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)
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。
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)。
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
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)。
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
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]。
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)
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)。