基于多源信息簇融的煤矿瓦斯监测系统的研究*

贾佳，肖军

(1. 西安航空职业技术学院 电子工程学院， 西安 710089; 2. 西安航空学院 电子工程学院, 西安 710077)

0 引言

煤矿瓦斯监测工作对于保障矿井环境安全具有重要的意义，随着技术的不断发展以及人们对矿井环境安全要求的不断提高，逐渐意识到传统的监测技术存在诸多问题。因此要不断实现技术的创新，找到可以提高监测效果的技术至关重要。本文选择的监测技术与传统的监测技术有很大的区别，而且这一技术的使用对于提高矿井环境安全指数具有重要的作用。在今后的煤矿瓦斯监测过程中，使用多源信息簇融技术，可以进一步保证矿井工作人员的安全。

1 煤矿瓦斯监测系统

煤矿开采是社会发展的一个关键部分，而瓦斯主要是伴随着煤炭的开采产生的，而且矿井的环境是处于动态的变化过程中，矿井中的气体十分复杂，不仅是一种气体，经常表现为多种气体的融合。而且随着时间的流逝，矿井环境还会发生更多的变化，一旦出现问题，就会对人们的身体健康产生巨大影响，必须给予足够的重视。不过当前我国的煤矿瓦斯监测系统仍然使用的是传统的传感器监测方式，这种监测方式可以起到一定的作用，而且传感器监测方式虽然具有明显的优势，但是随着技术的发展以及人们要求的提高，这种传感器监测方式的弊端也逐渐凸现出来。传感器监测技术本身具备一些缺点，尤其是无法及时适应矿井下环境的复杂性，因此无法有效的应对矿井环境的变化，这时如果只用传感器技术无法有效的评估煤矿瓦斯浓度的动态变化情况，影响最终的监测结果，导致监测的数据与真实的矿井状态不符。此外，由于矿井下的环境比较复杂，结合了多种气体，所以需要对每种气体都进行定量分析，不能只考虑瓦斯这种气体，还要注意气体气体的影响，不同气体的融合会造成矿井环境中气体浓度的变化。

煤矿瓦斯监测选择的方式，主要是依据传感器的作用，然后结合现有的技术进行分析，从而有效的提高监测的质量，重点是突出传感器的性能，或者是使用单一传感器到多传感器的过渡，不过使用这种传感器的方式存在弊端，尤其是在使用单一传感器的过程中，会存在很大的缺点，影响数据的计算。所以在工作的过程中，经常使用的是多传感器协同合作的方式，但是现存的多传感器协作监测瓦斯的方式，只是将一些数据进行相关的处理，却忽视了数据处理的科学性，有些不具有实际意义的数据也会被计算，很多冗余的数据会造成正常计算的阻碍，容易导致资源的浪费，或者是造成计算结果的误差。多源信息簇融技术是在传统监测技术基础上的创新，能够保证瓦斯监测系统的准确性[1]。

2 多源信息簇融技术结构

技术的创新为瓦斯监测提供了更多便利，目前使用多源信息簇融技术发挥了更大的作用，主要是因为这一技术可以满足监测的基本要求，而且具有明显的优势。多源信息簇融技术由3个模块构成，第一是多源信息采集模块，组成部分是传感器，其中传感器还可以分成异质传感器和同质传感器，这种传感器与传统监测技术中的传感器存在很大的差别，因此也会起到不同的作用。这两种传感器的最大区别在于传感器的监测原理存在一定的差异，所以具有本质上的不同，对于监测结果产生重要的影响。其次是强分类模块，这一模块的功能是在所有的输入参数信息中筛选出前后变化最大的参数，从而筛除一些没有实际作用的数据，避免了一些无用数据对监测结果的影响，可以节约资源，减少了计算的时间，节约了人力和无力，所以有效的提高了计算的效率并且保证了计算结果的准确性。第三是信息融合模块，这一模块的功能主要是对筛选出来的参数进行融合计算，由于计算的数据比较多，包括对矿井环境中多种气体的含量和成分进行计算，单一气体的计算无法保证结果的准确性，而这种融合计算不会忽视每一个有效的数据，在计算以后可以得到更加精准的结果[2-3]。

传感器的使用能够对不同气体进行监测，从而有效的判断瓦斯、氧气等含量，而且在监测的过程中可以有效避免采集信息的缺陷。根据不同监测原理的传感器监测瓦斯，正是因为考虑到这一问题。在筛选数据的过程中，如果计算量太大会给传感器带来巨大的压力，所以使用这一技术可以避免这一问题[4-5]。因此在输入数据的过程中，最好将其输入到最大的似然器中，可以求出这组数据中最接近真实值的值。之后，可以将求出的数据输入到分类器中，在筛选过后，就可以明确其中变化最大的参数，将这一数据输入融合器中融合，可以得出一个更加准确的结论，最后可以有效的判断矿井环境的安全性，从而明确环境的安全等级。在这一过程中，必须确保信息采集系统的准确性，可以更全面了解的信息，如图1所示。

图1 多源信息强分类深度融合方法结构

矿井环境空间十分有限，在监测和计算的过程中，需要注意布置一定数量的簇感知，注意收集该簇感知域中所有传感器传来的信息，并且将其传给更高一级的智能节点。

(1) 基于改进的最大似然算法求最大似然值

最大似然是利用已有的观测样本来估计样本的真实概率密度，具有很多优点。本文采用基于改进的最大似然算法求最大似然值。使用最大似然值不是因为数据的平均值而是为了达到近似于真实值，保证求值结果的精确性，才能更加准确的反应矿井环境的真实状态，达到监测的最终目标。

(2) 优化最大似然值

求完最大似然值之后可以过滤掉一部分的冗余数据，避免多余计算以及重复计算的问题。分类器的作用是可以解决和适应井下环境的复杂性，在筛选数据之后，可以选择出对区域安全有重大影响的参数，根据最相关的数据进行分析和计算，可以更贴近理想值。因此需要使用简单的分类器构造一个强大的分类器从而满足矿井环境的特殊要求。

3 多源信息的深度融合

为了更好的监测矿井的环境，必须要结合相关的数据计算并得出结论，从而获得最接近真实的数值，做出最正确的判断。因此需要根据矿井环境中气体的本质特征构造一个融合器。为了得到更加接近与真实值的数据，本文使用的是模糊集理论和D-S证据理论相结合的信息融合算法，如图2所示。

图2 参数特性融合

D-S证据理论是基于统计的信息融合算法，需要借助非空的测试域完成计算，而之前提到的最大似然值自己和可以作为这样的测试域。对于测试域需要进行两两组合，而且测试域中的元素位置和元素之间的组和次序与最终的结果无关。使用多源信息簇融技术进行监测，可以将最大似然值子集合进行规整处理，并且能够发现在众多的结果中，可以计算出最接近真实情况的值，由此可以更加准确的判断煤矿井下环境的安全等级，了解矿井环境中气体的成分和基本的含量，根据数据分析并且采取有效的解决措施，并且有效的保证矿井环境的安全性[6-8]。

4 实验和结果分析

为了进一步的判断使用这一方法的可行性和准确性，需要采用模拟的方式在实验室和真实的环境下进行实验，最好可以模拟出与实地监测相似的环境，才能保证实验结果的可靠性和有效性。煤矿井下的环境一般比较复杂，而且处于动态的变化过程中，所以在实验的过程中会遇到很多的问题，实验实施起来不够便利，在实地进行监测难度比较大，所以最好先在深部岩土实验室中利用人为构造的实验室，模拟煤矿井下的真实环境进行实验。为了有效的证实这一方法的准确性，需要选择一个相似的环境进行监测和实验，根据实验数据对比，如表1所示。

表1 实验结果对比情况

从表1观察并分析数据，证实这一方法的有效性。根据实验的过程和结果可以看出，两种实验方法存在着明显的差异，而且多源信息簇融技术与传统监测方式比较，本文使用方法可以有效提高监测的准确率。在不断完善实验结果的同时，本文选择了某矿井下的环境进行了实际的验证，得到了实验结果，并且发现实验结果和模拟实验结果相似[9]。

根据本次研究证明，多传感器具有明显的优势，传感器的数量对实验结果也产生了重要的影响，多传感器的使用和单一传感器有着明显的区别。采用多源信息强分类深度融合的方法进行监测，可以得到更加接近真实情况的矿井情况，了解矿井下的真实环境。使用这一方法进行监测，不仅减少了计算数据的时间，还可以避免因为数据量太大而导致的计算错误，因此减少了计算结果和真实情况的偏差，提高了计算的准确性，保证了监测的科学性，从而有助于保证检测系统的性能，提高工作的效率。

5 总结

根据传统的瓦斯监测情况进行分析，面对复杂的煤矿井下的复杂环境，无法有效的保证监测结果的准确性，而且传统监测方式具有数据采集单一和误差较大等缺点。本文使用的多源簇融技术可以有效的解决这一问题，这种方法首先对各种气体进行了采样，然后使用强分类算法进行了数据的筛选，选择出最接近真实情况的信息，可以避免计算的失误。此外，使用这一方法还可以提高信息的互补性，可以保证信息收集的效率[10]。根据实验结果分析，使得监测过程更加科学，有助于保证矿井下环境的安全性。