(duì)多種影響因素綜合分析，才能設(shè)計(jì)出一種多級(jí)信息融合策略，達(dá)到準(zhǔn)確感知井下環(huán)境的目的。

2.2 作業(yè)環(huán)境信息融合

煤礦井下環(huán)境監(jiān)測對(duì)象主要有瓦斯、CO、煤塵、風(fēng)速和溫度等參數(shù)，通過無線傳感器節(jié)點(diǎn)獲取上述數(shù)據(jù)，對(duì)其進(jìn)行數(shù)據(jù)處理，得到準(zhǔn)確感知。為了能夠從上述環(huán)境參數(shù)中得出準(zhǔn)確判斷和感知，按照操作對(duì)象的特點(diǎn)，結(jié)合多源信息融合技術(shù)的原理和算法，在融合系統(tǒng)中設(shè)計(jì)了兩級(jí)融合，如圖5所示。

圖5 信息融合結(jié)構(gòu)

信息融合結(jié)構(gòu)主要有四部分組成：(1)多類傳感器集合，(2)數(shù)據(jù)的預(yù)處理，(3)數(shù)據(jù)級(jí)融合，(4)決策級(jí)融合。

2.3 決策融合模型

模糊粗糙算法通過從數(shù)據(jù)的不可分辨關(guān)系中提取隱藏信息，保障了分析的客觀性。利用灰色關(guān)聯(lián)分析對(duì)煤礦環(huán)境特征向量和標(biāo)準(zhǔn)特征向量進(jìn)行系統(tǒng)特征優(yōu)勢分析，根據(jù)關(guān)聯(lián)度大小做出系統(tǒng)判決。兩者結(jié)合起來，各自發(fā)揮優(yōu)勢，很好地進(jìn)行決策融合，其具體算法流程如6圖所示：

圖6 信息融合算法流程

3 應(yīng)用實(shí)例

3.1 建立模糊粗糙識(shí)別模式

依據(jù)2.1節(jié)中煤礦環(huán)境等級(jí)劃分的特點(diǎn)，選取瓦斯(%)x1、CO(%)x2、粉塵(mg/m3)x3、風(fēng)速(m/s)x4和溫度(℃)x5作為樣本指標(biāo)，經(jīng)標(biāo)準(zhǔn)化處理后，得表2：

表2 樣本指標(biāo)表

續(xù)表

表3 逼近矩陣

表4 識(shí)別模式表

3.2 樣本信息融合

提取數(shù)據(jù)庫中某組連續(xù)數(shù)據(jù)，如表5所示，首先進(jìn)行數(shù)據(jù)級(jí)融合，得到待決策樣本。再把待決策樣本作為參考對(duì)象S′0，把識(shí)別模式作為比較對(duì)象S′t(t=1,2,…,c)，其指標(biāo)數(shù)據(jù)由表6所示。

表5 煤礦巷道監(jiān)測數(shù)據(jù)

表6 指標(biāo)數(shù)據(jù)列

R1=0.579;R2=0.652;R3=0.848;

R4=0.937;R5=0.685;

對(duì)關(guān)聯(lián)程度進(jìn)行排序，即為R1

3.3 比較分析

使用文獻(xiàn)[12]中數(shù)據(jù)挖掘法(GFM)、文獻(xiàn)[13]中基于粗糙集與神經(jīng)網(wǎng)絡(luò)的融合算法和文獻(xiàn)[14]中的基于SVM融合算法與本文方法進(jìn)行比較，如表7所示?？梢钥闯霰救诤纤惴ň哂休^高的感知度和客觀性，是一種比較好的決策方法。

表7 實(shí)驗(yàn)比較

通過對(duì)比分析，本算法具有能有效濾除干擾數(shù)據(jù)、絕對(duì)誤差波動(dòng)平穩(wěn)、動(dòng)態(tài)響應(yīng)特性好、權(quán)值分布合理、收斂速度快等優(yōu)點(diǎn)。

4 總結(jié)

(1) 煤礦在開采過程中，由于環(huán)境影響因素復(fù)雜并且動(dòng)態(tài)多變，導(dǎo)致事故的發(fā)生無規(guī)律可循。通過查閱文獻(xiàn)和資料，考慮將多源信息融合技術(shù)應(yīng)用到煤礦，對(duì)井下環(huán)境進(jìn)行評(píng)估。

(2) 依據(jù)多源信息融合功能、融合層次以及通用的處理結(jié)構(gòu)，對(duì)現(xiàn)有的多源信息融合技術(shù)進(jìn)行比較分析，提出了有數(shù)據(jù)融合和決策融合的兩級(jí)融合模型。

(3) 應(yīng)用動(dòng)態(tài)限幅濾波算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，該算法把統(tǒng)計(jì)規(guī)律與時(shí)間序列結(jié)合起來，充分分析了數(shù)據(jù)的特性，從而造成的數(shù)據(jù)失真度低。在數(shù)據(jù)級(jí)融合過程中采用最優(yōu)加權(quán)估計(jì)，使融合后的值達(dá)到最優(yōu)，給下一級(jí)決策融合提供了更準(zhǔn)確的信息。

(4) 在決策級(jí)融合過程中建立，根據(jù)模糊粗糙集理論中簡約集合的功能與灰色關(guān)聯(lián)分析的優(yōu)點(diǎn)，對(duì)上級(jí)信息再次進(jìn)行融合，準(zhǔn)確地得出客觀結(jié)論。

(5) 通過實(shí)驗(yàn)對(duì)比分析，證明該模型不僅保證了分析的客觀性，同時(shí)從整體上考慮煤礦環(huán)境的安全性，為綜合評(píng)價(jià)煤礦安全提供了一個(gè)新的途徑，同時(shí)又可以廣泛的應(yīng)用于其他環(huán)境評(píng)估當(dāng)中，有一定的通用性。

(6) 本文所提出的兩級(jí)融合模型目前仍處于模擬仿真階段，研究的目的是將該融合模型應(yīng)用于將來煤礦井下環(huán)境實(shí)時(shí)預(yù)測預(yù)警等方面。

[1] 宮鵬.無線傳感器網(wǎng)絡(luò)技術(shù)環(huán)境應(yīng)用進(jìn)展[J].遙感學(xué)報(bào)，2010(2) : 387-395.

[2] 錢志鴻，王義君.面向物聯(lián)網(wǎng)的無線傳感器網(wǎng)絡(luò)綜述[J].電子與信息學(xué)報(bào)，2013(1):215-227.

[3] 高惠燕.一種用ZigBee無線傳感器網(wǎng)絡(luò)進(jìn)行環(huán)境監(jiān)測系統(tǒng)的研究與實(shí)現(xiàn)[J].礦山機(jī)械，2008(8):27-31.

[4] 徐瑜.智能空氣清新器控制軟件算法研究[D].長沙：中南大學(xué)，2007.

[5] 馬國勝.基于多傳感器融合技術(shù)的瓦斯監(jiān)控系統(tǒng)實(shí)現(xiàn)[D].武漢：武漢理工大學(xué)，2010.

[6] 王海穎.多源數(shù)據(jù)關(guān)聯(lián)與融合算法研究[D].無錫：江南大學(xué)，2016.

[7] 黃為勇.基于支持向量機(jī)數(shù)據(jù)融合的礦井瓦斯預(yù)警技術(shù)研究[D].徐州：中國礦業(yè)大學(xué)，2009.

[8] 付華.煤礦瓦斯災(zāi)害特征提取與信息融合技術(shù)研究[D].阜新：遼寧工程技術(shù)大學(xué)，2006.

[9] 關(guān)新民.井下基于無線傳感器網(wǎng)絡(luò)的環(huán)境監(jiān)測系統(tǒng)設(shè)計(jì)[J].中國新通信，2008,10(11):60-63.

[10] 劉詩源.信息融合在煤礦安全監(jiān)測的應(yīng)用研究[D].重慶：西南大學(xué)，2016.

[11] 謝開貴，胡博，歐陽穩(wěn)等.基于灰色關(guān)聯(lián)的應(yīng)力盤驅(qū)動(dòng)力耦合度分析[J].重慶大學(xué)學(xué)報(bào)，2010,33(6):22-24.

[12] 付華，王雨虹.基于數(shù)據(jù)挖掘的瓦斯災(zāi)害信息融合模型的研究[J].傳感器與微系統(tǒng)，2008,27(1):52-54.

[13] 曹亮.基于多源信息融合的煤礦安全無線監(jiān)測系統(tǒng)研究[D].西安：西安建筑科技大學(xué)，2008.

[14] Gao Shesheng,Zhong Yongmin,Li wei.Random weighting method for multisensor data fusion[J].IEEE Sensors Journal, 2011,11 (9):1955-1961.

Analysis of environmental parameters of coal mining operation based on multi-source information fusion technology

MA Ya-nan，YANG Tao, TIAN Li-qin

(NorthChinaInstituteofScienceandTechnology,Yanjiao, 101601,China)

According to the hazard factors in the coal mine production environment, this paper proposed the environment in coal mine safety wireless monitoring system based on multi-source information fusion. According to dynamic limiting filtering, optimal weighting, grey incidence analysis and fuzzy rough sets theory, and based on the environmental monitoring data of coal mine, a multilevel information fusion algorithm and its implementation process are demonstrated, a two level decision fusion algorithm based on fuzzy rough grey relation is formed to realize the evaluation of the environmental state of coal mine operation. Through the combination of fuzzy rough sets and grey relational analysis, this paper provides a new idea for comprehensive evaluation of coal mine environment.

operating environment; information fusion; grey incidence; rough set

2017-04-03

中央高?；究蒲袠I(yè)務(wù)費(fèi)資助(3142015146、3142015022)，國家自然科學(xué)基金(61472137)

馬亞楠(1992-)，女，華北科技學(xué)院在讀碩士研究生，研究方向：物聯(lián)網(wǎng)技術(shù)和礦山作業(yè)環(huán)境監(jiān)測。E-mail: 919224077@qq.com

X924.3

A

1672-7169(2017)02-0090-07