煤矿瓦斯浓度预警及安全决策系统设计与实现.doc

煤矿瓦斯浓度预警及安全决策系统设计与实现内容提要 煤矿的安全生产关系到每一个井下工人的生命安全，必须采取有效的手段，对煤矿井下的瓦斯浓度进行预警。本系统主要用于煤矿井下的瓦斯浓度的预测和报警，在原有“煤矿井下多传感器数据融合安全预警系统”的基础上，对用户界面、用户操作、数据图像展示等方面进行了改进和优化，使得系统更加贴近井下实际生产情况。使用户在系统中可以直观地看到近一段时间瓦斯浓度、温度和风速的变化情况，当瓦斯浓度异常时，还可以报警并辅助管理者进行安全决策，尽早排除危险隐患，减少人员伤亡和财产损失。关键词 瓦斯预测 安全预警 安全决策1. 引言1.1 系统开发的背景我国是一个人口大国，同时也是一个能源消耗大国。煤炭资源在我国一次性能源消费结构中所占的比例高达近70%。近几年，通过煤矿重组，煤矿事故的发生率有所降低，资源的利用率得到提高，但是煤矿安全总体形势依然十分严峻，瓦斯事故频频发生。2013年第一季度，全国煤矿一共发生17起较大以上级别的安全事故，共造成173人死亡，这其中瓦斯事故6起，共有94人死亡1,死亡人数占到了54.3%。2012年，我国的煤矿百万吨死亡率为0.374%，与之前相比下降很多，但是与发达国家相比仍然相差甚远，世界发达国家煤矿百万吨死亡率为0.02%0.03%，美国2011年这一数据为0.019%2。山西省2012年全年共发生各类煤矿安全事故39起，死亡83人，事故数量同比减少15起，下降27.78%；但是死亡人数却同比增加9人，上升12.16%3。从以上数据不难看出，我国煤矿安全的形势十分严峻。煤矿的安全与否直接关系到井下工人的生命安全和矿井的设备安全，在开采煤矿的同时必须做好煤矿的安全工作，做好瓦斯灾害的预防和治理，因此必须采取有效的防控措施，对可能发生的煤矿瓦斯事故进行预警，提高井下环境的安全，减少事故的发生。2012年学院与山西煤炭进出口集团科技发展有限公司联合申报获得太原市科技局项目资助，本论文是在该项目的资助下完成的。1.2 系统开发的目的和意义本系统旨在采用合理、科学的算法对未来一定时刻的瓦斯浓度进行预测，同时对预测结果进行安全评估，对异常情况进行报警，并提醒用户进行相关的安全决策。系统的实现，对安全隐患能够做到早发现、早排除，在灾害即将来临时，能够提前疏散人员，最大限度的减少人员伤亡和财产损失。1.3 目前国内外的研究现状系统中的预测算法是核心技术，国内外目前在预警系统的研究方面，大多采用比较简单的预测算法，沈颂策4采用实时监控数据与前一时刻的值和前一小时的平均值进行比较，当实时数据较大时发出报警，该系统每隔10s采集一次传感器数据，因此对瓦斯浓度的瞬间增大十分敏感，但是系统的适应能力比较差，只有当发生大规模瓦斯涌出或瓦斯突出时才有较好的效果，单独使用效果欠佳；张纯如5等研究制作的矿井瓦斯浓度异常预警系统采用前后巡检周期瓦斯增幅比较法和平均值增幅比较法对瓦斯浓度进行预警，该算法仅仅比较瓦斯在近一段时间内的增幅情况进行预警，对于井下通风不畅等原因导致的瓦斯浓度缓慢升高等情况则不够敏感，因此仍然存在一定的安全隐患；谢丽明6等对时序加权数据融合的方法进行了研究，利用粗糙集理论进行数据融合，得到决策规则，再利用所得到的决策规则构成瓦斯预警监测器，系统通过这些规则判断当前安全与否，从而决定是否报警；其他还有诸如煤矿安全综合评价系统7、煤矿事故早期预警模型8等综合类预警模型和预警系统，他们对井下顶板、瓦斯、压力等情况综合分析，主要用于安全监控和风险评估，并根据评估结果进行决策，对于瓦斯预警没有较强的针对性。穆文瑜9在对煤矿多传感器融合预警的研究中，研发了“煤矿井下多传感器数据融合安全预警系统”，用于对所研究算法预测数据的准确性进行评估。由于该系统制作主要用于获取实验结果数据，因此较为简单。本系统在此基础上进行改进，使系统可以真正用到实际生产中。在系统中采用基于数据融合的预测方法，综合考虑瓦斯浓度、温度、风速等多种影响因素，对未来某一时刻的瓦斯浓度进行预测，在系统中能够直观地看到近一段时间瓦斯浓度、温度和风速的变化曲线，综合分析近一段时间的历史数据和下一时刻的预测结果，当超过井下安全标准时，会发出警报，同时给出一定的辅助决策建议，帮助用户更好的决策。2. 需求分析2.1 原系统现状煤矿井下多传感器数据融合安全预警系统实现了历史数据查询、单传感器瓦斯预警、融合预测、煤矿安全知识和煤矿事故查询5个功能，其中历史数据查询、煤矿安全知识和煤矿事故查询这三个模块的功能较为简单,主要用于查询相关信息；单传感器瓦斯预警、融合预测这两个模块是系统的核心，但是在该系统中，仅仅可以得到预测结果，数据输出在Textbox控件中，数据的展示不够直观，数据库的连接需要手动操作，人工的工作量较大；另外系统的界面较为粗糙，操作界面中的控件布局较为杂乱，整体来看，系统用户界面不够友好、操作复杂，没有对数据进行进一步的处理，不能够以图像的方式展示数据，在安全报警方面也存在问题，实用性较差。2.2 系统需求本系统需要在原有系统的基础上对用户界面、数据处理等方面进行改进，并增添实时预测、安全决策等模块，完成后的系统进行硬件和数据库接口对接后，即可直接应用到煤矿井下的实际生产中，系统可以实现煤矿井下瓦斯浓度的实时监控和预警，在系统中可以直观地看到近一段时间瓦斯浓度、温度和风速等数据的变化图像，当瓦斯浓度异常时可以发出警报，并显示相关提示信息，辅助用户进行安全决策。系统功能结构图如图1所示。2.2.1 用户界面本系统需要在实际的煤矿安全生产中使用，因此其用户界面应该简洁大方，布局合理，系统的各个功能要一目了然。在设计界面的时候要符合用户日常的使用习惯，减少不必要的人工输入，方便用户的操作。2.2.2 数据处理煤矿井下传感器传回的数据量较大，仅仅以数字的方式显示出来，不利于使用者查找关键数据，也不能直观地看到煤矿井下瓦斯浓度、温度和风速的变化趋势。采用图像显示的方式，将历史数据展示到用户界面中，可以很直观的看到井下环境的变化情况，也使得界面更加简洁。在本系统中需要在多传感器实时预测、多传感器融合预测和单传感器瓦斯浓度预警等模块中增添图像显示功能，图像中要显示近一段时间瓦斯浓度、温度和风速的变化曲线，并能够实现图像的动态更新等功能。图1 系统功能结构图2.2.3 安全决策本系统需要实现辅助用户决策的功能。在实时预测模式中，根据前一段时间瓦斯浓度的变化情况和下一时刻的瓦斯浓度预测值，根据相关规程和文件中对于煤矿井下瓦斯浓度的阈值的规定，对当前煤矿井下的安全情况进行评估，并决定报警与否，在报警的同时会给出当前瓦斯浓度处于哪种状态，并提示管理者可以采取的措施，这样可以达到辅助决策的目的。2.2.4 功能模块单传感器瓦斯浓度预警：这里只使用了瓦斯浓度传感器数据进行预测，系统数据库中存放了一段时间的瓦斯浓度值，在预测前，需要选择好要预测的时刻和时间间隔，根据所选时间点前一段时间的数据对该时刻的瓦斯浓度值进行预测。多传感器融合预测：这部分的预测使用了多传感器数据融合预测算法，分析煤矿井下瓦斯浓度、温度和风速的变化情况，对下一时刻的瓦斯浓度值进行预测，多传感器实时预测：真正在煤矿中需要使用的是实时预警系统，需要能够自动地完成接收传感器数据、更新数据库、更新图像显示、预测下一时刻的瓦斯浓度值、并根据预测结果决定是否报警等一系列功能。煤矿井下传感器收集回来的数据存储在煤矿的历史数据库中，在每次预测前，需要读取数据库中近一分钟传感器收集回来的数据，与之前的数据经过数据融合后进行预测，将预测结果显示给用户，这个模块中，需要有监控数据的变化图像，且数据能够实时更新，还需要在瓦斯浓度异常时进行报警并辅助用户决策。历史数据查询：这部分需要实现对不同矿点、不同分站、不同时间、不同传感器类型的历史数据的查询，可以根据用户的实际需要，查询有用数据。煤矿事故查询：这部分需要根据事故发生的时间、地点和原因对录入到系统中的煤矿事故进行查询。煤矿安全知识：系统中可以录入并查询各种煤矿安全的相关知识，另外还可以录入相关的操作规程和规章制度等。这部分需要加入权限控制，对于普通用户只提供查询操作，对于超级管理员用户提供添加、删除和修改功能。2.3 性能需求本系统是煤矿安全生产系统，它需要有较快的响应时间，这样才能够保证煤矿井下环境的安全。在普通模式下，系统的各项操作应该能够在2秒内得到响应，而在实时预测模式下，由于系统的一系列动作均为自动完成，处理的数据量较大，每次数据更新应该在3秒内完成全部数据处理、图像显示、报警等操作。2.4 运行环境硬件环境：(1). CPU：Pentium 4 1.0GHz以上(2). 内存：512MB以上，推荐1GB或更大软件环境：(1). 操作系统：WIN2000, WINXP,WIN2003,VISTA,WIN7 x86(2). 数据库：SQL Server 2005 Enterprise Edition或SQL Server 2005 Express Edition。(3). .NET Framework 3.5或更高，注：.NET Framework 2.0下，虽然系统可以运行，但是在.NET Framework 2.0版本下无法安装MSChart组件，会出现图像无法显示、抛出异常等问题，因此必须将.NET Framework升级到3.5版本以上。(4). MSChart组件：.NET Framework 3.5需要单独安装MSChart组件，.NET Framework 4.0中已经包含MSChart组件包，因此不需额外安装。3. 关键技术3.1 多传感器数据融合预测算法3.1.1 数据融合图2 多传感器数据融合流程图信息融合10最早起源于1973年美国国防部资助开发的声纳信号处理系统，系统研发成功后，信息融合技术在军事应用中受到了越来越广泛的青睐。计算机和传感器技术发展推动了信息融合技术的研究，信息融合的应用领域也越来越广，在图像分析、模式识别、安全预警等方面都取得了一定的成效。在多传感器数据融合预测算法中，将煤矿井下不同类型的同构传感器数据进行处理，使得得出的结果技能保证数据的准确性，又能尽可能的避免数据冗余，为后续的融合和预测计算提供有效的数据11。如图2所示，传感器数据为所测巷道内瓦斯浓度、风速和温度值。选取融合节点附近的n个传感器数据进行第一步融合，这些传感器必须是同一量级或同类型的。经过第一步的数据级融合，得到的该融合节点。在算法中使用模糊贴近度12的方法融合各种传感器的监测数据，融合过程13如下：对同一融合节点附近的同类传感器数据求平均值和方差 ；并计算上述每个传感器测量值与所求平均值的模糊贴近度 ，计算融合时所占权重为 ；最终得到同一节点同一种数据第一步融合后的结果为： 。煤矿井下环境的变化相对较为缓慢，因此只需将一段时间内的数据（如1分钟）进行融合，即可形成代表这一段时间内的特征向量，再使用融合后的特征向量进行预测，具体方法如下：在T时间段内，瓦斯浓度序列为 ,温度序列为 ，风速序列为 ，每一时刻的特征向量可以表示为14: 计算在该时间段内这些向量的平均向量：并得到每个特征向量与平均向量之间的模糊贴近度；计算各个向量在本次融合时的权重为；最终得出该段时间内的特征矢量：。3.1.2 融合预测融合预测采用的是基于混沌时间序列的瓦斯浓度预测15，根据时延和嵌入维m，进行多变量相空间重构，再采用加权一阶局域法16对瓦斯浓度进行预测，利用一阶局域线性拟合，,使用最小二乘法得到关于a，b的函数，求解所得方程组即可得到a、b的值，带入到式中即可得到预测公式，再根据所得公式对下一时刻瓦斯浓度进行预测。3.2 MSChart图表控件MSChart控件是微软为图形统计和报表图形显示提供的解决方案，虽然这款控件依赖于.NET Framework 环境，但是在Visual Studio 2008中并没有附带这款控件，需要独立安装，并且只有.NET Framework 3.5以上的版本才可以使用，.NET Framework3.0以下的版本以及Visual Studio 2005之前的集成开发环境都不能使用。.NET Framework 4.0以上的版本中，MSChart控件被集成到开发环境中，不需要独立安装。ChartChartAreaSeriesLegends一个MSChart控件主要由图形注解集合、图标区域集合、图标序列集合、图标标题集合、图例集合等部分组成，各部分的关系如图3所示：图3 MSChart结构最外层是Chart控件所占用的整个区域，在这里可以设置Chart控件的大小、位置、标题和背景等属性，可以包含ChartArea、Legends等区域。ChartArea是MSChart控件中的成图区域，所有的图像显示全部在此区域中，在这里可以设置该区域X轴、Y轴等相关属性信息，一个ChartArea中可以有多个数据列，每个数据列可以对应一个图像，我们可以对每一个数据列的图像类型、数据点值集合、数据点标签文本等进行分别设置。Chart控件中，除了ChartArea之外还包含Legends区域，这个区域用来显示图像的图例，每一个图表对应一个图例。MSChart可以在设计界面Series属性下的Points中添加需要的数据，也可以绑定数据源进行操作，手工添加数据的方式需要人工录入数据点集中的所有数据，且不能够在程序运行的过程中动态的添加数据，当图表中的数据量较大或经常需要更新时，此种方法就显得比较笨拙；绑定数据源的方法则要灵活很多，绑定数据源可以有DataBindTable、DataSource、List、数组绑定等多种绑定方法。数据绑定之前，先要将数据库中的数据读出，放到一个SqlDataReader对象中再进行绑定，关键代码为：SqlDataReader myreader = cmd.ExecuteReader();上述绑定方法的原理基本相同，下面以List和数组绑定两种方式为例进行讲解：List绑定数据集的关键代码如下：List namelist = new List();List saleslist = new List();while (myreader.Read() namelist.Add(myreadername.ToString(); saleslist.Add(Convert.ToInt32(myreadersales);chart1.Series0.Points.DataBindXY(namelist, saleslist);创建两个List对象分别代表图像中X轴和Y轴的数据，然后对SqlDataReader中的数据逐行读取，将数据列读到对应的List对象中，再将List对象绑定到Chart数据列中。数组绑定也是一种经常用到的绑定方法，由于在数据处理的过程中，读取和写入数据库的操作需要耗费较长的时间，为了使图像中能够显示最新的数据，可以直接读取内存中的数据，将数组直接与图表数据列绑定，并定期将数据写入数据库中，对于实时动态更新的数据和图表中，采用这种方法可以节省大量写入读取数据库的时间，提高效率。图形中需要有一些标签和提示信息等，Label和Tooltip很好的解决了这些问题。Label标签可以在图像的数据点或相关区域进行一些描述，例如数值、比例等；Tooltip是提示的意思，可以在图像的关键点、标题等处设置一些提示信息，当鼠标指针移动到该位置时，就会弹出设置好的提示信息，帮助用户更好的了解相关内容。MSChart中还提供了很多便利的方法，可以使图像显示更加多样，效果更加丰富：图像的3D显示可以使图像显示出3D效果；图像的类型中可以选择所绘制图像是饼图、折线图、柱状图、锥形图等；当图像中数据点的个数比较多、数据比较密集的时候，可以让用户可以选择图像的某一个区域，将这个区域放大，这样便于用户查看数据的详细信息。3.3 安全决策决策是指人们在生活中为了达到一定的目标而寻求最佳方案或途径的过程，安全决策就是指一种安全的对策，人们根据历史的经验，对之前的和正在发生的事件进行分析，对未来的变化情况作出合理判断的过程。具体到煤矿井下的安全生产，安全决策是指人们在以往煤矿事故分析的基础上，运用一定的预测方法或预防手段，预测到未来可能发生危险时，采取的提前预防、消除安全隐患或者关停设备、撤离人员等措施。安全决策的方法有很多种，在煤矿安全中常用到的是利用基于粗糙集的概念，通过建立瓦斯预警决策表17得到决策规则，再根据决策规则对当前系统的安全性进行评估；也有使用模糊集理论的隶属函数对各传感器信息的不确定性进行表示11，最终得到可能的决策集合，再结合专家系统得出最终的判断结果。模糊集理论具有很强的推理能力，将其利用到煤矿井下安全预警中，可以提高系统对井下各类信息的处理能力，提高系统的安全性。煤矿井下对其环境空气中氧气和二氧化碳的浓度以及各种有害气体的浓度限值做了详细的规定，井下空气中各种气体的成分必须满足相应的要求，表1中为煤矿井下常见有害气体允许的最大浓度。表1：矿井有害气体最高允许浓度18名 称最高允许浓度（%）一氧化碳CO0.0024氧化氮（换算成NO2）0.00025二氧化硫SO20.0005硫化氢H2S0.00066氨NH30.004瓦斯（CH4）本身并没有毒性，但是当空气中的瓦斯达到一定浓度时，可以使人窒息，同时还有可能发生燃烧和爆炸，危及井下工人的安全。瓦斯在空气中的爆炸极限为5%16%，瓦斯与空气中氧气浓度的比例不同，爆炸的强度也不同，当瓦斯浓度为9.5%时，瓦斯与空气中的氧气完全反应，爆炸威力最大。瓦斯爆炸的界限还会受到气压、温度以及其他气体等因素的影响。在煤矿安全规程18中对瓦斯浓度的报警、断电等阈值进行了详细的说明，表2中为煤矿井下部分地点瓦斯传感器的报警浓度、断电浓度、复电浓度和断电范围。在本系统中所用到的安全决策规则主要是根据规程中对煤矿井下不同区域的瓦斯浓度阈值的要求，当瓦斯浓度超过相关阈值时会启动报警，并给出决策信息和相关可执行的应急预案，为用户更好的决策提供参考信息。表2：部分地点瓦斯传感器的报警浓度、断电浓度、复电浓度和断电范围18甲烷传感器设置地点报警浓度%CH4断电浓度%CH4复电浓度%CH4断电范围低瓦斯和高瓦斯矿井的采煤工作面1.01.51.0工作面及其回风巷内全部非本质安全型电气设备煤（岩）与瓦斯突出矿井的采煤工作面1.01.51.0工作面及其进、回风巷内全部非本质安全型电气设备高瓦斯和煤（岩）与瓦斯突出矿井的采煤工作面回风巷1.01.01.0工作面及其回风巷内全部非本质安全型电气设备专用排瓦斯巷工作面内全部非本质安全型电气设备采煤机1.01.51.0采煤机电源低瓦斯、高瓦斯、煤（岩）与瓦斯突出矿井的煤巷、半煤岩巷和有瓦斯涌出的岩巷掘进工作面1.01.51.0掘进巷道内全部非本质安全型电气设备高瓦斯、煤（岩）与瓦斯突出矿井的煤巷、半煤岩巷和有瓦斯涌出的岩巷掘进工作面回风流中1.01.01.0掘进巷道内全部非本质安全型电气设备采用串联通风的被串掘进工作面局部通风机前被串掘进巷道内全部非本质安全型电气设备掘进机1.01.51.0掘进机电源回风流中机电设备硐室的进风侧机电设备硐室内全部非本质安全型电气设备4. 系统设计与实现4.1 开发环境简介本系统的开发使用Microsoft .NET集成开发环境，使用C#为开发语言，数据库部分使用SQL Server 2005。.NET是面向网络，支持多种用户终端的开发平台，.NET Framework以通用语言运行库为基础，支持C+、C#、VB、Jscript等多种语言的开发，它可以消除不同框架之间的差异，使得程序员可以选择自己喜欢的编程语言，同时实现跨编程语言使用公共API集。C#是一种面向对象的高级程序设计语言，它运行于.NET Framework之上，可以面向组件编程并提供了可视化的操作，语言结构简单，编程和运行效率都很高。SQL Server是一个关系数据库管理系统，Microsoft SQL Server 2005数据库引擎支持复杂数据分析、数据仓库系统等，功能强大，安全性高，在中小型企业乃至大型企业都得到了广泛的应用。4.2 主界面外观设计主界面的外观设计主要参考金山卫士等软件的外观样式进行设计，总体上采用浅蓝色为主色调显得稳重大方，为了使得设计好的窗体界面更加美观，首先要去掉原有窗体的标题栏、最大化最小化按钮等，这可以通过设置窗体的FormBorderStyle属性实现，把该属性的值设置为None，则可以隐藏窗体的边框和标题栏的外观和行为，使窗体变成一张白纸，接下来需要采用人工布局的方式对界面进行重绘，这样制作出来的界面可以不受Windows窗体外观样式的限制，达到自己理想的效果。在界面的设计上，将整个界面划分为九个部分，如图4所示。在窗体的最上方放置一个Panel容器组件，可以放置标题信息、最小化、最大化和关闭按钮等控件；中间最大的区域是窗体的主区域，整个系统在运行的过程中需要处理的事务、结果等信息都在此区域；窗体的最下放也是一个Panel容器，可以放置软件版本信息，系统状态信息等；界面的四个角以及中间的左右两侧各为一个Picturebox控件，四个角的Picturebox控件主要用于实现窗体的圆角功能，而中PanelPanelPanelPictureboxPicturebox间两侧的Picturebox为窗体的边框，用于区分窗体以外的部分。图4 系统主界面布局要实现窗体圆角的效果，需要使用圆角矩形截取窗体的中间部分，下面两行代码实现了在窗体上绘制一个圆角矩形并将圆角矩形之外的部分截掉，剩下的就是我们所要的窗体。 int Rgn = Win32.CreateRoundRectRgn(1, 1, this.Width, this.Height, 5, 5); Win32.SetWindowRgn(this.Handle, Rgn, true);窗体的框架做好后需要在上方的Panel容器的左上角放置一个Label控件，用来显示系统的名称；在右上角放置最大化最小化和关闭按钮。为了使界面的风格相一致，需要自己制作一个Button控件，这样可以自由的设置它在正常状态下、鼠标移入和点击时的不同效果，主要通过设置不同状态下的背景图片来实现，每个按钮只使用了一张图片，在不同动作截取一张图片的不同部分可以得到不同的效果：Bitmap closeBitmap = new Bitmap(.ResborderCloseBtn.bmp);closeBitmap.MakeTransparent(Color.FromArgb(255, 0, 255);this.btclose.NormalImage = closeBitmap.Clone(new Rectangle(0, 0, 37, 22),PixelFormat.Format64bppPArgb);/正常状态this.btclose.MoveImage = closeBitmap.Clone(new Rectangle(37, 0, 37, 22), PixelFormat.Format64bppPArgb);/鼠标移入时的状态this.btclose.DownImage = closeBitmap.Clone(new Rectangle(74, 0, 37, 22), PixelFormat.Format64bppPArgb);/鼠标点击时的状态this.btclose.BackgroundImage = this.btclose.NormalImage;由于将窗体样式设置为None，因此拖动窗体的事件响应也需要自己书写。下面的代码实现了窗体的拖动效果，由于Label控件放置在了最上方的Panel容器中，为了使整个标题栏可以实现窗体的拖动，将与拖动有关的代码也放在了Label控件的MouseDown事件中。private void panelt_MouseDown(object sender, MouseEventArgs e) /窗体顶部panel控件事件响应 if (st != stat.Max) if (e.Button = MouseButtons.Left) Win32.ReleaseCapture(); Win32.SendMessage(Handle, 274, 61440 + 9, 0); 窗体的最小化只需设置窗体的WindowState属性值为FormWindowState.Minimized即可，窗体的最大化则需要记录当前窗体的位置、大小等信息，以便在点击还原时可以恢复到之前的状态，同时还需要将最大化按钮隐藏并显示还原按钮。this.btmax.Top -= 31; this.btres.Top = 1; orginHeight = this.Height; /记录窗口信息 orginWidth = this.Width; X = this.Location.X; Y = this.Location.Y; this.Top = -2; /去除最大化后外围边框空隙 this.Left = -2; BorderWidth = Screen.PrimaryScreen.WorkingArea.Width + 5; BorderHeight = Screen.PrimaryScreen.WorkingArea.Height + 5; st = stat.Max; /记录窗体处于何种状态4.3 主要功能模块设计4.3.1 单传感器瓦斯浓度预警单传感器瓦斯浓度预警使用单一瓦斯浓度数据，采用基于混沌时间序列的瓦斯浓度预测方法15对瓦斯浓度值进行预测。该部分的流程图如图5所示。 图5 单传感器瓦斯浓度预警流程图 图6 多传感器融合预测流程图单传感器瓦斯浓度预警为实验用模拟系统，其用途主要是验证基于混沌时间序列的瓦斯浓度预测方法15预测模型的可靠性、可行性和准确性。从煤矿实际采集回来的历史数据中，瓦斯浓度数据并不是严格的1分钟1个数据，但大部分数据的时间间隔较为相似，因此可以基本忽略其对实验结果的影响，把这些数据仍看作是每隔1分钟采集回来的数据，只需对数据库中时间属性进行修改即可，将属性值修改，这样可以方便精确查找，实现选择预测时刻的功能。预测算法的实现需要对历史数据进行分析，数据库中数据的个数也是有限的，因此需要对所选择的时间进行判别，判断所选时间是否超出范围，如果超出范围会以Messagebox的方式给出提示信息，让用户重新选择。为了方便查看实验结果，每当点击一次“开始预测按钮”，便进行一次预测，这样可以较为快速的查看之后的多组结果，方便求证结果的准确性。点击退出按钮可以返回到选择预测时刻的界面，重新进行选择，这里需要把使用到的所有变量重新初始化，即将变量的值恢复的初始状态，并且停止计时器的计时，这样可以防止系统不断的在后台处理数据。每当进行一次预测后，需要将图表内容更新，以保证图像显示内容的实时性，这需要修改数据源中的数据，并对数据源进行重新绑定。4.3.2 多传感器融合预测多传感器数据融合预测采用多传感器数据融合预测算法，综合考虑瓦斯浓度、温度、风速等多种因素的影响，对未来某一时刻的瓦斯浓度进行预测，系统流程图如图6所示。多传感器融合预测同样也是实验用模拟系统，其预测算法同样需要有训练数据，在这一模块中，并没有设置用户输入具体的预测时间和时间间隔，而是让用户去选择预测第几段时间的瓦斯浓度。多传感器数据融合的预测算法研究的是一段时间内的特征，在特征级融合的过程中按照模糊贴近度的准则将一段时间内的特征向量进行融合19，得到特征矢量，最终进行预测的都是经过融合的特征矢量。在这一模块中，没有加入间隔一定时间间隔自动预测的功能，需要在每次预测的时候点击一次“预测”按钮，当不手动输入预测点时，每次点击“预测”按钮后，预测点自动加1，这样在下一次点击的时候，预测的就是下一段时间的瓦斯浓度。4.3.3 多传感器实时预测多传感器实时预测依然采用了多传感器数据融合预测算法，系统每一分钟将会进行一次预测，预测下一分钟的瓦斯浓度，同时更新图像数据，界面中以图像的形式显示近一段时间瓦斯浓度、温度、风速融合值的变化情况，同时加入了报警和安全决策功能，系统流程如图7所示，图7左侧为系统进行瓦斯浓度监控、预测和报警的流程图，右侧为报警和安全决策模块的处理流程，它们是并行执行，互不干扰的，当系统预测到瓦斯浓度会发生异常时，启动报警处理，当预测到瓦斯浓度恢复正常或者人工停止报警后这部分功能就停止运行。多传感器实时预测所采用的是多传感器融合预测算法，这部分与上一小节是相同的，在此不做赘述，下面讲讲多传感器实时预测与上一部分的不同之处。多传感器实时预测虽然也是一个模拟系统，但是它并不是单单的对数据进行模拟预测，而是模拟了煤矿井下生产过程中的实际情况，从采集数据、连接数据库、预测下一时刻瓦斯浓度、更新图表、异常报警、安全决策等过程全部采用自动执行的方法，几乎不需要人工输入，这样可以很大程度上提高系统的易用性，提高工作效率。在模拟实际生产自动控制的过程中，把数据库中的数据看作是煤矿中的历史数据库，煤矿传感器传回的数据更新到数据库中，再由系统每分钟读取数据库中的最新数据，进行信息融合，再用融合后的特征向量进行下一次的预测，判断是否报警、更新图像等操作。这样就模拟了系统从煤矿井下各类传感器收集数据、处理数据、更新数据的全部过程，当系统在实际使用前，只需根据井下实际传感器的硬件接口对系统进行局部修改即可，更加贴近实际生产需要。在报警和安全决策部分，主要根据煤矿安全规程18中对通风和瓦斯防治部分的规定，当预测出下一时刻瓦斯浓度超过规定中的阈值时，进行报警，并提示管理员相关信息和可采取的应急方案，为管理者决策提供必要的参考信息。规程中对同一地点（如回风巷）会有多个阈值，不同地点的阈值也有不同的要求。其中第136138条较为详细的讲述了瓦斯浓度在不同阈值范围内时需要采取的安全措施，第169条详细规定了煤矿井下不同区域对瓦斯浓度的要求，包括报警浓度、断电浓度、复电浓度等。现有瓦斯浓度数据为采集工作面回风巷中传感器的数据，因此系统中以该区域的阈值为要求进行设计。图7 多传感器实时预测流程图、报警功能流程图4.3.4 登录模块、历史数据查询、煤矿事故查询、煤矿安全知识登录模块增加了密码验证，要求用户登录时输入的密码不能为空；在用户更改密码操作时，验证原密码和新密码是否为空，同时验证两次输入的密码是否一致，保障用户账户的安全。煤矿安全知识模块对界面的改变较大，将之前看起来很乱的界面重新进行了设计，去除了TreeView控件，而将数据库中的数据直接和ComboBox绑定在一起，在加载煤矿安全知识界面的时候把所有问题的分类信息绑定到第一个ComboBox中，当选中其中某一个分类后，系统自动将当前分类下的所有问题绑定到第二个ComboBox中，选择具体问题后，下面的TextBox显示出该问题的详细解释。另外，煤矿安全知识中加入了权限控制，当系统不是使用超级管理员登录时，无法增添新的内容，也无法修改当前信息。历史数据查询和煤矿事故查询这两个模块功能较为简单，没有做太大的改动，只是优化了界面布局，精简了部分后台代码。5. 实验结果在系统的运行中，采集了山西省离柳焦煤集团、大同市南信庄煤矿、山西晋城鹿台山煤矿实时传感器数据，系统经测试，功能运行良好，界面友好，操作简单。经过数据实验，预测算法的运算时间在需求分析规定的范围内，实时预测部分连续运行1小时以上可以实现正常的预测、更新、报警并显示安全决策信息等功能，系统主要部分的运行截图如下。图8为系统主界面。图8 煤矿瓦斯浓度预警及安全决策系统主界面图9为实时预测界面。图9 多传感器实时预测界面图10为报警提示界面。图10 报警提示界面图11为多传感器融合预测界面。图11 融合预测界面图12为单传感器选择预测时刻和时间间隔。图12 单传感器瓦斯浓度预测选择预测时刻和时间间隔图13为单传感器瓦斯浓度预测界面。图13 单传感器瓦斯浓度预测预测界面6. 总结与展望在整个系统的开发过程中，按照最初的需求进行详细的设计，取得了较好的效果，之后还将继续去煤矿进行实地调研，在调研的过程中将对系统进行进一步的改进，将系统与传感器硬件接口对接，这样可以直接在煤矿中使用，服务于煤矿的安全生产。在整个系统制作的过程中，遇到了很多的困难和问题，在解决问题的过程中不断地去学习和实践，在这个过程中学到了很多，同时也发现了自己的不足之处，在专业上还有许多需要自己去努力和学习的地方，在今后的学习中需要继续去实践，不断提升自我。本系统是用于煤矿井下瓦斯浓度预警的一个小系统，并不具备煤矿井下顶板安全、地应压力等的安全预警，因此它不能完全替代煤矿井下的综合安全系统，但是它可以作为煤矿安全的子系统，防止瓦斯灾害的发生。在今后可以对此系统中安全评价、预测算法、并行计算等方面做进一步改进，以提高系统的安全性和运算速度。7. 致谢参考文献1. /a/xinwenzixun/meitanzixun/2013/0504/27556.html2. /HTML/2013-1-25/0MNjUxXzYxMTQ0Mg.html3. /df/2013/01-14/4486830.shtml4. 沈颂策. 矿井有害气体异常预警系统及应用.中国煤炭学会煤矿机电一体化专业委员会、中国电工技术学会煤矿电工专业委员会论文集,2011.5. 张纯如,丁梅生,汪勇. 矿井瓦斯浓度异常预警系统及应用.矿业科学技术,2011,39(2):131-133.6. 谢丽明,赵凯,鲁书喜. 基于时序加权数据融合的瓦斯预警系统研究.煤炭技术,2012,31(10):192-194.7. 曹树刚,徐阿猛,刘延保等. 基于灰色关联分析的煤矿安全综合评价.采矿与安全工程学报,2007,24(2):141-145.8. LIN Xiaofei, CHEN Guang, DU Xiaoyan.Establishment of accident risk early-warning macroscopic model on ventilation, gas, dust and fire in coal mine. 2012 Internation