山東星源礦山設(shè)備集團有限公司 沈 勇 王 萌 潘紅英
煤礦安全監(jiān)控預(yù)警系統(tǒng)作為整個礦井綜合信息系統(tǒng)的一部分,主要用來監(jiān)測井上、下的各類環(huán)境系數(shù)和主要生產(chǎn)參數(shù)。根據(jù)煤礦重大危險源的定義與特性,可以看出,煤礦重大危險源與工業(yè)領(lǐng)域的重大危險源有著較大的不同,煤礦重大危險源的辨識必須依據(jù)其定義的表述,即“煤礦重大危險源是指可能導(dǎo)致煤礦重大事故的設(shè)施或場所”這一概念,著重考慮煤礦存在的重大事故危險類別,而將存在的危險物質(zhì)及其數(shù)量作為參考因素[1]。從這一角度出發(fā),煤礦重大危險源的辨識,主要是辨識煤礦可能發(fā)生的各類重大事故。煤礦瓦斯爆炸事故、火災(zāi)事故、頂板事故、突水事故、煤塵爆炸事故、煤與瓦斯突出事故等都會產(chǎn)生災(zāi)難性的后果。因此,只要一個煤礦存在瓦斯爆炸事故危險性,就可以確定為瓦斯爆炸重大危險源。也就是說,一個煤礦,只要存在發(fā)生某種重大事故的危險性或可能性,即可定為該種事故的重大危險源。
信息物理融合系統(tǒng)Cyber-Physical System (CPS)是集感知、通信、計算、控制于一體,將物理世界與計算世界緊密結(jié)合的智能控制系統(tǒng),融合了計算機網(wǎng)絡(luò)技術(shù)、嵌入式技術(shù)、云計算技術(shù)等[2-6]?;贑PS煤礦瓦斯監(jiān)測預(yù)警系統(tǒng)是以遠程監(jiān)控計算機為監(jiān)控平臺,通過網(wǎng)絡(luò)對遠距離的被控對象及其周圍環(huán)境進行監(jiān)測與控制,實現(xiàn)煤礦瓦斯危險源的遠程監(jiān)控與管理。本系統(tǒng)可以節(jié)省大量的人力、物力,而將該系統(tǒng)部署在較為偏遠,地勢險惡,人難以到達的地方更能凸顯其優(yōu)勢[7-9]。本文主要完成了基于CPS煤礦瓦斯監(jiān)測預(yù)警系統(tǒng)架構(gòu)設(shè)計,搭建了以云服務(wù)為主瓦斯風險預(yù)警CPS遠程監(jiān)控系統(tǒng)架構(gòu)。總體架構(gòu)共分為五層三體系CPS結(jié)構(gòu),文中主要論述了業(yè)務(wù)層設(shè)計內(nèi)容,同時,給出了基礎(chǔ)設(shè)施層的數(shù)據(jù)采集聯(lián)網(wǎng)系統(tǒng)組成,將CPS實體層的一個終端節(jié)點按硬件組成結(jié)構(gòu)劃分為傳感器模塊(或執(zhí)行器模塊)、網(wǎng)絡(luò)通信模塊以及處理器模塊。多風險模式CPS系統(tǒng)設(shè)計了系統(tǒng)云服務(wù)層,提出將多危險源預(yù)警技術(shù)應(yīng)用于此,并從多方面探討風險預(yù)警模式應(yīng)用的可行性。
架構(gòu)設(shè)計是在軟件開發(fā)初級階段所要完成的工作之一,它直接影響著后續(xù)工作的開展以及結(jié)果的好壞?;贑PS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)與傳統(tǒng)的瓦斯監(jiān)控系統(tǒng)有很大的差別,尚無完整的開發(fā)實例。因此,對基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)進行架構(gòu)設(shè)計是很有必要的。在分析基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)的主要功能后,提出強調(diào)云服務(wù)、多危險源監(jiān)控預(yù)警系統(tǒng)CPS架構(gòu)。
CPS (Cyber Physical System,信息物理融合系統(tǒng))是通過計算、通信與控制技術(shù)的深度融合,實現(xiàn)計算資源與物理資源緊密結(jié)合與有效協(xié)調(diào)的新一代智能系統(tǒng)。采用嵌入式系統(tǒng)作為海量數(shù)據(jù)采集實體,結(jié)合Internet網(wǎng)絡(luò)傳輸與控制技術(shù)構(gòu)成CPS危險品遠程監(jiān)控系統(tǒng),原理框圖如圖1所示。CPS拉近了物理設(shè)施與網(wǎng)絡(luò)設(shè)施的距離,集異構(gòu)通信、海量數(shù)據(jù)計算、自動化控制功能于一身,能夠為人類提供準確、及時的信息與高效、可靠的控制。
圖1 CPS系統(tǒng)示意圖
本CPS系統(tǒng)分為實體層、網(wǎng)絡(luò)層和應(yīng)用層三層結(jié)構(gòu)。CPS系統(tǒng)示意圖如圖1所示。實體層包括瓦斯危險源感知采集系統(tǒng)、控制子系統(tǒng)及對應(yīng)的物理環(huán)境。為了獲取準確的危險化學品物理環(huán)境信息,CPS在物理世界部署大量的傳感器,根據(jù)實際需求選擇傳感器類型,如瓦斯傳感器、溫度傳感器、組份傳感器等。傳感器數(shù)據(jù)經(jīng)由數(shù)據(jù)采集系統(tǒng)對數(shù)據(jù)進行采集,以保證系統(tǒng)中數(shù)據(jù)的實時性與正確性。信息經(jīng)過初步加工后通過Internet網(wǎng)絡(luò)層最終傳輸至應(yīng)用層。應(yīng)用層的決策控制單元根據(jù)語義規(guī)則分析瓦斯危險源物理環(huán)境信息,必要的時候發(fā)出風險等級預(yù)警。應(yīng)用層以云計算作為技術(shù)支撐,實現(xiàn)對實體層傳來的海量數(shù)據(jù)信息的融合、分析與處理,并做出相應(yīng)的決策控制。
系統(tǒng)的總體方案圖,以遠程監(jiān)控及煤礦重大危險源辨識為主要目的,提出了一種基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)架構(gòu)方式,具體如圖2所示。
以瓦斯危險源重大危險源辨識為主要設(shè)計指導(dǎo)原則,基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)不僅能夠?qū)崿F(xiàn)傳統(tǒng)系統(tǒng)中的監(jiān)視、報警功能,還能解決分散的瓦斯危險源集中管理、同時監(jiān)視、隱患排查和風險預(yù)估等問題,具體功能如下:
(1)對瓦斯危險源物理環(huán)境參數(shù)實行實時采集、實時傳送、實時監(jiān)視。環(huán)境參數(shù)的采集主要依賴于相應(yīng)的傳感器,數(shù)據(jù)的傳送依賴于傳感器網(wǎng)絡(luò)及通信網(wǎng)絡(luò)。
(2)海量數(shù)據(jù)存儲。傳統(tǒng)的監(jiān)控系統(tǒng)中,通常將數(shù)據(jù)存儲于本地的數(shù)據(jù)庫服務(wù)器上。這樣,當數(shù)據(jù)達到一定數(shù)量時,會出現(xiàn)系統(tǒng)性能降低的現(xiàn)象,而不得不將一些歷史數(shù)據(jù)轉(zhuǎn)移或直接刪除。CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)不僅針對一個對象,而是針對成千上萬個,這種情況下產(chǎn)生的數(shù)據(jù)量更是巨大。所以,系統(tǒng)將數(shù)據(jù)采用分布式存儲等方式存儲于云服務(wù)器上,以達到海量數(shù)據(jù)存儲的目的。
(3)海量數(shù)據(jù)處理。單純的數(shù)據(jù)存儲對相關(guān)領(lǐng)域的研究者來說并沒有太大的價值,而對海量的歷史數(shù)據(jù)進行分析處理,其結(jié)果所帶來的價值不可估量。重大危險源預(yù)警為例,固定地點的單一危險源某段時間的數(shù)據(jù)對我們來說并無研究意義,但分布在整個礦區(qū)瓦斯危險源數(shù)據(jù)卻有很大的價值。通過對這些數(shù)據(jù)的分析處理,我們可以有效得出重大危險源的分布情況及隱患預(yù)估排查等。
(4)建檔、匯總。通過服務(wù)器云端對分散的瓦斯危險源數(shù)據(jù)信息進行建立檔案,并將數(shù)據(jù)信息進行分類。對瓦斯重大危險源進行信息分類匯總,即方便管理者,又方便信息需求者。
圖2 CPS系統(tǒng)架構(gòu)圖
在基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)中,實體層處于整個系統(tǒng)的最底層,負責對數(shù)據(jù)的實時采集、存儲、傳輸。這些功能僅依靠于傳感器是不可能實現(xiàn)的,還需要處理器模塊、電源供應(yīng)模塊、通信模塊等。本系統(tǒng)中按照實體層終端節(jié)點的組成結(jié)構(gòu),介紹傳感器接入方式,通信模塊設(shè)計以及處理器模塊設(shè)計。
基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)架構(gòu)設(shè)計中,實體層包括了監(jiān)控對象和傳感器接入單元。一個傳感器接入單元可以完成多種傳感器接入,通過Modbus協(xié)議接入時視為一個傳感器節(jié)點,通過AD轉(zhuǎn)換器接入時同樣視為一個節(jié)點。將傳感器接入節(jié)點統(tǒng)稱為終端節(jié)點。
如圖3所示是傳感器接入節(jié)點組成結(jié)構(gòu)圖。主要包括電源、傳感器、處理器模塊以及通信模塊,圖中的箭頭表示數(shù)據(jù)流向。
圖3 節(jié)點組成圖
在瓦斯危險源出現(xiàn)地,通常傳感器已經(jīng)部署安裝結(jié)束,采集器通過Modbus協(xié)議或直接通過AD轉(zhuǎn)換器對傳感器數(shù)據(jù)信息進行收集。
基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)一項重要的功能是可以完成視頻數(shù)據(jù)采集、存儲及傳輸。采集器通過模擬采集卡完成對模擬視頻采集、壓縮存儲,通過Internet網(wǎng)絡(luò)將數(shù)據(jù)上傳云端服務(wù)器。同時,還可以采集數(shù)字視頻信息?;贑PS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)將分散的視頻監(jiān)控信息進行采集,最終都上傳到云端服務(wù)器,真正實現(xiàn)了大范圍的煤礦危險源實時監(jiān)控過程。
處理器模塊中最核心的部分是單片機,選用嵌入式處理器,Cortex-A9 核心,主頻為1GHz。采用Linux嵌入式系統(tǒng),可擴展性、移植性、穩(wěn)定性都非常好,而且芯片升級便捷。一個終端節(jié)點集成了溫度傳感器、瓦斯傳感器、組分傳感器等,同時采集溫度、瓦斯?jié)舛?、氣體成分、視頻等傳感數(shù)據(jù)。
在CPS原型架構(gòu)中,頂層被定義為應(yīng)用層,然而CPS面向的是海量數(shù)據(jù)處理,因此將系統(tǒng)搭建在云平臺上也更為合理。本文所提出的基于CPS煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)架構(gòu)相比于CPS原型架構(gòu)來說,更加強調(diào)云服務(wù),不僅是因為云計算對大數(shù)據(jù)的處理能力,而且云服務(wù)中的可以提供大范圍的煤礦瓦斯危險源風險隱患預(yù)估情況。
煤礦危險源用危險源危險特性及數(shù)量數(shù)據(jù)信息進行計算辨識。利用海量煤礦瓦斯危險源信息數(shù)據(jù)庫,如濃度、狀況、分布等數(shù)據(jù)信息,依托云計算采用大數(shù)據(jù)方法完成煤礦瓦斯危險源重大危險源辨識。以準確、辨識的完整性、臨界量最小原則、數(shù)量最大原則、混合物數(shù)量為原則開展大數(shù)據(jù)挖掘。通過大數(shù)據(jù)挖掘危險化學品重大危險源,然而辨識不僅是確認是否屬于重大危險源,更主要是了解和掌握高危險性的瓦斯危險源數(shù)量和分布情況。
采用定量風險評價(簡稱QRA)原則對瓦斯風險隱患預(yù)估。定量風險評價也稱為概率風險評價,是從量化風險的角度,評價瓦斯危險源對周邊環(huán)境造成的事故影響的風險可接受程度,對所采取安全措施對降低風險的有效性進行判定,并在此基礎(chǔ)上提出相關(guān)安全措施建議的技術(shù)方法。目前,許多歐盟國家都采用QRA方法,用以當局決策重大危險源產(chǎn)生的風險增量以及重大危險源附近的土地開發(fā)是否可容許。瓦斯危險源風險隱患預(yù)估包括個人風險隱患預(yù)估和社會風險隱患預(yù)估評價。個人風險是指因瓦斯危險源潛在的火災(zāi)、爆炸、有毒氣體等事故造成區(qū)域內(nèi)某一固定位置人員的個體死亡概率,即單位時間內(nèi)(通常為年)的個體死亡率。用個人風險等值線表示。社會風險是指能夠引起大于等于N人死亡的事故累積頻率(F),也即單位時間內(nèi)(通常為年)的死亡人數(shù)。用社會風險曲線(F-N曲線)表示。
采用CPS技術(shù)設(shè)計了煤礦瓦斯監(jiān)控預(yù)警系統(tǒng)。通過對系統(tǒng)整體架構(gòu)和技術(shù)架構(gòu)得到了系統(tǒng)整體設(shè)計步驟。由應(yīng)用層完成前端瓦斯危險源數(shù)據(jù)采集,數(shù)據(jù)傳輸和數(shù)據(jù)的本地存儲,實時將數(shù)據(jù)分類別傳送到云端服務(wù)器,數(shù)據(jù)經(jīng)過網(wǎng)絡(luò)由應(yīng)用層進行重大危險源辨識和瓦斯危險源隱患風險預(yù)警,最后進行整體顯示。通過CPS技術(shù)構(gòu)建煤礦瓦斯遠程監(jiān)控預(yù)警系統(tǒng)使安全生產(chǎn)信息化各個環(huán)節(jié)都充分重視實現(xiàn)煤礦危險源安全監(jiān)控及監(jiān)管,系統(tǒng)立體交叉、靈活配置,很大程度提高了可靠性,使系統(tǒng)發(fā)生故障的可能性盡量少,影響盡可能小。
[1]孫彥景,于滿,何妍君.煤礦信息物理融合系統(tǒng)模型[J].計算機研究與展,2011,48:295-301.
[2]A.S.,and CC L.Cyber-physical system security and impact analysis[J].IFAC Proceedings,2014,3:11238-11243.
[3]Wunching C.,Wei Y.,and Chunhsien C.Customer Requirements Elicitation and Management for Product Conceptualization[M].Springer.:London,2013:957-968.
[4]Kim K., and Kumar P.“Cyber–Physical Systems: A Perspective at the Centennial[J].Proceedings of the IEEE,2012,100:1287-1308.
[5]A.W.S.,E M.;K T.Cyber-Physical Product- Service Systems–Challenges for Requirements Engineering[J].International Journal of Automation Technology,2017,11: 17-28.
[6]Siddiqui S.Big data process analytics:a survey[J].Int J Emerg Res Manag Technol.2014,3(7):117-23.
[7]Gubbi J,Buyya R,Marusic S,Palaniswami M.Internet of things(IoT):a vision,architectural elements, and future directions[J].Futur Gener Comput Syst,2013, 9(7):1645-1660.
[8]Lee J,Lapira E,Bagheri B,Kao H.Recent advances and trends in predictive manufacturing systems in big data environment[J].Manuf Lett,2013,1(1):38-41.
[9]Hernández Pardo RJ, Bhamra T,Bhamra R. Sustainable Product ServiceSystems in Small and Medium Enterprises (SMEs):Opportunities in theLeather Manufacturing Industry[J].Sustainability,2012,4(2):175-192.