基于多源信息融合技术的煤矿作业环境参数分析

马亚楠，杨 韬，田立勤

(华北科技学院，北京 东燕郊 101601)

基于多源信息融合技术的煤矿作业环境参数分析

马亚楠，杨 韬，田立勤

(华北科技学院，北京 东燕郊 101601)

本文针对煤矿生产作业环境中的危险因素，提出对基于无线传感器网络的煤矿作业环境参数进行分析。根据动态限幅滤波、最优加权、灰色关联分析和模糊粗糙集理论，以煤矿井下环境监测数据为依据论证了多级信息融合算法及实现过程，形成了基于模糊粗糙-灰色关联的两级决策融合算法，来实现对煤矿作业环境状态的评估。通过模糊粗糙集和灰色关联分析的结合，为综合评价煤矿作业环境提供了一个新思路。

作业环境；信息融合；灰色关联；粗糙集

0 引言

我们通过研究和对导致事故发生的原因进行分析发现，人为因素是引发事故、导致系统失效的主要原因之一。研究表明影响人为失误的因素很多，其中比较重要的因素之一就是作业环境的影响[1]。煤矿井下环境改变对人体的作用是多成分的复合，这种多成分综合应激对人的行为影响往往远高于单因素[2]。温度、湿度、噪声、粉尘浓度作为主要影响人的行为的环境因素主，对这些作业环境因素的监测并且分析对环境的影响是安全监控系统中不可缺失的重要部分[3,4]。

随着科技飞速发展，基于信息融合技术在煤矿安全监测中的应用越来越广。其主要核心是通过传感器收集的信息，对其进行融合，了解井下综合环境，并做出判断，减少矿难发生。

现在运用在煤矿监测上的信息融合方法主要有：神经网络、模糊逻辑、D-S 推理、粗糙集理论等[5]。 本文主要针对煤矿作业环境监测系统中环境参数的分析，主要是瓦斯、CO、粉尘、温度和风速等环境参数信息的分析，运用相应的信息融合模型进行深度数据分析，实现了监控系统中监测环境信息的互补与协同感知，能够全方位地了解井下作业环境状况。

1 信息融合技术

1.1 信息融合概念

多源信息融合(multi-source information fusion)又称为多传感器融合(multi-sensor information)，是20世纪70年代提出来的，该技术诞生的起因是军事应用，旨在一定准则下进行信息处理，来完成所需预测和决策，来得出精确可信的结论[6]。在认知客观事物的过程中，人类先是通过多种感官得到对事物多种类、多方位的感知信息；再由大脑对这些信息依据某种规则进行组合和处理，得出客观、统一的理解与认知[7]。它是一种多方面、多层次的处理过程，包括对多源数据进行检测、组合和预测，来提高对煤矿井下环境预判的精度以及适时完整的评价[8]。多信息融合的优势有：a.增强系统的生存能力；b.扩展空间覆盖范围；c.扩展时间覆盖范围；d提高可信度；e.降低信息的模糊度；f.改进探测性能；g.提高空间分辨率；h.增加了测量空间维数；i.成本低、质量轻、占空少。

1.2 信息融合的基本过程

信息融合实际上就是充分利用多类传感器对各种观测信息进行合理支配和使用，在二维和三维上把互补或冗余信息由某种准则联合起来，产生对监测环境的客观解释或描述，并且产生新融合结果。目的是基于观测信息，进行优化组合得到更多有效信息，最终目标是为了提高系统的有效性。依据目标识别和数据抽象的层次，把信息融合分成了三级：数据级融合、特征级融合和决策级融合[9]。各个级别融合处理过程分别如图3、图4和图5所示。

(1) 数据级融合：数据级融合是最低层次的融合，该级别融合处理结构如图1所示。数据级融合就是直接对原始数据进行处理，然后通过处理后的结果进行特征提取。该级融合的优点是只有较少数据量的损失，提供多于其他融合层次的细微信息，精度最高。

图1 数据级融合

(2) 特征级融合：特征级融合属于中间层次的融合，处理过程如图2所示。该级融合首先是将每个传感器的特征向量抽象出来，然后对抽象出的特征向量进行融合处理，具体融合可以划分为目标状态融合和目标特征融合两类。本文主要研究状态信息融合，具体过程是首先对数据进行预处理，然后进行数据关联和状态估计。

图2 特征级融合

(3) 决策级融合：决策级融合是一种高层次融合，该级别融合处理过程如图3所示。该融合过程是先根据每个传感器的数据做出决策，然后完成局部决策的融合处理过程。该级融合是三级融合的最终结果，由于该融合直接针对具体决策目标，所以其结果将直接影响决策水平。这种处理方法虽然有数据损失量大、相对精度低等缺点，但是有抗干扰能力强、不要求是同质传感器、通信量小、对传感器依赖小等优点。

图3 决策级融合

特征级和决策级融合不要求传感器的同类，并且不同融合算法各有利弊，所以为了提高融合速率和精度，一般都需要提出高效的局部传感器处理策略及优化融合中心的融合规则。

1.3 信息融合的方法

信息融合作为对多源信息的综合处理，具有本质的复杂性。信息融合技术不可或缺的理论基础主要有传统的估计理论和识别算法。但是，同时近年来出现的一些新的基于统计推断、人工智能、识别方法、估计方法、参数方法等，具体方法如图4所示。但目前的技术手段一般无法单一完成融合处理，都需要根据不同的环境进行选择。

2 安全等级划分与信息融合策略

煤矿井下工作环境恶劣，地质条件复杂，各种环境因素的相互作用，相互影响，可以在一定条件下对煤矿安全生产和煤矿工人的生命造成严重影响。

2.1 安全等级划分

煤矿事故的发生是在一定条件下出现的，并不是在任何情况下都可能发生，而是需要有一定发生条件。经过分析，把井下环境分成5个等级，分别是 “危险”、“较危险”、“一般安全”、“较安全”和“安全”。然后跟据《煤矿安全规程》的有关规定，结合具体实践，选取影响较大的参数做出如下划分[10]，如表1所示：

图4 信息融合方法

表1 煤矿环境等级划分

通过对表1分析，煤矿作业环境监测数据的准确是信息融合的前提。单一传感器指标并不能准确反映实际情况，必须综合考虑多种因素之间共同作用，然后才做出准确的预测。因此，必须对多种影响因素综合分析，才能设计出一种多级信息融合策略，达到准确感知井下环境的目的。

2.2 作业环境信息融合

煤矿井下环境监测对象主要有瓦斯、CO、煤尘、风速和温度等参数，通过无线传感器节点获取上述数据，对其进行数据处理，得到准确感知。为了能够从上述环境参数中得出准确判断和感知，按照操作对象的特点，结合多源信息融合技术的原理和算法，在融合系统中设计了两级融合，如图5所示。

图5 信息融合结构

信息融合结构主要有四部分组成：(1)多类传感器集合，(2)数据的预处理，(3)数据级融合，(4)决策级融合。

2.3 决策融合模型

模糊粗糙算法通过从数据的不可分辨关系中提取隐藏信息，保障了分析的客观性。利用灰色关联分析对煤矿环境特征向量和标准特征向量进行系统特征优势分析，根据关联度大小做出系统判决。两者结合起来，各自发挥优势，很好地进行决策融合，其具体算法流程如6图所示：

图6 信息融合算法流程

3 应用实例

3.1 建立模糊粗糙识别模式

依据2.1节中煤矿环境等级划分的特点，选取瓦斯(%)x1、CO(%)x2、粉尘(mg/m3)x3、风速(m/s)x4和温度(℃)x5作为样本指标，经标准化处理后，得表2：

表2 样本指标表

续表

表3 逼近矩阵

表4 识别模式表

3.2 样本信息融合

提取数据库中某组连续数据，如表5所示，首先进行数据级融合，得到待决策样本。再把待决策样本作为参考对象S′0，把识别模式作为比较对象S′t(t=1,2,…,c)，其指标数据由表6所示。

表5 煤矿巷道监测数据

表6 指标数据列

R1=0.579;R2=0.652;R3=0.848;

R4=0.937;R5=0.685;

对关联程度进行排序，即为R1

3.3 比较分析

使用文献[12]中数据挖掘法(GFM)、文献[13]中基于粗糙集与神经网络的融合算法和文献[14]中的基于SVM融合算法与本文方法进行比较，如表7所示。可以看出本融合算法具有较高的感知度和客观性，是一种比较好的决策方法。

表7 实验比较

通过对比分析，本算法具有能有效滤除干扰数据、绝对误差波动平稳、动态响应特性好、权值分布合理、收敛速度快等优点。

4 总结

(1) 煤矿在开采过程中，由于环境影响因素复杂并且动态多变，导致事故的发生无规律可循。通过查阅文献和资料，考虑将多源信息融合技术应用到煤矿，对井下环境进行评估。

(2) 依据多源信息融合功能、融合层次以及通用的处理结构，对现有的多源信息融合技术进行比较分析，提出了有数据融合和决策融合的两级融合模型。

(3) 应用动态限幅滤波算法对数据进行预处理，该算法把统计规律与时间序列结合起来，充分分析了数据的特性，从而造成的数据失真度低。在数据级融合过程中采用最优加权估计，使融合后的值达到最优，给下一级决策融合提供了更准确的信息。

(4) 在决策级融合过程中建立，根据模糊粗糙集理论中简约集合的功能与灰色关联分析的优点，对上级信息再次进行融合，准确地得出客观结论。

(5) 通过实验对比分析，证明该模型不仅保证了分析的客观性，同时从整体上考虑煤矿环境的安全性，为综合评价煤矿安全提供了一个新的途径，同时又可以广泛的应用于其他环境评估当中，有一定的通用性。

(6) 本文所提出的两级融合模型目前仍处于模拟仿真阶段，研究的目的是将该融合模型应用于将来煤矿井下环境实时预测预警等方面。

[1] 宫鹏.无线传感器网络技术环境应用进展[J].遥感学报，2010(2) : 387-395.

[2] 钱志鸿，王义君.面向物联网的无线传感器网络综述[J].电子与信息学报，2013(1):215-227.

[3] 高惠燕.一种用ZigBee无线传感器网络进行环境监测系统的研究与实现[J].矿山机械，2008(8):27-31.

[4] 徐瑜.智能空气清新器控制软件算法研究[D].长沙：中南大学，2007.

[5] 马国胜.基于多传感器融合技术的瓦斯监控系统实现[D].武汉：武汉理工大学，2010.

[6] 王海颖.多源数据关联与融合算法研究[D].无锡：江南大学，2016.

[7] 黄为勇.基于支持向量机数据融合的矿井瓦斯预警技术研究[D].徐州：中国矿业大学，2009.

[8] 付华.煤矿瓦斯灾害特征提取与信息融合技术研究[D].阜新：辽宁工程技术大学，2006.

[9] 关新民.井下基于无线传感器网络的环境监测系统设计[J].中国新通信，2008,10(11):60-63.

[10] 刘诗源.信息融合在煤矿安全监测的应用研究[D].重庆：西南大学，2016.

[11] 谢开贵，胡博，欧阳稳等.基于灰色关联的应力盘驱动力耦合度分析[J].重庆大学学报，2010,33(6):22-24.

[12] 付华，王雨虹.基于数据挖掘的瓦斯灾害信息融合模型的研究[J].传感器与微系统，2008,27(1):52-54.

[13] 曹亮.基于多源信息融合的煤矿安全无线监测系统研究[D].西安：西安建筑科技大学，2008.

[14] Gao Shesheng,Zhong Yongmin,Li wei.Random weighting method for multisensor data fusion[J].IEEE Sensors Journal, 2011,11 (9):1955-1961.

Analysis of environmental parameters of coal mining operation based on multi-source information fusion technology

MA Ya-nan，YANG Tao, TIAN Li-qin

(NorthChinaInstituteofScienceandTechnology,Yanjiao, 101601,China)

According to the hazard factors in the coal mine production environment, this paper proposed the environment in coal mine safety wireless monitoring system based on multi-source information fusion. According to dynamic limiting filtering, optimal weighting, grey incidence analysis and fuzzy rough sets theory, and based on the environmental monitoring data of coal mine, a multilevel information fusion algorithm and its implementation process are demonstrated, a two level decision fusion algorithm based on fuzzy rough grey relation is formed to realize the evaluation of the environmental state of coal mine operation. Through the combination of fuzzy rough sets and grey relational analysis, this paper provides a new idea for comprehensive evaluation of coal mine environment.

operating environment; information fusion; grey incidence; rough set

2017-04-03

中央高校基本科研业务费资助(3142015146、3142015022)，国家自然科学基金(61472137)

马亚楠(1992-)，女，华北科技学院在读硕士研究生，研究方向：物联网技术和矿山作业环境监测。E-mail: 919224077@qq.com

X924.3

A

1672-7169(2017)02-0090-07