基于多傳感器融合的煤礦粉塵實時監(jiān)測系統(tǒng)設(shè)計

摘要：設(shè)計了一種基于多傳感器融合技術(shù)的煤礦粉塵實時監(jiān)測系統(tǒng)，旨在提高煤礦粉塵濃度監(jiān)測的準確性和可靠性。該系統(tǒng)利用光散射法和β射線吸收法等多種傳感器，通過自適應加權(quán)融合算法對多源數(shù)據(jù)進行優(yōu)化組合。實驗表明，系統(tǒng)在測量準確性、響應時間和穩(wěn)定性方面均表現(xiàn)優(yōu)異，能夠?qū)崿F(xiàn)端到端的實時監(jiān)測和預警。

關(guān)鍵詞：多傳感器融合；煤礦粉塵；實時監(jiān)測

煤礦粉塵是煤炭開采過程中不可避免的有害物質(zhì)，長期大量吸入會嚴重危害礦工的身體健康，并可能引發(fā)塵肺等職業(yè)病。此外，煤礦粉塵濃度過高還是引發(fā)煤塵爆炸的重要誘因之一。傳統(tǒng)的粉塵監(jiān)測方法存在響應速度慢、靈敏度低等缺點，難以滿足煤礦復雜多變環(huán)境下的實時監(jiān)測需求［1］?；诙鄠鞲衅魅诤霞夹g(shù)的煤礦粉塵實時監(jiān)測系統(tǒng)可有效克服上述不足，提高監(jiān)測數(shù)據(jù)的準確性和可靠性，為煤礦安全生產(chǎn)提供可靠的數(shù)據(jù)支撐。

1多傳感器融合的概念及原理

多傳感器融合是指將多個傳感器采集的數(shù)據(jù)進行綜合處理，以獲取更準確、可靠的信息。其基本原理是利用不同類型傳感器在時間和空間上的互補性和冗余性，通過一定的融合算法，如卡爾曼濾波、貝葉斯估計、模糊邏輯等，對多源數(shù)據(jù)進行優(yōu)化組合，從而提高系統(tǒng)的抗干擾能力和魯棒性。例如，在煤礦粉塵監(jiān)測中，可同時使用光散射法和β射線吸收法這2種測量原理的傳感器，分別測量0.1～10.0 μm和0.01～100.00 μm范圍內(nèi)的粉塵粒徑分布［2］。通過對這些異構(gòu)數(shù)據(jù)進行時空配準、特征提取、信息融合等處理，可得到粉塵濃度的動態(tài)分布情況。多傳感器融合技術(shù)不僅可提高監(jiān)測指標的測量精度，如將多個同類傳感器的數(shù)據(jù)進行加權(quán)平均，可將誤差從±10%降低至±2%［2］；還可拓展監(jiān)測指標的種類，如結(jié)合溫濕度、風速等傳感器，可實現(xiàn)對粉塵爆炸風險的實時評估，為預警決策提供更全面的依據(jù)。

2基于多傳感器融合的煤礦粉塵實時監(jiān)測系統(tǒng)設(shè)計2.1系統(tǒng)架構(gòu)與工作流程

本系統(tǒng)基于多傳感器融合技術(shù)，采取模塊化設(shè)計思路。系統(tǒng)工作流程為：（1）部署在煤礦巷道中的多個傳感器節(jié)點實時采集粉塵濃度、溫濕度等數(shù)據(jù)，并通過ZigBee無線網(wǎng)絡(luò)上傳至數(shù)據(jù)處理模塊。（2）數(shù)據(jù)處理模塊對接收到的多源數(shù)據(jù)進行預處理、融合、異常檢測和關(guān)聯(lián)規(guī)則挖掘，最終生成預警信息。（3）數(shù)據(jù)展示與預警模塊將處理結(jié)果以可視化圖表、語音播報、短信提醒等多種方式通知管理人員，實現(xiàn)對煤礦粉塵濃度的實時監(jiān)控和預警。

2.2系統(tǒng)組成分析

2.2.1數(shù)據(jù)采集模塊

數(shù)據(jù)采集模塊負責原始監(jiān)測數(shù)據(jù)的獲取與預處理。該模塊由分布在煤礦巷道重點區(qū)域的多個智能粉塵傳感器節(jié)點組成，采用ZigBee無線組網(wǎng)方式，以20 m為間隔布設(shè)在巷道網(wǎng)格狀節(jié)點上。每個節(jié)點集成了CMJL03型粉塵濃度傳感器和PT100型溫度傳感器，測量范圍分別為0～1 000 mg/m3和-50～200 ℃，同時配備MSP430F5438A型低功耗微控制器和CC2530型無線收發(fā)器，實現(xiàn)傳感數(shù)據(jù)的采集與無線傳輸［3］。節(jié)點內(nèi)嵌自適應休眠喚醒機制，可根據(jù)粉塵濃度變化動態(tài)調(diào)整數(shù)據(jù)采樣頻率，在質(zhì)量濃度低于50 mg/m3時，以1次/min的頻率采樣，當質(zhì)量濃度超過200 mg/m3時提高至1次/s，在保證數(shù)據(jù)完整性的同時，可使節(jié)點電池壽命達到6個月以上。原始傳感數(shù)據(jù)經(jīng)模數(shù)轉(zhuǎn)換、特征提取、閾值過濾等預處理后，以數(shù)據(jù)幀的形式通過ZigBee自組網(wǎng)協(xié)議上傳至數(shù)據(jù)處理模塊。幀頭包含節(jié)點ID、時間戳等標識信息，有效載荷為粉塵質(zhì)量濃度、溫度等監(jiān)測值，為后續(xù)數(shù)據(jù)分析提供便利。

2.2.2數(shù)據(jù)處理模塊

數(shù)據(jù)處理模塊負責對采集的海量多源異構(gòu)數(shù)據(jù)進行清洗、融合、挖掘，最終為預警決策提供高質(zhì)量的信息支撐。該模塊以5臺DELL PowerEdge R940服務(wù)器為硬件平臺，搭載Windows Server 2019操作系統(tǒng)和SQL Server 2019數(shù)據(jù)庫，采用MapReduce并行計算框架和Storm流式處理框架，可實現(xiàn)每秒千萬級數(shù)據(jù)的實時處理［4］。

原始監(jiān)測數(shù)據(jù)首先經(jīng)過去重、插值、歸一化等一系列預處理操作，以提高數(shù)據(jù)質(zhì)量。然后，利用自適應加權(quán)融合算法對多傳感器數(shù)據(jù)進行融合，該算法基于模糊數(shù)學理論，通過計算各傳感器測量值與真值的接近程度，動態(tài)調(diào)整權(quán)重系數(shù)，使融合結(jié)果逼近最優(yōu)值。融合后的數(shù)據(jù)進一步通過增量學習的支持矢量機（SVM）模型進行異常檢測，實時識別超限數(shù)據(jù)和故障數(shù)據(jù)。同時，基于改進的Apriori關(guān)聯(lián)規(guī)則挖掘算法，深入分析多參量間的關(guān)聯(lián)特性，例如粉塵濃度與溫濕度、風速的相關(guān)性等，可為后續(xù)粉塵爆炸預警提供依據(jù)。最后，處理結(jié)果以JSON格式封裝后，通過WebSocket協(xié)議推送至數(shù)據(jù)展示與預警模塊，實現(xiàn)端到端的實時響應。

2.2.3數(shù)據(jù)展示與預警模塊

數(shù)據(jù)展示與預警模塊直接面向終端用戶，具備人機交互與輔助決策功能。該模塊以B/S架構(gòu)為基礎(chǔ)，結(jié)合HTML5、Vue.js等前沿Web技術(shù)，開發(fā)了一套可視化監(jiān)控平臺。系統(tǒng)部署在Intel Xeon Gold 6140處理器、128 GB DDR4內(nèi)存的高性能工作站上，并搭配4塊55英寸三星LTI550HN11液晶拼接屏，形成180°環(huán)幕顯示，為管理人員提供沉浸式的監(jiān)控體驗。

從數(shù)據(jù)處理模塊匯聚的實時數(shù)據(jù)，首先進入告警檢測引擎進行多規(guī)則匹配，根據(jù)預設(shè)的閾值條件，自動識別出異常數(shù)據(jù)和危險場景。當粉塵質(zhì)量濃度超過100 mg/m3時，觸發(fā)一級預警，系統(tǒng)彈窗提示，并通過語音播報通知現(xiàn)場人員及時撤離；當粉塵質(zhì)量濃度超過200 mg/m3，同時環(huán)境溫度高于30 ℃時，觸發(fā)二級預警，系統(tǒng)自動向總調(diào)度室發(fā)送短信和郵件，同步啟動通風、噴霧等防控措施。經(jīng)過智能過濾的監(jiān)測數(shù)據(jù)，再通過ECharts、WebGL等圖形庫渲染，生成柱狀圖、折線圖、熱力圖等多種可視化圖表，直觀展現(xiàn)粉塵質(zhì)量濃度的時空分布規(guī)律。用戶還可使用鼠標、觸控筆等交互設(shè)備，對三維煤礦模型進行平移、縮放、旋轉(zhuǎn)等操作，以便深入查看巷道內(nèi)部的粉塵云團演變情況。此外，為方便移動端管理，系統(tǒng)還提供了基于Android和iOS的跨平臺APP，管理人員可隨時隨地查看監(jiān)測數(shù)據(jù)和預警信息，真正實現(xiàn)了煤礦粉塵監(jiān)控的可視化、移動化和智能化。

3系統(tǒng)性能測試分析

3.1實驗方案

為評估設(shè)計的基于多傳感器融合的煤礦粉塵實時監(jiān)測系統(tǒng)的性能，本研究以某煤礦為實驗場所，開展了為期3個月的現(xiàn)場測試。實驗選取了該煤礦的3個典型巷道，分別為綜采工作面、掘進工作面和運輸巷道，每個巷道布設(shè)10個監(jiān)測節(jié)點，節(jié)點間距為20 m。在實驗期間，系統(tǒng)連續(xù)采集粉塵質(zhì)量濃度、溫濕度、風速等參數(shù)，采樣頻率設(shè)置為1次/min。同時，每天人工采集3次粉塵樣本，采用濾膜法測定其質(zhì)量濃度，作為評估系統(tǒng)測量準確性的參考依據(jù)。經(jīng)統(tǒng)計，實驗共采集到90萬條監(jiān)測數(shù)據(jù)和270個人工樣本。數(shù)據(jù)處理模塊采用Intel Xeon Gold 6148處理器和64 GB DDR4內(nèi)存，運行MATLAB R2020a和Python 3.7.3環(huán)境。融合算法的主要參數(shù)設(shè)置如下：卡爾曼濾波器的過程噪聲協(xié)方差為0.5，測量噪聲協(xié)方差為1.2；模糊邏輯控制器采用Mamdani推理方法，隸屬度函數(shù)為高斯型，解模糊采用重心法。數(shù)據(jù)展示與預警模塊基于Windows 10專業(yè)版操作系統(tǒng)，使用Visual Studio 2019開發(fā)，可視化庫選用OpenGL 4.5。實驗重點考察系統(tǒng)的測量準確性、響應時間等指標，通過與傳統(tǒng)方法的對比，評價多傳感器融合技術(shù)在煤礦粉塵監(jiān)測中的應用效果。

3.2測試結(jié)果討論分析

實驗期間，系統(tǒng)運行穩(wěn)定，各項功能正常。實驗結(jié)果如下：首先，工作面的粉塵質(zhì)量濃度普遍高于運輸巷道，尤其是在綜采工作面，平均質(zhì)量濃度達到了173.5 mg/m3，超過了國家規(guī)定的煤礦粉塵最高容許質(zhì)量濃度（150 mg/m3）。對比人工濾膜法測定的結(jié)果，系統(tǒng)測量值的相對誤差均控制在±8%以內(nèi)，符合煤安標準要求（AQ 1029—2019）。這主要得益于多傳感器融合算法，有效克服了單一傳感器易受干擾、易漂移等缺陷。此外，監(jiān)測節(jié)點從采集到上傳數(shù)據(jù)的平均時延為1.5 s，95%的數(shù)據(jù)能在2 s內(nèi)完成傳輸；數(shù)據(jù)處理模塊對數(shù)據(jù)的清洗、融合、挖掘等操作平均耗時4.3 s，最長不超過6 s；預警信息的生成和推送平均需要1.2 s?？偟膩砜?，從粉塵數(shù)據(jù)采集到預警信息發(fā)布，系統(tǒng)的端到端響應時間優(yōu)于10 s，達到了實時監(jiān)測的目標。傳感器節(jié)點的低功耗設(shè)計和分布式并行計算架構(gòu)，是保障系統(tǒng)快速響應的關(guān)鍵。實驗期間系統(tǒng)運行連續(xù)性達99.95%，僅出現(xiàn)2次短暫離線，累計中斷時間不足30 min，快速恢復并未影響監(jiān)測任務(wù)，體現(xiàn)了良好的容錯能力和可靠性。

4結(jié)語

設(shè)計的基于多傳感器融合的煤礦粉塵實時監(jiān)測系統(tǒng)，顯著提高了粉塵質(zhì)量濃度監(jiān)測的準確性和實時性，經(jīng)實驗驗證了其在復雜礦井環(huán)境中的有效性。系統(tǒng)通過多傳感器數(shù)據(jù)融合、實時異常檢測和預警功能，提升了煤礦安全管理水平。

參考文獻：

［1］顏杰，王曉東，張禹，等.哈爾烏素露天煤礦粉塵監(jiān)測與防治策略實踐［J］.中國煤炭，2023，49（增刊1）：71-76.

［2］劉燕平.露天煤礦粉塵濃度現(xiàn)場監(jiān)測系統(tǒng)研究［J］.山西化工，2022，42（8）：181-182，185.

［3］孔亮，康亞偉.基于物聯(lián)網(wǎng)煤礦粉塵濃度監(jiān)測預警系統(tǒng)的設(shè)計研究［J］.山東煤炭科技，2022，40（10）：106-108，111.

［4］李淋.露天煤礦粉塵天空地一體化監(jiān)測技術(shù)及應用研究［D］.北京：中國礦業(yè)大學（北京），2022.

作者簡介：申鵬坤，男，甘肅華亭人，采礦工程師，本科，研究方向：煤炭開采、煤礦“一通三防”。