基于AR技术的钻探开采事故处理过程安全监控方法研究

潘宏春

摘 要：针对传统钻探开采事故处理过程安全监控方法对量测参数的监控识别率较低、监控范围狭窄的问题，提出基于AR技术的钻探开采事故处理过程安全监控方法。通过设置施工参数、主电机参数和主电机驱动油车输出参数为安全监控量测参数，运用LAS算法，设定安全监控范围。在此基础上，运用AR技术中的实时视频显示和实时跟踪功能，设计钻探开采事故处理过程安全监控流程。设置实验数据和实验标准，实验对比结果表明，所提方法对量测参数的监控识别率较高且监控范围广，具有一定的实际应用性。

关键词：AR技术;钻探开采;事故处理;安全监控

Abstract：Aiming at the problems of low identification rate and narrow monitoring range of measurement parameters of traditional drilling and mining accident safety monitoring methods， a safety monitoring method of drilling and mining accident handling processes is proposed based on AR technology. By setting the construction parameters which contain main motor parameters， and main motor-driven oil truck output parameters as safety monitoring measurement parameters， the LAS algorithm is used to set the safety monitoring range. Based on this， the real-time video display and real-time tracking functions in AR technology are used to design the safety monitoring process of the drilling and mining accident handling process. The experimental data and experimental standards are set. The experimental comparison results show that the proposed method has a high recognition rate for monitoring parameters and a wide monitoring range， which has certain practical application.

Key words：AR technology;drilling and mining;accident handling;safety monitoring

0 引言

鉆探开采环境恶劣，机电设备繁多，因钻探开采环境的复杂性，工作中可能会出现钻具断落、卡钻、严重井塌、钻头落井及井喷等开采事故，一旦发生开采事故，需立即做出相应处理[1]。钻探开采事故处理过程安全监控技术的应用领域比较具体，针对性更强。当前，使用最广泛的安全监控技术主要由输入输出系统、后台监控系统和数据矩阵切换装置组成。通过摄像头采集钻探开采现场作业的数据，再经过输出线路输送到后台监控显示器上。在钻井监控信息传输网络出现网络时延和信息丢包时，工作人员虽然可以通过监视器监视现场，但这种方法的实时性较差，难以满足监控要求。因此，钻探开采事故处理过程安全监控方法已经成为领域急需研究的课题。

目前已有学者对钻探开采事故处理过程安全监控方法做出了研究。文献[2]设计了一种基于视频的煤矿安全监控行为识别系统，根据实际监控需求，分别设计了目标检测、行为分类与识别、及信息监管模块。采用Spring MVC框架构建了煤矿安全监控行为识别系统。该方法的监控识别率较高。但无法在较大范围进行应用，不便于与后台监控系统交换数据;文献[3]提出了一种基于尺度效应的过程安全事故概率估计方法。引入多尺度思想修正事件概率，根据模糊Petri网模型完成事故概率估计系统设计。该方法能够准确估算事故发生概率，但未考虑事故处理过程的安全检测问题。

针对上述方法存在的问题，提出基于AR技术的钻探开采事故处理过程安全监控方法。确定钻探开采事故处理过程安全监控量测参数，设定其安全监控范围，在此基础上借助AR技术将各种格式的模拟信息和工业现场总线转换成数字信号，再通过井下太环网上传到计算机系统。最后设计对比实验，分析传统的钻探开采事故处理过程安全监控方法与基于AR技术的钻探开采事故处理过程安全监控方法的监控范围及对量测参数的监控识别率，得出有效性结论。

1 钻探开采事故处理过程安全监控量测参数确定

为保证钻探开采事故处理过程的安全，设计事故处理过程的安全监控方法。首先确定采集量测参数信息的传感器信号范围，在参数采集过程中，使用的传感器输出信号要满足以下几点要求：

A：直流模拟量信号范围为1～5 mA。

B：用于地面的直流模拟信号范围为2～4 mA。

C：开关量信号范围为1～5 mA。

满足上述3个条即可有效提高模拟信号的传输精度和抗干扰能力[4]。选择的智能传感器的输出频率范围一般在1 000～2 000 Hz。

确定传感器参数后，要确定钻探开采事故因子，即安全监控中的量测参数。选择监控环境和机械设备运行状态两方面作为监控对象，分别计算施工参数、主电机参数和主电机驱动油车输出参数的影响因子，计算过程如下：

施工参数：依据钻探开采的力学参数已知情况，使用有限元法计算油车最大钩载重量，计算式如式（1）所示。

主电机驱动油车输出参数：通过计算可得，油车在最大载荷状态下的速度不能低于0.3 m/s，低速实际输出油车速为0.43 m/s。为让油车具有一定的事故处理能力，设置施工要求，当油车处于低速档钻探开采时，油车的实际输出速度为0.7 m/s，实际的输出拉力应小于最大钻具重量，再折算掉1/7的浮力，即可满足钻具重量的速度要求[6]。

2 钻探开采事故处理过程安全监控范围设定

在得到量测参数结果的基础上，运用LAS算法设定安全监控范围。

假设安全监控处理范围节点为m个，中心协调处理节点为c，当中心协调处理节点与这m个节点保持双向通信时，则每条监控节点Nj就会从数据流Sj中接收到新的数据[7]。接收到的数据记录格式为（r，t，r，id，r，xd）。其中，r表示数据记录生产时间，t表示时间，id表示监控属性，xd表示接收到的新数据。在数据取值时，相同属性取值会被归为同一个监控对象，假设在这些属性中有n种不同取值，则监控对象集合表示为O={O1，O2，…，On}。O表示监控数据流的总次数，On表示监控节点部分数值。监控节点观测的对象数值会随着时间窗口滑动而变化[8]。设定在时间点t时刻的监控范围，计算式如式（3）所示。

3 基于AR技术的安全监控流程设计

在确定了安全监控量测参数，设定了安全监控范围的基础上，设计基于AR技术的钻探开采事故处理过程安全监控流程。

首先设置安全监控指标：

指标一：运用低维主元空间中的数据特征，计算加权距离，如式（6）所示。

指标二：假设采集的数据源于钻探开采事故处理过程，且数据服从多变量分布，则T采样点的分布会随着历史采样点规模不断变化。当历史数据少时，均值和方差的估计值精度低，则T采样点服从自由度，如式（7）所示。

指标三：当历史采样点数目增多时，为确保模型均值精确性，需计算T的精确值Tj，计算式如式（8）所示。

设置采样点T统计量的监控指标后，引入调整因子，处理与数据流分布不一致的数据。观测差别大的监控节点会影响安全监控节点上的处理结果，为减少全局处理结果与中心协调处理节点维护的处理结果之间的差异，引入调整因子，通过重新分配每个对象在监控节点上的部分值，得到新的因子。则调整后的观测值，要满足以下约束条件，如式（9）所示。

为避免每次判断约束违反时都要经过所有安全监控节点，利用AR技术来处理对象的观测值。AR即增强现实技术，通过AR技术的实时视频显示功能和实时跟踪功能将虚拟系统直观表现出来，能够有效观测安全监控节点的观测值是否违反了约束范围。

算法执行阶段：

第一阶段，监控窗口滑动时，会出现一个或者多个安全监控节点违反本地约束情况。监控中心会将违反本地约束的对象和每个对象的观测值发送到协调处理节点。

第二阶段：当监控中心接收到违反本地约束的监控节点信息后，会根据第一阶段描述的步骤，判断此阶段获取的信息是否存在违反约束的情况。若安全监控节点通过更新违反约束的协调因子解决约束违反时，本地的处理结果可保持不变。若中心协调处理节点需要协调因子发送到对应的安全监控节点，即可结束算法。若无法解决上述所说的这两种问题，就需要执行第三个阶段。

第三阶段，中心协调处理节点要计算违反约束对象的实际观测值和松弛值。当接收到安全监控节点信息后，中心协调处理节点需要计算出新的处理结果，调入新的调整因子，将其发送到对应的安全监控节点。

执行完上述流程后，即可实现监控钻探开采事故处理过程。

由此，完成基于AR技术的钻探开采事故处理过程安全监控方法的设计。

4 实验分析

4.1 实验环境及实验数据

为检测基于AR技术的钻探开采事故处理过程安全监控方法的监控效果，设计了仿真实验进行验证。

以Unity3D作为AR技术的搭载平台，构建基于AR技术的钻探开采事故处理过程安全监控模型，如图1所示。

实验数据选用合成的事故处理过程的数据集：分布参数取值为5，合成的数据中包含数据产生的时间，按照数据产生的时间先后顺序分布在各个安全节点上，数据共包含1 000个安全监控节点，200个量测参数。

4.2 实验标准

为了得到更直观的实验结果，选用文献[2]、文献[3]所提方法作为实验对照组采用的方法，对比采用3种方法对量测参数的监测识别率及监测范围。实验通过制定不同参数大小，来衡量3种方法的优劣性。需要注意，安全监控节点的数量和近似参数以及控制对象都会影响结果。为减弱实验参数对实验结果的影响，设定了各项参数的默认值，如表1所示。

4.3 实验结果

分别采用以上3种监控方法对选用的钻探开采事故处理过程数据集进行监控，通过图1所示基于AR技术的钻探开采事故处理过程安全监控模型观测量测参数识别效果，并根据式（9）将其转换为量测参數识别率，如式（10）所示。

分析图2可知，文献[2]方法对量测参数的平均监控识别率为48.6%;文献[3]方法对量测参数的平均监控识别率为53.5%;而基于AR技术的钻探开采事故处理过程安全监控模型对量测参数的平均监控识别率为86.5%。上述结果表明，所提方法对量测参数的监控识别率较高。

在此基础上测试3种方法的监控范围，得到对比结果如图3所示。

分析图3可知，使用所提方法的安全监控范围更广，基本保持在400至500 m左右。使用传统方法的安全监控范围相对狭窄，当安全监控节点数据增加时，监控范围会变小。说明监控范围会随着安全监控节点数量的增加而变小。

由此可知，基于AR技术的钻探开采事故处理过程安全监控方法的监控识别率高，监控范围更大，具有一定的实用性。

5 总结

针对传统的钻探开采事故处理过程安全监控方法存在的问题，提出基于AR技术的钻探开采事故处理过程安全监控方法。先确定安全监控量测项目参数，再设定安全监控范围，在此基础上，运用AR技术设计钻探开采事故处理过程安全监控流程。由此，完成本次设计。通过设计对比试验得出，所提方法的监控范围更广，对量测参数的监测识别率更高，且符合设计需求。

在实验中发现，采用所设计监控方法仍存在违反约束的安全监控节点，未来将以安全监控节点范围的优化为目标，进一步完善基于AR技术的钻探开采事故处理过程安全监控方法。

参考文献

[1] 魏涛， 王磊， 池深深. 开采沉陷动态精准预计的时效Knothe函数方法研究[J]. 金属矿山， 2017，23（10）：16-22.

[2] 杨超宇， 李策， 苏剑臣. 基于视频的煤矿安全监控行为识别系统研究[J]. 煤炭工程， 2016， 48（4）：111-113.

[3] 胡瑾秋， 郭家洁. 基于尺度效应的过程安全事故概率估计[J]. 化工学报， 2017， 68（12）：4848-4856.

[4] 刘传安， 刘建， 都永正. 煤矿安全监控系统便捷检查分析装备设计[J]. 工矿自动化， 2017， 43（3）：74-77.

[5] 李忠华， 包思远， 尹万蕾. 巨型逆冲断层开采扰动活化条件研究[J]. 采矿与安全工程学报， 2019，36（4）：78-79.

[6] 李剑. PLC技术在矿用设备监控中的应用--评《PLC技术与煤矿设备监控》[J]. 矿业研究与开发， 2019，33（8）：146.

[7] 张明媛， 曹志颖， 赵雪峰， 等. 基于深度学习的建筑工人安全帽佩戴识别研究[J]. 安全与环境学报， 2019，19（2）：535-541.

[8] 李东， 周勇. 大数据在煤矿安全领域应用方法研究[J]. 中国煤炭， 2018.44（7）：132-133.

[9] 陈贺明. 基于web的船舶火灾各舱室关联监控和报警技术研究[J]. 舰船科学技术， 2018，33（12）：187-188.

[10] 王浩， 赵毅鑫， 焦振. 复合动力灾害危险下被保护层回采巷道位置优化[J]. 采矿与安全工程学报， 2017， 34（6）：1060-1066.

[11] 劉强， 蔡志平， 殷建平. 网络安全检测框架与方法研究[J]. 计算机工程与科学， 2017，39（12）：154-155.

[12] 原雅茹， 谢斌红， 潘理虎. 煤矿安全监控领域可变性模型[J]. 工矿自动化， 2017，43（10）：199-201.

[13] 冯馨玥， 杨秋松， 石琳. 基于动态策略学习的关键内存数据访问监控[J]. 计算机研究与发展， 2019， 56（7）：1470-1487.

[14] 李东， 周勇. 大数据在煤矿安全领域应用方法研究[J]. 中国煤炭， 2018，44（7）：458-159.

[15] 邱新法， 叶栋水， 曾燕， 等. 基于视频的雾天能见度实时监测方法研究[J]. 安全与环境学报， 2018，18（4）：765-766.

（收稿日期：2019.08.26）