盧曉輝，鄭廣鵬，龐哲銘

（1.鞍鋼集團(tuán)礦業(yè)弓長嶺有限公司露采分公司，遼寧遼陽，111008；2.遼寧工業(yè)大學(xué) 電子與信息工程學(xué)院，遼寧錦州，121001）

0 引言

近年來礦場安全問題逐漸成為人們所關(guān)心的問題，保障礦場工作人員的在生產(chǎn)中的安全和健康是尤為重要的，通過分析和預(yù)測礦場生產(chǎn)中的危險(xiǎn)因素，及時(shí)進(jìn)行事故預(yù)防，提高礦山開采的安全性。

當(dāng)?shù)V區(qū)的重大危險(xiǎn)源風(fēng)險(xiǎn)評(píng)級(jí)、視頻采集監(jiān)測數(shù)據(jù)或者采挖區(qū)域的安全隱患智能分析結(jié)果出現(xiàn)異常時(shí)，通過對(duì)異構(gòu)數(shù)據(jù)融合提出了鐵礦關(guān)鍵區(qū)域參數(shù)全面采集、多元信息共網(wǎng)傳輸新方法，為礦區(qū)監(jiān)控預(yù)警系統(tǒng)安全無故障運(yùn)行提供了技術(shù)保障；構(gòu)建了自動(dòng)化、信息化、智能化預(yù)警平臺(tái)，平臺(tái)具備故障自診斷、高靈敏、響應(yīng)時(shí)間短、標(biāo)校周期長、抗干擾等功能，使預(yù)警準(zhǔn)確率提升。在地圖上實(shí)時(shí)上報(bào)預(yù)警，可以通過預(yù)警展示，獲取預(yù)警產(chǎn)生的位置、預(yù)警所在礦區(qū)評(píng)定的風(fēng)險(xiǎn)等級(jí)、安全承諾情況以及未消警的數(shù)量，這些信息可以作為故障根源所持依據(jù)。實(shí)時(shí)事件列表按時(shí)間順序?qū)ψ罱蠄?bào)的預(yù)警進(jìn)行展示，可以在此獲取第一手的預(yù)警信息，從而為安全生產(chǎn)提供有力支撐。對(duì)此張建峰提出一種基于計(jì)算機(jī)信息網(wǎng)絡(luò)技術(shù)的煤礦安全管理監(jiān)測預(yù)警系統(tǒng)，實(shí)現(xiàn)了礦區(qū)安全監(jiān)測[1]。王煥用zigbee 構(gòu)建安全監(jiān)測系統(tǒng)，實(shí)現(xiàn)環(huán)境參數(shù)的實(shí)時(shí)監(jiān)測[2]。以上方法的礦場監(jiān)控系統(tǒng)都是獨(dú)立運(yùn)作，監(jiān)控系統(tǒng)之間不能實(shí)現(xiàn)信息共享，因此提出了一種基于多傳感器數(shù)據(jù)融合的礦場監(jiān)測系統(tǒng)，通過BS922 網(wǎng)關(guān)節(jié)點(diǎn)將傳感器采集到的數(shù)據(jù)傳輸?shù)皆贫朔?wù)器，實(shí)現(xiàn)礦場的安全監(jiān)測及管理。

1 數(shù)據(jù)采集及處理

1.1 數(shù)據(jù)采集

鞍本地區(qū)是我國重要的鐵礦石生產(chǎn)基地，鐵礦資源豐富，開發(fā)歷史早，開采時(shí)間長，開發(fā)強(qiáng)度大，給已有礦山的深部鐵礦資源開采利用帶來極大困難和安全威脅，其中尤以露天鐵礦最為典型，特別是其中的何家采區(qū)。圍繞非煤礦山等高危行業(yè)的安全生產(chǎn)重大風(fēng)險(xiǎn)，通過異種結(jié)構(gòu)的監(jiān)測數(shù)據(jù)進(jìn)行融合，模型綜合運(yùn)用多元異構(gòu)數(shù)據(jù)融合的方法預(yù)測事故發(fā)生的時(shí)間并能及時(shí)響應(yīng)，提高事故預(yù)報(bào)的準(zhǔn)確性和時(shí)間效率，突破了現(xiàn)有預(yù)測系統(tǒng)適用性不高的問題，從而最大限度地降低事故對(duì)經(jīng)濟(jì)的損失和對(duì)人員的危害。

隨著工業(yè)的不斷推進(jìn)，鐵礦露采作業(yè)綜合自動(dòng)化的不斷進(jìn)步，露天鐵礦的監(jiān)測技術(shù)仍存在一些不足。例如：對(duì)地形地貌和周邊環(huán)境因素認(rèn)識(shí)不足；與自動(dòng)監(jiān)測相結(jié)合的方法使用不夠充分；監(jiān)測重點(diǎn)不夠突出，監(jiān)測效率低；數(shù)據(jù)處理和融合手段較為單一；預(yù)報(bào)模型不夠完善等。

何家采區(qū)露天鐵礦開采作業(yè)區(qū)域地形構(gòu)成復(fù)雜，作業(yè)流程主要涵蓋勘探、采掘、運(yùn)輸、裝卸等，整體過程簡單粗放，地形環(huán)境隨作業(yè)進(jìn)程動(dòng)態(tài)變化，都將直接影響露采作業(yè)安全。針對(duì)以上問題，急需對(duì)露天鐵礦開采、運(yùn)輸及管理過程進(jìn)行實(shí)時(shí)監(jiān)測，提供多元、多維、異構(gòu)數(shù)據(jù)融合跟蹤技術(shù)，故障預(yù)測模型，對(duì)地表結(jié)構(gòu)姿態(tài)預(yù)警判斷，為礦區(qū)安全生產(chǎn)排除故障隱患。在采區(qū)作業(yè)區(qū)域，采集到的圖像、位置數(shù)據(jù)、落差數(shù)據(jù)、震動(dòng)信息、應(yīng)力應(yīng)變數(shù)據(jù)、坡度數(shù)據(jù)、角度數(shù)據(jù)等具有動(dòng)態(tài)性、多元性、相關(guān)性、非線性、高維、數(shù)據(jù)量大等特征，對(duì)這些數(shù)據(jù)進(jìn)行采集、存儲(chǔ)、管理、處理和綜合應(yīng)用，以便能夠精確地監(jiān)測[3]。

假設(shè)有m 個(gè)傳感器對(duì)個(gè)N 目標(biāo)進(jìn)行跟蹤，每個(gè)目標(biāo)的運(yùn)動(dòng)方程為：

式(1)中，k 表示觀測時(shí)刻，i=1，2，...，N，表示的目標(biāo)的編號(hào)，?為狀態(tài)驅(qū)動(dòng)矩陣，ωi(k)表示均值為0，方差為Qi的過程噪聲。第j 個(gè)傳感器對(duì)第i 個(gè)目標(biāo)觀測方程為：

式(2)中v i(k) 表示均值為0，方差為觀測噪聲，且與過程噪聲ωi(k)不相關(guān)。

1.2 傳感器數(shù)據(jù)跟蹤及處理

卡爾曼濾波是一種常用于目標(biāo)跟蹤的算法。它利用測量數(shù)據(jù)和模型來估計(jì)目標(biāo)狀態(tài)，并根據(jù)估計(jì)結(jié)果不斷調(diào)整模型，以提高跟蹤精度?？柭鼮V波的基本原理是利用狀態(tài)方程和觀測方程來描述目標(biāo)運(yùn)動(dòng)和測量信息，然后通過二者之間的關(guān)系進(jìn)行濾波計(jì)算，得到對(duì)目標(biāo)狀態(tài)的最優(yōu)估計(jì)。濾波過程中，卡爾曼濾波器不斷更新預(yù)測狀態(tài)和測量狀態(tài)之間的誤差協(xié)方差矩陣，從而實(shí)現(xiàn)對(duì)目標(biāo)運(yùn)動(dòng)的更精確的估計(jì)和跟蹤。在實(shí)際應(yīng)用中，卡爾曼濾波通常與目標(biāo)檢測、圖像處理等技術(shù)相結(jié)合，用于實(shí)現(xiàn)高精度的目標(biāo)跟蹤。

在測量更新擬通過迭代求解從而優(yōu)化了濾波增益的計(jì)算，由于存在環(huán)境噪聲影響，會(huì)影響濾波估計(jì)的效率。因此引入自適應(yīng)遺忘因子，實(shí)時(shí)修正一步預(yù)測協(xié)方差矩陣，以修正濾波增益矩陣，提升算法目標(biāo)跟蹤效率。計(jì)算修正后的一步預(yù)測協(xié)方差矩陣：

其中λk為k時(shí)刻引入的遺忘因子。測量協(xié)方差矩陣為：

當(dāng)跟蹤目標(biāo)存在不確定性的情況下，測量協(xié)方差矩陣將會(huì)增加。

其中ηk=Yk-是測量殘差，0≤ρ≤ 1是由系統(tǒng)數(shù)據(jù)而確定的權(quán)重系數(shù)，和Λk之間的關(guān)系為：

引入自適應(yīng)遺忘因子后改進(jìn)的算法更新步驟為：

引入遺忘因子后的協(xié)方差矩陣：

協(xié)方差矩陣：

計(jì)算遺忘因子：

卡爾曼增益：

目標(biāo)狀態(tài)更新：

狀態(tài)協(xié)方差矩陣：

如圖1、2 所示，在數(shù)據(jù)跟蹤中會(huì)產(chǎn)生誤差，引入自適應(yīng)遺忘因子，實(shí)時(shí)修正一步預(yù)測協(xié)方差矩陣，降低跟蹤誤差，從而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤和觀測。

圖2 數(shù)據(jù)跟蹤誤差圖

2 多源數(shù)據(jù)融合

2.1 數(shù)據(jù)選擇

隨著大數(shù)據(jù)時(shí)代的來臨，每時(shí)每刻都產(chǎn)生著數(shù)以億計(jì)的數(shù)據(jù)?；诤Ａ繑?shù)據(jù)，人們需要從中提取有用的信息來了解甚至指導(dǎo)人們的日常生活和工作。因此，要進(jìn)行多源數(shù)據(jù)融合首先要進(jìn)行數(shù)據(jù)選擇，為了避免影響數(shù)據(jù)融合結(jié)果要選擇出正確的數(shù)據(jù)。

2.2 多傳感器信息融合

多傳感器信息融合[4]，它突破單一傳感器信息表達(dá)的局限性，有利于對(duì)事物的判斷和決策，從而實(shí)現(xiàn)對(duì)礦場安全的監(jiān)測和預(yù)警處理。

如圖3 所示，傳統(tǒng)的多傳感器數(shù)據(jù)融合方案中，一般是通過指定的傳感器對(duì)所需要的數(shù)據(jù)信息進(jìn)行采集，然后直接在融合中心對(duì)所有的數(shù)據(jù)進(jìn)行預(yù)處理、剔除野值、提取特征向量、加權(quán)求平均操作后得出一個(gè)均值，將這個(gè)均值與監(jiān)控中心的閾值進(jìn)行比較，進(jìn)而判斷是否有危險(xiǎn)的發(fā)生。如此多的傳感器采集到的信息數(shù)據(jù)量特別大，將會(huì)降低系統(tǒng)的運(yùn)行速度，且這種方法只對(duì)同源信息進(jìn)行判斷，得到的信息維度比較單一，未將多元信號(hào)考慮進(jìn)來，導(dǎo)致決策的準(zhǔn)確率較低。

經(jīng)過上述分析可知，傳統(tǒng)的多傳感器數(shù)據(jù)融合方法存在著檢測精度低、計(jì)算量大且復(fù)雜的缺陷。因此，本文設(shè)計(jì)了一種多傳感器梯度數(shù)據(jù)融合模型來解決現(xiàn)有技術(shù)存在的缺陷。在傳感器與融合中心之間設(shè)計(jì)一個(gè)中間站，將傳感器采集到的數(shù)據(jù)信息上傳至中間站進(jìn)行預(yù)處理，刪除支持度較低的數(shù)據(jù)。并通過最小二乘法在中間站對(duì)處理后的數(shù)據(jù)進(jìn)行局部融合，得到最優(yōu)的融合數(shù)據(jù)。該方法綜合了多維度信號(hào)來判斷礦山危險(xiǎn)的發(fā)生情況，能夠提高識(shí)別的準(zhǔn)確率。圖4 為本文設(shè)計(jì)的多傳感器梯度數(shù)據(jù)融合模型。

圖4 多傳感器梯度數(shù)據(jù)融合模型流程圖

3 無線傳感器網(wǎng)絡(luò)

無線傳感器網(wǎng)絡(luò)（WSN）是指一組在空間上分散且專用的傳感器，從某種意義上說，它們類似于無線自組織網(wǎng)絡(luò)，它們依賴于無線連接和網(wǎng)絡(luò)的自發(fā)形成。WSN 是空間分布的自主傳感器，用于監(jiān)視物理或環(huán)境條件，并將其數(shù)據(jù)通過網(wǎng)絡(luò)協(xié)作傳遞到主要位置。無線傳感器網(wǎng)絡(luò)的發(fā)展是受軍事應(yīng)用的推動(dòng)。如今，此類網(wǎng)絡(luò)已用于許多工業(yè)和消費(fèi)者應(yīng)用中，例如工業(yè)過程監(jiān)視和控制、機(jī)器運(yùn)行狀況監(jiān)視等[5～6]。

WSN 由“節(jié)點(diǎn)”構(gòu)成從幾到幾百甚至幾千，其中每個(gè)節(jié)點(diǎn)都連接到一個(gè)（有時(shí)是幾個(gè)）傳感器。每一個(gè)這樣的傳感器網(wǎng)絡(luò)節(jié)點(diǎn)通常具有幾個(gè)部分：一個(gè)無線電收發(fā)信機(jī)與內(nèi)部天線或連接到外部天線、微控制器，用于與所述傳感器和能量源，通常是一個(gè)接口的電子電路的電池或嵌入的形式能量收集。傳感器節(jié)點(diǎn)的成本從幾美元到幾百美元不等，具體取決于各個(gè)傳感器節(jié)點(diǎn)的復(fù)雜性。傳感器節(jié)點(diǎn)的大小和成本約束導(dǎo)致相應(yīng)的約束WSN 的拓?fù)浣Y(jié)構(gòu)可以從簡單的星形網(wǎng)絡(luò)到高級(jí)的多跳無線網(wǎng)狀網(wǎng)絡(luò)，而在網(wǎng)絡(luò)的各跳之間的傳播技術(shù)可以是路由或洪泛[7～8]。

4 系統(tǒng)設(shè)計(jì)

本設(shè)計(jì)由一組硬件節(jié)點(diǎn)負(fù)責(zé)采集傳感器數(shù)據(jù)，通過移動(dòng)通信網(wǎng)絡(luò)使用BeeNet 協(xié)議與云端服務(wù)器進(jìn)行通信。云端服務(wù)器負(fù)責(zé)存儲(chǔ)和分析數(shù)據(jù)。

硬件電路單片機(jī)電路圖如圖5 所示。

圖5 單片機(jī)最小系統(tǒng)

系統(tǒng)基于1 個(gè)BeeLPW-T 無線傳感器網(wǎng)絡(luò)，該無線傳感器網(wǎng)絡(luò)由2 類不同的節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)都有各自的職責(zé)和特點(diǎn)。

（1）網(wǎng)關(guān)節(jié)點(diǎn)。單個(gè)節(jié)點(diǎn)，負(fù)責(zé)接收從無線傳感器節(jié)點(diǎn)發(fā)送的消息，并將其傳輸?shù)皆贫朔?wù)器。

（2）無線傳感器節(jié)點(diǎn)。多個(gè)節(jié)點(diǎn)，負(fù)責(zé)收集傳感器信息，并將其發(fā)送給BS922 網(wǎng)關(guān)。

系統(tǒng)整體架構(gòu)如圖6 所示。由于露天開采礦場的土體或者巖體，會(huì)受到開采、震動(dòng)、雨水等外力影響，容易造成坍塌。當(dāng)坍塌發(fā)生時(shí)會(huì)有土體或者巖體的移動(dòng)，這時(shí)傳感器就會(huì)進(jìn)行感應(yīng)和檢測。在采區(qū)作業(yè)區(qū)域有多個(gè)傳感器節(jié)點(diǎn)，負(fù)責(zé)將收集到的數(shù)據(jù)通過BS922 網(wǎng)關(guān)傳輸給云端服務(wù)器，云端服務(wù)器監(jiān)測數(shù)據(jù)的變化，并在數(shù)據(jù)達(dá)到指定閾值時(shí)進(jìn)行報(bào)警[9～10]。

圖6 系統(tǒng)整體架構(gòu)流程圖

本文所用的網(wǎng)關(guān)選用BS922 無線網(wǎng)關(guān)，可以借助無線網(wǎng)絡(luò)將傳感器采集的數(shù)據(jù)入網(wǎng)并傳回指定的數(shù)據(jù)中心。

BS922 無線網(wǎng)關(guān)的優(yōu)點(diǎn)：

（1）CPU 運(yùn)行頻率高達(dá)454MHZ，處理能力強(qiáng)；

（2）支持遠(yuǎn)程無線更新內(nèi)部程序；

（3）兼容IPV4 和IPV6（雙棧）；

云端服務(wù)器接收數(shù)據(jù)并進(jìn)行預(yù)警判斷，搭建安全預(yù)警平臺(tái)實(shí)時(shí)監(jiān)測數(shù)據(jù)。預(yù)警平臺(tái)如圖7 所示。

圖7 預(yù)警平臺(tái)

5 結(jié)束語

為保障露天礦山的安全問題，設(shè)計(jì)了一種用于礦區(qū)危險(xiǎn)監(jiān)測的BeeLPW-T 無線傳感網(wǎng)絡(luò)原型系統(tǒng)，多傳感器收集到的數(shù)據(jù)通過BS922 節(jié)點(diǎn)傳輸給BS922 網(wǎng)關(guān)，然后上傳到云端服務(wù)器，可以做到對(duì)礦山實(shí)時(shí)監(jiān)測并作出預(yù)警。通過模擬礦區(qū)遠(yuǎn)程監(jiān)測預(yù)警系統(tǒng)的工作流程，實(shí)現(xiàn)了礦區(qū)事故隱患在線監(jiān)測、智能判識(shí)和實(shí)時(shí)準(zhǔn)確預(yù)警，為礦山的安全生產(chǎn)提供了保障。礦場安全管理監(jiān)測預(yù)警系統(tǒng)通過對(duì)不同傳感器所收集到的信息進(jìn)行整合和分析，增強(qiáng)了監(jiān)控系統(tǒng)的實(shí)時(shí)性和有效性，有利于智慧礦場的建設(shè)。