基于多源數(shù)據(jù)融合的瓦斯安全系統(tǒng)研究與應(yīng)用

劉小宇

（山西華陽集團(tuán)新能股份有限公司二礦，山西陽泉 045000）

1 地質(zhì)概況

華陽二礦的賦存煤層是主要的可開采煤層，在礦區(qū)中，斷裂發(fā)育明顯，呈現(xiàn)出不完全的S 形結(jié)構(gòu)，其中大型正斷層占主導(dǎo)地位，它影響著煤炭資源開發(fā)與瓦斯賦存情況[1]。在32212 開采區(qū)，平均煤層厚度為14.64 m，煤層含煤率為2.25%。全礦井瓦斯含量區(qū)間為10.07 ～16.98 m3/t，瓦斯平均涌出量約為12.2 m3/min，瓦斯放散初速度Δp=28.40 mmHg，性質(zhì)上屬于瓦斯突出礦井。隨著開采工作的進(jìn)行，研究數(shù)據(jù)表明，煤層中的瓦斯?jié)舛群屯咚箟毫@著增加，且煤層中瓦斯的滲透率隨之增加，同時(shí)瓦斯突出區(qū)域也不斷擴(kuò)大，因此要求對(duì)瓦斯?jié)舛冗M(jìn)行實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)。

2 多傳感器數(shù)據(jù)融合模型

2.1 改進(jìn)粒子群算法

神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的魯棒屬性，可以面對(duì)各種問題并進(jìn)行處理，它具有計(jì)算速度快的優(yōu)點(diǎn)，可以適應(yīng)多源數(shù)據(jù)融合的需求[2]。傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)雖然具有較強(qiáng)的自學(xué)習(xí)和非線性映射能力，但該算法在求解過程中存在著易陷入局部極值、收斂性差等缺點(diǎn)。針對(duì)上述問題，通過調(diào)節(jié)和改變神經(jīng)網(wǎng)絡(luò)的權(quán)值和學(xué)習(xí)率，利用小波算法取代神經(jīng)網(wǎng)絡(luò)隱含層，構(gòu)造出一個(gè)最優(yōu)神經(jīng)系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)而提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率。具體步驟如下。

第一步：設(shè)定N 層為輸入層，M 層為隱藏層，L 層為輸出層，同時(shí)，將縮放和平移系數(shù)設(shè)為M 維向量。

第二步：利用微粒群算法對(duì)初始化率進(jìn)行優(yōu)化，找出最優(yōu)初始點(diǎn)和總體最佳值。

第三步：把訓(xùn)練的樣本數(shù)據(jù)傳送給輸入層進(jìn)行學(xué)習(xí)。

第四步：按照

的算法，優(yōu)化其網(wǎng)絡(luò)參數(shù)。

第五步：判斷該算法是否符合網(wǎng)絡(luò)要求，選擇最佳參數(shù)；如不符合要求，返回第三步。

2.2 算法驗(yàn)證及仿真

采用基于粒子函數(shù)的方法，對(duì)仿真結(jié)果進(jìn)行了規(guī)范檢驗(yàn)。從全部樣本中選定50 個(gè)樣本作為訓(xùn)練樣本，其余樣本作為實(shí)驗(yàn)樣本。將訓(xùn)練樣本輸入到預(yù)報(bào)系統(tǒng)中，將預(yù)報(bào)結(jié)果與采集到的真實(shí)廢氣排放量數(shù)據(jù)相比較，改進(jìn)粒子群算法小波神經(jīng)網(wǎng)絡(luò)進(jìn)化代數(shù)圖如圖1 所示。用2 種不同的方法來展開預(yù)測(cè)，BP 神經(jīng)和改進(jìn)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)，并對(duì)比這2 種算法所預(yù)測(cè)的數(shù)據(jù)與原始數(shù)據(jù)之間的差異。從圖2中可以看到，正常BP 神經(jīng)系統(tǒng)的平均誤差達(dá)17.67%，用改進(jìn)的粒子群算法對(duì)BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，其預(yù)測(cè)結(jié)果誤差只有6.75%。

圖1 改進(jìn)粒子群算法小波神經(jīng)網(wǎng)絡(luò)進(jìn)化代數(shù)圖Fig.1 Evolution algebra diagram of wavelet neural network based on improved particle swarm optimization

圖2 算法實(shí)驗(yàn)仿真對(duì)比圖Fig.2 Algorithm experimental simulation comparison diagram

3 礦井瓦斯監(jiān)控系統(tǒng)設(shè)計(jì)

3.1 硬件設(shè)計(jì)

煤層瓦斯監(jiān)測(cè)系統(tǒng)是由信息層、控制層和設(shè)備層構(gòu)成的[3]，它是一種仿真井下復(fù)雜條件的模擬系統(tǒng)。在數(shù)據(jù)層中，主要包括監(jiān)控運(yùn)行主機(jī)、監(jiān)控顯示屏幕、網(wǎng)絡(luò)服務(wù)器的主機(jī)以及IP 電話管理系統(tǒng)。工作人員利用監(jiān)控裝置，對(duì)采集到的作業(yè)記錄進(jìn)行預(yù)測(cè)并在監(jiān)控器上進(jìn)行展示，利用外接影像裝置通過IP 電話進(jìn)行傳送，使信息及時(shí)化，透明化。

服務(wù)器主要是利用工業(yè)以太網(wǎng)來收集下級(jí)監(jiān)測(cè)中心所收集的資料，再經(jīng)由網(wǎng)絡(luò)傳送至上位機(jī)，同時(shí)工作人員根據(jù)電腦所顯示的資料來提出相應(yīng)的對(duì)策。以數(shù)據(jù)查詢?yōu)榛A(chǔ)，構(gòu)建與地表監(jiān)測(cè)中心相連接的地下監(jiān)測(cè)中心[4]。

地下監(jiān)測(cè)站是整個(gè)礦井瓦斯氣體監(jiān)控系統(tǒng)的中心，利用井下瓦斯探測(cè)器采集工作區(qū)瓦斯含量，將數(shù)據(jù)送入地下監(jiān)測(cè)站，再將其傳送給上位計(jì)算機(jī)監(jiān)測(cè)站，最后在通信機(jī)房中顯示出來。一般情況下，井下瓦斯監(jiān)控總流程如圖3 所示。其中，RS232 總線作為主監(jiān)控站的串行連接器，而RS485 總線作為地下監(jiān)控站。

圖3 井下瓦斯監(jiān)測(cè)總流程Fig.3 The total process of underground gas monitoring

地下氣體監(jiān)測(cè)系統(tǒng)的輔助設(shè)備是地下觀測(cè)站，主要設(shè)備包括電源、報(bào)警裝置、顯示器和通訊系統(tǒng)。工作過程中，一方面，總站將井下傳感器收集到的數(shù)據(jù)分別發(fā)送到每個(gè)分站，這些數(shù)據(jù)被分站保存起來；另一方面，分站也可以將收集的數(shù)據(jù)傳至總站，匯總后發(fā)給上位機(jī)進(jìn)行監(jiān)測(cè)。

3.2 軟件設(shè)計(jì)

在設(shè)計(jì)監(jiān)測(cè)系統(tǒng)時(shí)應(yīng)以礦井下工況和工作環(huán)境為基礎(chǔ)，設(shè)計(jì)方案應(yīng)與實(shí)際相匹配。首先，要讓它可以對(duì)井下的動(dòng)態(tài)畫面進(jìn)行實(shí)時(shí)監(jiān)控。其次，在網(wǎng)絡(luò)通信方面，要以井下環(huán)境變化為依據(jù)。在井下實(shí)際工作環(huán)境中，監(jiān)控分站和總站都是必不可少。當(dāng)緊急情況發(fā)生時(shí)，每個(gè)監(jiān)控的分站都有權(quán)限查詢數(shù)據(jù)，作出快速反應(yīng)。安裝報(bào)警系統(tǒng)可以確保在突發(fā)情況下，及時(shí)、迅速地做出反應(yīng)，為井下工作人員的人身安全與生產(chǎn)安全提供保障[5]。

在實(shí)時(shí)KingHistorian/ 歷史數(shù)據(jù)庫(kù)中，它可以為工作人員實(shí)時(shí)提供必要的信息，同時(shí)工作人員可以利用實(shí)時(shí)數(shù)據(jù)/歷史存儲(chǔ)系統(tǒng)中的KingHistorian數(shù)據(jù)，操作數(shù)據(jù)處理，改變?cè)O(shè)備操作狀態(tài)和人員信息。配置王7.0 支持多協(xié)議，多協(xié)議，多協(xié)議數(shù)據(jù)，如GPRS，OPC 等，增加了配置7.0 的手機(jī)服務(wù)器，讓使用者可以隨時(shí)隨地快速地存取與控制數(shù)據(jù)。KingView 7.0 版本的預(yù)警體系，可以在系統(tǒng)發(fā)生故障或者可變信息超出一定數(shù)值時(shí)發(fā)出預(yù)警。通過kingopcserver 子系統(tǒng)，所收集到的數(shù)據(jù)會(huì)被實(shí)時(shí)地傳送給配置dom 數(shù)據(jù)庫(kù)[6]。

4 應(yīng)用分析

基于已有的21 d 煤層瓦斯?jié)舛扔^測(cè)資料，開展煤層瓦斯?jié)舛鹊脑缙陬A(yù)警與應(yīng)用研究，為煤層瓦斯?jié)舛鹊念A(yù)警與早期探測(cè)提供技術(shù)支撐。在實(shí)地試驗(yàn)后，驗(yàn)證了短時(shí)預(yù)警的可用性，并證實(shí)了警報(bào)分析的可用性。瓦斯?jié)舛仍谥攸c(diǎn)監(jiān)測(cè)預(yù)警和分析如下。

（1） 煤礦重要瓦斯監(jiān)測(cè)點(diǎn)和數(shù)據(jù)監(jiān)測(cè)數(shù)據(jù)特征。

試驗(yàn)中，將瓦斯監(jiān)測(cè)點(diǎn)重點(diǎn)位設(shè)在中央風(fēng)井、主變電站和發(fā)動(dòng)機(jī)隧道工作面。在監(jiān)測(cè)點(diǎn){P1,P2,P3,P4,P5}中，氣體濃度的時(shí)間序列是由5 個(gè)監(jiān)測(cè)點(diǎn)21 d 的氣體監(jiān)測(cè)數(shù)據(jù)組成。結(jié)果表明，在某一特定時(shí)刻，中央風(fēng)井的瓦斯氣體濃度沒有明顯的變化。

（2） 監(jiān)控?cái)?shù)據(jù)的處理。

數(shù)據(jù)預(yù)測(cè)法是對(duì)每個(gè)預(yù)測(cè)點(diǎn)的氣體濃度時(shí)間序列進(jìn)行提前排序，在完成了偏差數(shù)據(jù)和降噪處理之后，用每個(gè)預(yù)測(cè)點(diǎn)預(yù)先測(cè)量的氣體濃度時(shí)間序列對(duì)原始預(yù)測(cè)數(shù)據(jù)進(jìn)行平均，從而產(chǎn)生一系列規(guī)律間隔，并通過變化特征，來減少氣體濃度分布和時(shí)間序列的特征。

（3） 氣體濃度的預(yù)報(bào)和預(yù)警。

在此基礎(chǔ)上，利用前期20 d 的監(jiān)測(cè)數(shù)據(jù)，對(duì)所建立的模型進(jìn)行了改進(jìn)，篩選出了最適合的樣本。將最后一日的監(jiān)測(cè)結(jié)果分為3 個(gè)時(shí)段，將后續(xù)的8 個(gè)時(shí)段的監(jiān)測(cè)結(jié)果加入到所建立的模型中，實(shí)現(xiàn)對(duì)各時(shí)段的預(yù)測(cè)。利用灰關(guān)聯(lián)聚類分析法，可以得到各監(jiān)測(cè)點(diǎn)的瓦斯?jié)舛葮悠返钠骄燃?jí)，也可以得到預(yù)報(bào)數(shù)值所屬的樣品和其它樣品的平均相關(guān)值。各監(jiān)測(cè)點(diǎn)瓦斯?jié)舛葧r(shí)間序列關(guān)聯(lián)特征如圖4 所示，顯示了各監(jiān)測(cè)點(diǎn)瓦斯預(yù)報(bào)及報(bào)警結(jié)果。

圖4 各監(jiān)測(cè)點(diǎn)瓦斯?jié)舛葧r(shí)間序列關(guān)聯(lián)特征Fig.4 Correlation characteristics of gas concentration time series at each monitoring point

如圖4 所示，在工作面中拐角瓦斯?jié)舛葮颖颈O(jiān)測(cè)時(shí)，發(fā)現(xiàn)它低于其它樣品平均值，部分預(yù)測(cè)點(diǎn)的瓦斯氣體樣品值相關(guān)程度比其他樣品明顯要低，從而被視為異常氣體濃度。并且在最初的8 h 及最近的一個(gè)預(yù)報(bào)點(diǎn)，與其它水平相關(guān)系數(shù)的平均值相比，數(shù)值偏低，這種氣體濃度是不正常的。在此基礎(chǔ)上，對(duì)中心井及主變站的預(yù)測(cè)氣體濃度進(jìn)行了分析，結(jié)果表明，中心井及主變站的預(yù)測(cè)氣體濃度與其他樣本保持很強(qiáng)的相關(guān)性，無異?，F(xiàn)象。

圖5 的警告預(yù)測(cè)和數(shù)據(jù)結(jié)果顯示，在試驗(yàn)開始時(shí)候，32212 工作面轉(zhuǎn)角處的預(yù)測(cè)瓦斯氣體濃度數(shù)值偏高，從相關(guān)性看，該預(yù)測(cè)值與瓦斯含量之間的關(guān)聯(lián)度很低，為報(bào)警等級(jí)II，之后下降。隨著時(shí)間推進(jìn)，預(yù)測(cè)樣本間的相關(guān)程度依然很低，出現(xiàn)警報(bào)級(jí)別I，這個(gè)等級(jí)在1 h 之后會(huì)逐步下降，之后會(huì)維持不變。在第3 個(gè)8 h 內(nèi)，預(yù)報(bào)的氣體濃度偏高，預(yù)報(bào)值屬于的樣本之間關(guān)聯(lián)性也比較弱，達(dá)到了警報(bào)級(jí)別I。到試驗(yàn)的最后，預(yù)測(cè)瓦斯?jié)舛葦?shù)值依然保持很高，抽取樣本關(guān)聯(lián)度為較低水平，呈現(xiàn)出警告級(jí)別II。在整體預(yù)報(bào)過程中，預(yù)報(bào)值與真實(shí)數(shù)據(jù)的偏差較小，預(yù)警分析的效果較好。

圖5 工作面上隅角監(jiān)測(cè)點(diǎn)瓦斯?jié)舛阮A(yù)測(cè)預(yù)警Fig.5 Prediction and early warning of gas concentration at monitoring points in upper corner of working face

5 結(jié)論

（1） 按照數(shù)據(jù)融合模型的設(shè)計(jì)原理，改進(jìn)了粒子群神經(jīng)網(wǎng)絡(luò)算法，并以小波函數(shù)代替了神經(jīng)隱含層中的刺激函數(shù)，使神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有更好的性能。

（2） 把融于數(shù)據(jù)層、控制層和裝備層的瓦斯預(yù)報(bào)系統(tǒng)硬件結(jié)構(gòu)和井下開采條件結(jié)合，可實(shí)時(shí)監(jiān)測(cè)井下氣體動(dòng)態(tài)，同時(shí)在一定時(shí)間內(nèi)可以查詢歷史數(shù)據(jù)，促進(jìn)系統(tǒng)平穩(wěn)運(yùn)行。

（3） 以瓦斯氣體濃度預(yù)測(cè)為基礎(chǔ)，將該系統(tǒng)應(yīng)用于32212 工作面，試驗(yàn)結(jié)果驗(yàn)證了該方法的可行性和有效性。