基于物聯網感知的煤礦安全監(jiān)控信息處理方法研究.pdf

1、論文針對煤礦安全監(jiān)測監(jiān)控系統存在的技術落后、功能單一、存在監(jiān)控盲區(qū)以及不能聯動聯控等問題，把智能化的物聯網感知技術應用于煤礦安全監(jiān)測監(jiān)控領域，以“感知”為突破口，重點研究了感知礦山物聯網關鍵技術:感知煤礦安全狀況的分布式信息融合感知算法和感知傳感器節(jié)點健康狀態(tài)的故障診斷感知算法。論文取得了以下研究成果:
　　(1)定義了煤礦井下物聯網感知域的概念，從感知層的拓撲結構、路由匯聚機制以及中間件等方面進行了設計:在物聯網感知域內構建了開

2、放的基于分簇的分布式感知架構——分布式星狀無線傳感器網絡(DSWSN);在LEACH和PEGASIS協議的基礎上進行了改進，形成了高效的路由匯聚機制，提高了服務質量(QoS)，滿足了通信的可靠性和實時性要求;建立了基于分簇的協作型多功能中間件體系結構，把簇層和資源管理層通過移動Agent技術有機結合起來，能夠充分支持應用程序的開發(fā)，利用應用程序表示形式轉換實現多種類型的應用形式的協作統一;給出了用于數據存儲和傳輸的云數據服務平臺（Paa

3、S服務）部署方式，建立了高效的煤礦物聯網安全監(jiān)控感知平臺。
　　(2)在分析煤礦井下復雜環(huán)境的基礎上建立了感知煤礦安全狀況的信息融合策略。在數據預處理模塊中采用置信距離測度與采集數據的時間戳相結合的動態(tài)限幅濾波算法對數據進行預處理以消除疏失誤差。運用最優(yōu)加權估計算法進行數據級融合，依據傳感器方差的自相關和互相關估計，在總均方誤差最小和滿足無偏性的最優(yōu)條件下，根據各個傳感器得到的測量值以自適應的方式找到其對應的權數，使融合后的值達到

4、最優(yōu)，獲得更加準確的現場監(jiān)測信息。在決策級融合算法中建立了基于模糊粗糙-灰色關聯分析(FR-GC)的算法模型。在該模型中，不需要預先給定額外信息，而是通過數據的不可分辨關系來提取隱藏在數據中的潛在信息，保證了分析的客觀性;同時利用煤礦環(huán)境特征向量與標準特征向量的灰色關聯度進行系統特征優(yōu)勢分析，從整體上考慮煤礦環(huán)境的安全性，最終根據關聯度的大小給出系統的安全判決。實驗表明本算法具有權值分布合理，絕對誤差波動平穩(wěn)，動態(tài)響應特性好，收斂速度快

5、，能有效濾除干擾數據等特征;利用模糊粗糙模型與灰色關聯分析之間較強的互補性關系，改善了待決策樣本與識別模式的親和度，突出了定量程度，具有較高的感知區(qū)分度，減少了主觀因素的影響，提高了決策的客觀性。
　　(3)分析了煤礦安全監(jiān)控系統傳感器存在的4種故障模式，在此基礎上建立了傳感器的故障診斷策略。以瓦斯傳感器節(jié)點為例，針對常見的常值型、漂移型、偏置型和周期型4種隱性軟故障，以小波分析和FRBF神經網絡為基礎，提出了由加Hamming窗

6、的Shannon為母小波的小波包分解提取特征能量譜與擴展Kalman濾波算法(EKF)優(yōu)化的FRBF神經網絡進行模式分類辨識的傳感器節(jié)點故障診斷方法。對傳感器的輸出信號進行小波包分解，運用基于代價函數的局域判別基(LDB)算法進行裁剪，獲取最優(yōu)的特征能量譜，經處理后作為特征向量訓練EKF-FRBF神經網絡，采用參數增廣和統計動力學方法，通過帶有整定因子的EKF參數估計，用來辨識傳感器節(jié)點的故障類型。實驗表明，該方法的辨識正確率在95％以

7、上，誤報率和漏報率都明顯優(yōu)于其他算法，能夠有效用于物聯網系統中傳感器節(jié)點的在線故障診斷。
　　(4)分析了在DSWSN系統中，智能移動Sink節(jié)點的功能與特點，分別從仿真設計、硬件設計和軟件設計三個方面逐步推進，完成了Sink節(jié)點的設計開發(fā)。通過實驗證明，該Sink節(jié)點可以很好地完成對監(jiān)控數據的處理和傳輸，實現了對煤礦安全狀況和節(jié)點健康狀態(tài)的正確感知，具有電路簡單、功能完善和技術性能高的特點，是一種比較可取的物聯網匯聚節(jié)點的設計方