基于模糊算子的煤礦瓦斯?fàn)顟B(tài)診斷研究

廖夢怡，王建璽

基于模糊算子的煤礦瓦斯?fàn)顟B(tài)診斷研究

廖夢怡，王建璽

將模糊算子的運(yùn)算方法引入到煤礦瓦斯?fàn)顟B(tài)研究中, 設(shè)計了基于模糊算子的煤礦瓦斯?fàn)顟B(tài)診斷模型, 然后將該狀態(tài)診斷模型應(yīng)用于工程實(shí)例。結(jié)果表明, 模糊算子診斷方法更加科學(xué)有效, 它具有實(shí)現(xiàn)簡單、可移植性強(qiáng)、易擴(kuò)展、易改進(jìn)、診斷結(jié)果更加準(zhǔn)確等優(yōu)勢。

模糊算子；隸屬度；狀態(tài)診斷；瓦斯積聚

0 引言

正確的煤礦瓦斯?fàn)顟B(tài)診斷，需做大量的數(shù)據(jù)統(tǒng)計工作，而數(shù)據(jù)的統(tǒng)計過程中面臨著數(shù)據(jù)藕合性強(qiáng)、數(shù)據(jù)種類多、信息采集滯后、外部環(huán)境難以綜合定量等因素，在數(shù)據(jù)統(tǒng)計的過程中會存在一定的誤差，模糊數(shù)學(xué)可很好的包容測量誤差，可以從宏觀上整體把握多種影響因素之間的關(guān)系，運(yùn)用“與運(yùn)算”和“或運(yùn)算”這樣的模糊算子，對瓦斯?fàn)顟B(tài)進(jìn)行模糊分析，能夠很好的進(jìn)行煤礦瓦斯?fàn)顟B(tài)診斷，使診斷結(jié)果更加科學(xué)合理[1]。本文將模糊算子的運(yùn)算方法引入到煤礦瓦斯?fàn)顟B(tài)研究中，設(shè)計了基于模糊算子的煤礦瓦斯?fàn)顟B(tài)診斷模型，然后與其他狀態(tài)診斷方法做了對比。結(jié)果表明，模糊算子診斷方法更加科學(xué)有效，它具有實(shí)現(xiàn)簡單、可移植性強(qiáng)、易擴(kuò)展、易改進(jìn)、診斷結(jié)果更加準(zhǔn)確等優(yōu)勢。

1 當(dāng)前煤礦瓦斯?fàn)顟B(tài)診斷現(xiàn)狀

現(xiàn)階段國內(nèi)的煤礦瓦斯?fàn)顟B(tài)診斷途徑大致有3種。

1.1 物理模型

這種方法是在對物理量進(jìn)行統(tǒng)計的基礎(chǔ)上，建立物理模型，通過物理模型預(yù)測出物理量的變化規(guī)律，進(jìn)而對狀態(tài)進(jìn)行診斷。

1.2 數(shù)學(xué)模型

由于引起瓦斯爆炸的 195種參數(shù)都可以使用矢量的方法進(jìn)行表示，可通過運(yùn)動方程計算出各參數(shù)的估計值，進(jìn)而比較估計值與其正常值之間的偏差, 通過差值來評估當(dāng)前的瓦斯?fàn)顟B(tài)[2]。

1.3 智能方法

智能化的診斷方法有專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、基于圖論的模型推理、基于模糊數(shù)學(xué)等幾種方法, 但這些方法都難以排除數(shù)據(jù)樣本的準(zhǔn)確性要求較高、建模難度大、推廣難度大、不易改進(jìn)等缺點(diǎn)。

2 傳統(tǒng)的模糊算子狀態(tài)診斷

此處我們以上偶角瓦斯積聚為例進(jìn)行建模方法研究，按照該方法步驟可類推出諸如瓦斯漏檢、地質(zhì)變化瓦斯漏檢、串聯(lián)通風(fēng)、炸藥變質(zhì)燃燒、巷道貫通后未及時通風(fēng)等事故診斷方法[3]。傳統(tǒng)的模糊算法狀態(tài)診斷模型設(shè)計步驟如下：

（1）首先確認(rèn)上偶角瓦斯積聚狀態(tài)診斷的目標(biāo)任務(wù)；

（2）研究狀態(tài)診斷的范圍、具體要求等診斷方法；

（3）建立上偶角瓦斯積聚模型；

（4）將模糊輸入數(shù)值、模糊輸出數(shù)值進(jìn)行定量處理，明確模糊集合、最大隸屬度原則、模糊矩陣及運(yùn)算方法；

（5）整合多位專家工作經(jīng)驗(yàn)，建立診斷規(guī)則庫；

（6）確定狀態(tài)診斷規(guī)則表：根據(jù)專家工作經(jīng)驗(yàn)指定數(shù)據(jù)量的模糊關(guān)系集合；根據(jù)模糊輸入量和規(guī)則計算出模糊輸出量；將模糊輸出量進(jìn)行量化處理；反復(fù)多次選取不同的輸入數(shù)據(jù)，分別按照上述運(yùn)算規(guī)則，進(jìn)行模糊運(yùn)算，歸納匯總得出上偶角瓦斯積聚“模糊狀態(tài)診斷規(guī)則表”。該表必須經(jīng)過反復(fù)的測試和修改，才能真正投入實(shí)際應(yīng)用。

3 一種改進(jìn)后的模糊算子狀態(tài)診斷方法

接下來我們?nèi)砸陨吓冀峭咚狗e聚狀態(tài)診斷為例，進(jìn)行改進(jìn)后的模糊算子狀態(tài)診斷方法研究。

3.1 輸入值模糊化處理

（1）上偶角瓦斯輸入量1:SR

明確權(quán)重集合：[m,n]

明確基本詞集：SR1、SR2、SR3、SR4、SR5、SR6

按照最大隸屬度原則，確定SR的隸屬函數(shù)圖[4]。

（2）上偶角瓦斯輸入量2: ER

明確權(quán)重集合：[p,q]

明確基本詞集：ER1、ER2、ER3、ER4、ER5、ER6

按照最大隸屬度原則，確定ER的隸屬函數(shù)圖。

（3）上偶角瓦斯輸入量3:TR

明確權(quán)重集合：[s,t]

明確基本詞集：TR1、TR2、TR3、TR4、TR5、TR6

按照最大隸屬度原則，確定TR的隸屬函數(shù)圖。

3.2 輸出值模糊化處理：假設(shè) W 為故障診斷結(jié)果值

（1）明確基礎(chǔ)集合：[a,b]

（2）明確故障診斷狀態(tài)詞集：W1、W2、W3、W4、W5、W6

（3）按照最大隸屬度原則，確定故障診斷的隸屬函數(shù)圖。

3.3 模糊運(yùn)算處理過程

（1）假設(shè)一個SR的實(shí)際輸入值，根據(jù)以上確定的 SR隸屬度函數(shù)上得到SRi、SRj子集變量域和L(SRi)、L(SRj)相應(yīng)的隸屬度數(shù)值。

（2）假設(shè)一個ER的實(shí)際輸入值，根據(jù)以上確定的ER隸屬度函數(shù)上得到ERi、ERj子集變量域和L(ERi)、L(ERj)相應(yīng)的隸屬度數(shù)值。

（3）同上，假設(shè)一個TR的實(shí)際輸入值,根據(jù)以上確定的TR隸屬度函數(shù)上得到TRi、TRj子集變量域和L(TRi)、L(TRj)相應(yīng)的隸屬度數(shù)值。

（4）整合：將上述3組輸入值運(yùn)算得出的模糊子集變量域進(jìn)行組合[5]，可得出下面4種狀態(tài)：

N1=N1(SRi,ERs,TRt),L(N1)=L(SRi)Λ L(ERs)Λ L(TRt);

N2= N2(SRi,ERt,TRt),L(N2)=L(SRi)Λ L(ERt)Λ L(TRt);

N3=N3(SRj,ERs,TRi),L(N3)=L(SRj)Λ L(ERs)Λ L(TRi);

N4=N4(SRj,ERt,TRi),L(N4)=L(SRj)Λ L(ERt)Λ L(TRi)。

對于組合 N1，根據(jù)上偶角瓦斯積聚“模糊狀態(tài)診斷規(guī)則表”查找出對應(yīng)的輸出值模糊子集Wn1。Wn1 = W( n1), 且L( Wn1) = L(n1)

L(Wn1)：狀態(tài) Wn1的概率隸屬度。同理：

Wn2= W( N2), L(Wn2)= L( N2);

Wn3= W( N3), L(Wn3)= L(N3);

Wn4= W( N 4), L(Wn4)= L( N4)。

則: W= ( WN1* L( WN1) + WN2*L( WN2) + WN3* L( WN3) + WN4* L( WN4) )/ ( L(WN1) + L( WN2) + L(WN3)+ L( WN4) )

然后查看輸出值的隸屬度函數(shù)圖, 則可得出輸入值SR、ER、TR所對應(yīng)的狀態(tài)診斷等級和危險發(fā)生的概率。

4 應(yīng)用實(shí)例

此處我們以平煤集團(tuán)四礦的實(shí)際應(yīng)用為例，建立基于模糊算子的煤礦瓦斯?fàn)顟B(tài)診斷模型，首先在屏蔽了其他干擾因素的前提下[6]，進(jìn)行輸入量的處理、輸出量的處理，通過論域、詞集的確定，建立隸屬函數(shù)圖[7]，并制定模糊狀態(tài)診斷規(guī)則表，根據(jù)診斷規(guī)則表得出輸入值相應(yīng)的狀態(tài)診斷等級和危險發(fā)生概率。

首先在平媒四礦選區(qū)9位經(jīng)驗(yàn)豐富的煤礦技術(shù)人員，技術(shù)人員根據(jù)各診斷評價因子在實(shí)際的狀態(tài)診斷時作用的不同，明確各輸入量的權(quán)重集合S={1,2,3,4,5,6},分別代表安全性低、安全性較低、安全性中等、安全性較高、安全性高、安全，同時，根據(jù)實(shí)際情況確定隸屬函數(shù)，編制技術(shù)人員經(jīng)驗(yàn)表，如表1所示：

表1 技術(shù)人員經(jīng)驗(yàn)表

Z4 S3 S3 S3 S3 S2 S1Z5 S2 S2 S2 S2 S2 S1Z6 S1 S1 S1 S1 S1 S1

根據(jù)技術(shù)人員經(jīng)驗(yàn)表，建立模糊矩陣，通過相應(yīng)的模糊關(guān)系運(yùn)算，結(jié)合隸屬度公式，可計算出各常見危險因子的隸屬度權(quán)重表[8]，如表2所示：

表2 常見危險因子的隸屬度權(quán)重表

根據(jù)這 8 種危險度評價因子的權(quán)重向量和隸屬度矩陣,利用模糊數(shù)學(xué)理論得到模糊綜合評價矩陣,由公式 W= (WN1*L(WN1)+WN2*L(WN2)+WN3*L(WN3)+WN4*L(WN 4))/(L(WN1)+L(WN2)+L(WN3)+L(WN4))可得該礦5種危險度的綜合隸屬度，如表3所示：

表3 安全等級所對應(yīng)的綜合隸屬度值

按照模糊數(shù)學(xué)隸最大屬度原則,得知概況安全等級較高[9]，與該礦在近十年生產(chǎn)作業(yè)過程中從未發(fā)生過瓦斯爆炸安全事故的實(shí)際情況相符。

5 總結(jié)

本文提出了基于模糊算子的煤礦瓦斯?fàn)顟B(tài)診斷方法，通過進(jìn)行輸入、輸出值的模糊處理，以及論域、詞集的確定，建立隸屬函數(shù)圖，并制定模糊狀態(tài)診斷規(guī)則表，根據(jù)診斷規(guī)則表得出輸入值相應(yīng)的狀態(tài)診斷等級和危險發(fā)生概率[10]，最后將該方法應(yīng)用于平煤四礦的瓦斯安全性判定。結(jié)果表明，基于模糊算子的煤礦瓦斯?fàn)顟B(tài)診斷方法具有建模簡單、模型改進(jìn)容易、診斷準(zhǔn)確、科學(xué)有效等顯著優(yōu)點(diǎn)，可進(jìn)行推廣。

[1] 高忠紅,何富連.基于 UOWA算子的礦井動力災(zāi)害預(yù)測技術(shù)研究[J].煤炭技術(shù),2012 (01) .

[2] 施天虎,李希建.模糊故障診斷法在預(yù)測煤與瓦斯突出中的應(yīng)用[J].煤炭技術(shù),2011 (01) .

[3] 程東全,顧鋒.基于可拓模式識別的煤與瓦斯突出危險性分析[J].安全與環(huán)境學(xué)報,2012 (01) .

[4] 劉普寅, 吳孟達(dá). 模糊理論及其應(yīng)用 [M ]. 長沙: 國防科技大學(xué)出版社,2000 .

[5] 毛軍軍,賈靜麗.基于一種新的信息熵的區(qū)間直覺模糊集多屬性決策分析[J].合肥師范學(xué)院學(xué)報,2011 (06).

[6] 程東全,顧鋒.基于可拓模式識別的煤與瓦斯突出危險性分析[J].安全與環(huán)境報.2012 (01).

[7] 陳可.基于不確定模糊判斷矩陣及序關(guān)系的群決策方法研究[D].中南大學(xué),2010.

[8] 劉偉.自動報警技術(shù)在煤礦瓦斯監(jiān)控中的應(yīng)用[J].煤炭技術(shù).2011 (12).

[9] 蔣斌,魏立峰,曹順.煤礦瓦斯監(jiān)測無線傳感器網(wǎng)絡(luò)系統(tǒng)設(shè)計[J].微計算機(jī)信息.2008 (31).

[10] 尹洪勝.煤礦瓦斯時間序列分析方法與預(yù)警應(yīng)用研究[D].中國礦業(yè)大學(xué).2010.

The Research of Diagnosis on the State of Coal Mine Gas Based on Fuzzy Operator

Liao Mengyi, Wang Jianxi
(Pingdingshan University, Pingdingshan 467000, China)

The paper introduce fuzzy operator to the study of gasstatein coal mine research, and design state diagnosis model based on fuzzy operator of coal mine gas. Then the state diagnosis model is applied to practical engineering. The result indicates that fuzzy operator diagnosis method more scientific and effective, and it has numerous advantages such as simple realization, strong portability, easy expansion & improvement and more accurate diagnosis.

Fuzzy Operator; Membership; State Diagnosis; Gas Accumulation

TP319

：A

2014.10.29）

1007-757X (2014)12-0013-02

國家重點(diǎn)基礎(chǔ)研究發(fā)展計劃(973)資助項目（2010CB226802）；河南省科技廳科技攻關(guān)項目（豫科鑒委字[2013]第1454號）

廖夢怡（1983-），女，河南南陽人，平頂山學(xué)院軟件學(xué)院，講師，碩士，研究方向：虛擬現(xiàn)實(shí)技術(shù)，平頂山，467000

王建璽（1981-），女，河南社旗人，平頂山學(xué)院軟件學(xué)院，講師，碩士，研究方向：模式識別、圖像處理、數(shù)字媒體技術(shù)應(yīng)用，平頂山，467000