程加堂 華 靜 艾 莉 熊 燕

（紅河學(xué)院工學(xué)院，云南 蒙自 661199）

礦井安全監(jiān)測(cè)多源信息融合方法的研究

程加堂 華 靜 艾 莉 熊 燕

（紅河學(xué)院工學(xué)院，云南 蒙自 661199）

為了提高礦井安全監(jiān)測(cè)的準(zhǔn)確性，引入了一種基于改進(jìn)證據(jù)理論的多源信息融合方法。該方法根據(jù)礦井四個(gè)不同空間域的特征信息，利用粒子群優(yōu)化算法來(lái)構(gòu)建礦井安全的初級(jí)識(shí)別模型，再由證據(jù)理論進(jìn)行信息融合，實(shí)現(xiàn)對(duì)安全狀況的判斷。同時(shí)引入證據(jù)可信度，對(duì)初級(jí)識(shí)別模型的輸出結(jié)果進(jìn)行修正。試驗(yàn)結(jié)果表明，該方法在原始證據(jù)相一致以及出現(xiàn)高度沖突的情況下都具有較高的識(shí)別效果，實(shí)現(xiàn)了對(duì)礦井安全狀態(tài)的有效監(jiān)測(cè)。

改進(jìn)證據(jù)理論 粒子群優(yōu)化算法 證據(jù)可信度 信息融合 安全監(jiān)測(cè)

0 引言

礦井的安全問(wèn)題一直是煤炭行業(yè)安全生產(chǎn)的重中之重。然而，現(xiàn)階段國(guó)內(nèi)礦井中所采用的安全監(jiān)測(cè)系統(tǒng)往往是僅對(duì)某個(gè)參數(shù)進(jìn)行監(jiān)測(cè)［1］，無(wú)法得到礦井大氣中瓦斯含量、風(fēng)速、溫度以及粉塵濃度等參數(shù)的分布情況。此外，當(dāng)某個(gè)傳感器由于種種原因而出現(xiàn)功能失效時(shí)，該區(qū)域?qū)?huì)成為礦井安全監(jiān)測(cè)的盲點(diǎn)。因此，采用多傳感器對(duì)多源信息進(jìn)行監(jiān)測(cè)是提高礦井安全監(jiān)測(cè)水平的必要手段。

本文利用文獻(xiàn)［2］所提出的一種改進(jìn)證據(jù)理論算法，對(duì)礦井安全監(jiān)測(cè)系統(tǒng)的多源數(shù)據(jù)進(jìn)行信息融合［3－4］。通過(guò)利用證據(jù)之間相容性的概念，確定出各證據(jù)的可信度，并將該可信度作為權(quán)重因子，對(duì)原始證據(jù)進(jìn)行修正。再由證據(jù)理論的Dampster合成規(guī)則進(jìn)行數(shù)據(jù)融合，有效地提高了礦井安全監(jiān)測(cè)的準(zhǔn)確性。

1 證據(jù)理論的改進(jìn)

1.1 改進(jìn)算法

設(shè)m1、m2為辨識(shí)框架Θ的基本概率賦值函數(shù)，則Dempster合成規(guī)則［5］為：

定義1 設(shè)辨識(shí)框架 Θ={A1，A2，…，An}，對(duì)?Ak，兩條證據(jù)的基本概率賦值分別為 mi（Ak）、mj（Ak），則相容系數(shù)為：

顯然，Rij（Ak）=Rji（Ak）。此外，當(dāng)一條證據(jù)支持命題Ak，另一條完全否定Ak時(shí)，Rij（Ak）=0，說(shuō)明這兩條證據(jù)高度沖突；而當(dāng)mi（Ak）=mj（Ak）時(shí)，Rij（Ak）= 1，表明該兩條證據(jù)對(duì)命題Ak的支持程度完全一致。

對(duì)于n條證據(jù)，根據(jù)相容系數(shù)的定義，可得命題Ak的相容矩陣為：

由于Rij（Ak）?［0，1］，說(shuō)明證據(jù)間既存在著一定的沖突性，又具有一定的相容性。

定義2 絕對(duì)相容度定義為：Ri（Ak）= ∑n

j=1，i≠jRij（Ak） （4）

由于理想狀態(tài)下各條證據(jù)間具有高度統(tǒng)一性，此時(shí)相容系數(shù)等于1，即理想相容度為（n－1），則該證據(jù)對(duì)命題Ak的可信度定義為：

將計(jì)算出的可信度αi作為該條證據(jù)對(duì)命題Ak的權(quán)重，對(duì)原始證據(jù)的基本概率賦值mi（Aj）進(jìn)行修正，修正后的BPA為m′i（Aj），再由Dempster合成規(guī)則進(jìn)行信息融合。修正公式為：

1.2 算例分析

已知辨識(shí)框架Θ={A，B，C}，3條證據(jù)m1、m2和m3的基本概率賦值為：m1（A）=0.95，m1（B）=0.05，m1（C）=0；m2（A）=0.98，m2（B）=0.01，m2（C）=0.01；m3（A）=0，m3（B）=0.1，m3（C）=0.9。現(xiàn)分別采用本文方法、Dempster法、Yager法以及李弼程法［6］進(jìn)行信息融合，結(jié)果如表1所示。

表1 融合結(jié)果比較Tab.1 Com parison of fusion results

由于存在傳感器檢測(cè)功能失效等問(wèn)題，證據(jù)3錯(cuò)誤得出了以概率0.90支持命題C的結(jié)論。從表1可以看出，Dempster法將結(jié)論完全鎖定在命題B上，支持命題A和C的概率為0，顯然與事實(shí)不符，凸顯了證據(jù)理論合成高沖突證據(jù)時(shí)的局限性。而 Yager法以0.999 9的概率將融合結(jié)果納入了不確定性，融合結(jié)論過(guò)于保守。雖然李弼程法通過(guò)將沖突概率按照各命題的加權(quán)進(jìn)行分配，以解決沖突證據(jù)間的合成問(wèn)題，但支持命題A的可信度僅為0.498 3，收斂的速度較慢，需要多條支持命題A的證據(jù)才能消除證據(jù)3的錯(cuò)誤影響。本文改進(jìn)算法通過(guò)綜合考慮證據(jù)間的沖突性與相容性，不僅可以融合高沖突證據(jù)，而且具有較快的收斂速度，此時(shí)支持命題A的可信度為0.708 1。

2 礦井安全檢測(cè)系統(tǒng)模型

2.1 系統(tǒng)結(jié)構(gòu)框架

首先，對(duì)礦井4個(gè)數(shù)據(jù)采樣地點(diǎn)（采煤工作面、礦井回風(fēng)巷、礦井進(jìn)風(fēng)巷和掘進(jìn)工作面）中的瓦斯含量（％）、氧氣含量（％）、風(fēng)速（m/s）、溫度（℃）和粉塵濃度（mg/m3）5種傳感器所檢測(cè)的原始數(shù)據(jù)進(jìn)行去噪處理，構(gòu)造出基本概率賦值函數(shù)，以對(duì)礦井安全狀態(tài)進(jìn)行初級(jí)監(jiān)測(cè)。

將輸出結(jié)果進(jìn)行歸一化處理，作為多個(gè)證據(jù)體的子空間，以從不同側(cè)面反映出礦井的安全狀況。然后由改進(jìn)證據(jù)理論完成多證據(jù)的信息融合，最終實(shí)現(xiàn)對(duì)礦井安全水平的監(jiān)測(cè)。系統(tǒng)結(jié)構(gòu)框圖［7］如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)框圖Fig.1 Structure of the system

2.2 初級(jí)監(jiān)測(cè)模塊的構(gòu)造

系統(tǒng)采用帶變異操作的異步變化學(xué)習(xí)因子粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法作為4個(gè)采樣地點(diǎn)的初級(jí)安全監(jiān)測(cè)模塊。算法簡(jiǎn)述［8］如下。

隨機(jī)初始化一群微粒，并設(shè)d維搜索空間中的第i個(gè)粒子的位置和速度分別表示為Xi=（xi1，xi2，…，xid）和Vi=（vi1，vi2，…，vid）。通過(guò)評(píng)價(jià)各粒子的目標(biāo)函數(shù)，確定各粒子所經(jīng)過(guò)的最佳位置pi以及群體所發(fā)現(xiàn)的最佳位置pg，并對(duì)各粒子進(jìn)行速度和位置的更新。

vid（k+1）=wvid（k）+c1r1［pid（k）－xid（k）］+

式中：c1，ini、c2，ini分別表示c1和c2的初始值；c1，fin、c2，fin分別表示c1和c2的迭代終值；kmax為最大迭代步數(shù)。

變異操作通過(guò)設(shè)定某個(gè)概率值，使一些變量按照該值進(jìn)行初始化，以提高算法搜索出全局最優(yōu)解的可能性［9］。

2.3 礦井安全狀況評(píng)價(jià)

利用上述粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法對(duì)4個(gè)數(shù)據(jù)采樣地點(diǎn)的礦井安全狀態(tài)進(jìn)行評(píng)價(jià)，并將評(píng)價(jià)結(jié)果作為獨(dú)立的證據(jù)體，采用文中改進(jìn)證據(jù)理論進(jìn)行多源信息

式中：w為慣性權(quán)重；c1、c2為學(xué)習(xí)因子；r1、r2為區(qū)間（0，1）上的隨機(jī)數(shù)；k為當(dāng)前迭代步數(shù)。

為了增強(qiáng)粒子群算法的全局搜索能力，引入帶變異操作的異步變化學(xué)習(xí)因子算法。學(xué)習(xí)因子的變化公式為：融合，得出最終的礦井安全狀態(tài)的監(jiān)測(cè)結(jié)論。在信息融合時(shí)，選擇最大可信度所對(duì)應(yīng)的命題作為最終評(píng)價(jià)結(jié)果。

3 應(yīng)用實(shí)例

通過(guò)在礦井巷道中的適當(dāng)位置安裝瓦斯?jié)舛取L(fēng)速等傳感器，以對(duì)各參數(shù)進(jìn)行實(shí)時(shí)測(cè)量，并利用多源信息融合技術(shù)來(lái)判斷礦井的安全狀況。根據(jù)阜新礦業(yè)集團(tuán)某煤礦井下所收集的特征數(shù)據(jù)［10］，如表2所示，構(gòu)建基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的初級(jí)監(jiān)測(cè)模型，以對(duì)不同時(shí)刻的采樣數(shù)據(jù)進(jìn)行時(shí)間域的初級(jí)安全監(jiān)測(cè)。在仿真試驗(yàn)時(shí)，初級(jí)監(jiān)測(cè)模型的主要參數(shù)設(shè)置為：種群規(guī)模40，學(xué)習(xí)因子 c1，ini=2.5、c1，fin=0.5、c2，ini=0.5、c2，fin= 2.5，最大迭代次數(shù)50，變異概率p=0.80。將礦井安全級(jí)別（安全、較安全、一般、危險(xiǎn)，分別用Ⅰ、Ⅱ、Ⅲ、Ⅳ表示）構(gòu)成安全監(jiān)測(cè)的辨識(shí)框架Θ= {y1，y2，y3，y4}。同時(shí)，定義安全等級(jí)的編碼規(guī)則：安全（1000）、較安全（0100）、一般（0010）、危險(xiǎn)（0001）。

表2 監(jiān)測(cè)數(shù)據(jù)Tab.2 Monitoring data

將初級(jí)安全監(jiān)測(cè)模型的輸出結(jié)果進(jìn)行歸一化處理（為了便于區(qū)分，處理結(jié)果即證據(jù)分別用m1、m2、m3和m4表示。），然后用本文所述改進(jìn)證據(jù)理論算法進(jìn)行空間域的信息融合，所得到的仿真結(jié)果以及對(duì)各證據(jù)的可信度分別如表3、表4所示。

從表3可以看出，如果僅從數(shù)據(jù)采樣地點(diǎn)進(jìn)行安全監(jiān)測(cè)，其可信度較低，甚至無(wú)法有效識(shí)別出礦井的安全級(jí)別，如樣本二中的證據(jù)m2。對(duì)于樣本一，除了采煤工作面的安全識(shí)別水平較低外，其他3個(gè)監(jiān)測(cè)地點(diǎn)的辨識(shí)效果相對(duì)較好。在采用Dempster法進(jìn)行空間域的信息融合后，通過(guò)強(qiáng)化各證據(jù)所支持的結(jié)論，合成結(jié)果的可信度明顯加強(qiáng)，達(dá)到了0.990 4。而對(duì)于樣本二這種高沖突證據(jù)間的信息融合問(wèn)題，Dempster法得出了礦井安全級(jí)別為Ⅲ級(jí)的錯(cuò)誤結(jié)論。由于Yager法將沖突證據(jù)信息納入了不確定性，使得兩個(gè)樣本的識(shí)別結(jié)論完全錯(cuò)誤。盡管李弼程法的識(shí)別結(jié)果完全正確，但在合成一致證據(jù)時(shí)存在發(fā)散現(xiàn)象，如樣本一；而在合成高沖突證據(jù)時(shí)，其收斂的速度相對(duì)較慢，此時(shí)可信度為0.603 0。而采用本文改進(jìn)算法進(jìn)行多源信息融合，增強(qiáng)了礦井安全級(jí)別的區(qū)分性。對(duì)于證據(jù)間一致的合成情況，得出正確結(jié)論的可信度比Dempster法稍微低些，為0.965 9；而對(duì)于樣本二，該方法消除了初級(jí)安全監(jiān)測(cè)模型輸出結(jié)果的不一致性，可信度大于李弼程法識(shí)別結(jié)果的相應(yīng)值，從而驗(yàn)證了該方法的有效性。

表3 仿真結(jié)果比較Tab.3 Com parison of sim ulation results

表4 各證據(jù)的可信度Tab.4 Credibility of the evidences

4 結(jié)束語(yǔ)

本文綜合利用礦井安全監(jiān)測(cè)系統(tǒng)4個(gè)數(shù)據(jù)采樣地點(diǎn)的特征信息，采用改進(jìn)證據(jù)理論進(jìn)行多源信息融合。通過(guò)綜合考慮證據(jù)間的相容性與沖突性，較好地解決了高沖突證據(jù)間合成問(wèn)題，降低了不良證據(jù)對(duì)最終安全監(jiān)測(cè)結(jié)論的影響，提高了結(jié)果的可信度。

鑒于高沖突證據(jù)間的信息融合問(wèn)題迄今沒(méi)有徹底解決，文中改進(jìn)算法也存在一些缺陷。如當(dāng)證據(jù)的數(shù)目大于4時(shí)，該方法的計(jì)算量會(huì)隨之加大，但為少量證據(jù)間的融合問(wèn)題提供了一種新的思路。

［1］孫延飛，李智超，王靜，等.多傳感器數(shù)據(jù)融合在煤礦安全監(jiān)測(cè)中的應(yīng)用［J］.煤礦安全，2012，43（1）：102－104.

［2］李玲玲，馬東娟，王成山，等.DS證據(jù)理論沖突處理新方法［J］.計(jì)算機(jī)應(yīng)用研究，2011，28（12）：4528－4531.

［3］鄧軍，肖旸，陳曉坤，等.礦井火災(zāi)多源信息融合預(yù)警方法的研究［J］.采礦與安全工程學(xué)報(bào)，2011，28（4）：638－643.

［4］程華，杜思偉，徐萃華，等.基于DS證據(jù)的信息融合算法多指標(biāo)融合［J］.華東理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，37（4）：483－486.

［5］程加堂，艾莉，段志梅.改進(jìn)證據(jù)理論與神經(jīng)網(wǎng)絡(luò)集成的變壓器故障診斷［J］.電力系統(tǒng)保護(hù)與控制，2013，41（14）：92－96.

［6］徐春梅，張浩，彭道剛.基于改進(jìn)D-S的汽輪機(jī)組集成故障診斷研究［J］.系統(tǒng)仿真學(xué)報(bào)，2011，23（10）：2190－2194，2199.

［7］韓麗，史麗萍.基于信息融合技術(shù)的異步電機(jī)故障診斷研究［J］.中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2010，39（2）：178－184.

［8］雷浩轄，劉念，崔東君，等.基于GA與PSO混合優(yōu)化FCM聚類(lèi)的變壓器故障診斷［J］.電力系統(tǒng)保護(hù)與控制，2011，39（22）：52－56.

［9］程加堂，張輝，徐紹坤.基于證據(jù)理論的煤礦瓦斯涌出組合預(yù)測(cè)［J］.中國(guó)安全科學(xué)學(xué)報(bào)，2012，22（1）：106－111.

［10］付華，聶小芳.基于粗糙集和D-S證據(jù)理論的信息融合技術(shù)應(yīng)用研究［J］.傳感器與微系統(tǒng)，2010，29（6）：18－20，24.

Study on Multi-source Information Fusion Method for Coal Mine Safety Monitoring

To enhance the accurateness of coalmine safetymonitoring，themulti-source information fusionmethod based on improved evidence theory is introduced.In accordancewith the characteristic information in four different spatial domains，by adopting particle swarm optimization algorithm，the primary recognition model of coalmine safety is established；then information fusion is conducted by evidence theory，to judge the security conditions.In addition，the evidence credibility is introduced，for correcting the output resultof the primary recognitionmodel.The experimental results show that the method provides higher recognition effects in both conditions of original evidence is highly conflict or consistent，thus effective safety monitoring can be implemented for coalmine.

Improved evidence theory Particle swarm optimization algorithm Evidence credibility Information fusion Safety monitoring

TD76

A

修改稿收到日期：2013－12－21。

程加堂（1976－），男，2007年畢業(yè)于昆明理工大學(xué)控制理論與控制工程專(zhuān)業(yè)，獲碩士學(xué)位，副教授；主要從事復(fù)雜系統(tǒng)建模、信息融合技術(shù)方面的研究。