基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警

王亮

(西安科技大學(xué) 電氣與控制工程學(xué)院， 陜西 西安　710054)

?

基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警

王亮

(西安科技大學(xué) 電氣與控制工程學(xué)院， 陜西 西安710054)

摘要：利用復(fù)雜事件處理技術(shù)構(gòu)建了基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警觸發(fā)模式。以井下RFID人員定位數(shù)據(jù)與環(huán)境監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)應(yīng)用數(shù)據(jù)，基于復(fù)雜事件處理技術(shù)搭建大規(guī)模井下安全流數(shù)據(jù)處理框架，設(shè)計(jì)離線數(shù)據(jù)關(guān)聯(lián)規(guī)則自學(xué)習(xí)、在線數(shù)據(jù)匹配樹(shù)結(jié)構(gòu)自匹配的雙層并行機(jī)制，以實(shí)現(xiàn)對(duì)井下安全預(yù)警事件的高效檢測(cè)與預(yù)警觸發(fā)。測(cè)試結(jié)果表明，基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警模式相對(duì)于基于關(guān)系型數(shù)據(jù)庫(kù)的安全監(jiān)控模式，在異常事件檢測(cè)數(shù)與檢測(cè)效率方面均具有顯著的優(yōu)勢(shì)。

關(guān)鍵詞：煤礦井下安全； 復(fù)雜事件處理； 異常事件檢測(cè)； 預(yù)警觸發(fā)

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20160803.1002.009.html

0　引言

作為產(chǎn)煤量占世界35%的產(chǎn)煤大國(guó)，煤炭在中國(guó)的能源消耗體系中占據(jù)十分重要的位置。然而，由于煤炭開(kāi)采井下地質(zhì)條件的復(fù)雜性及開(kāi)采環(huán)境的惡劣性等眾多原因，中國(guó)成為礦難高發(fā)國(guó)。據(jù)不完全統(tǒng)計(jì)，2015年中國(guó)發(fā)生近40起重特大煤礦安全事故，造成七百余人死亡和失蹤[1]。針對(duì)目前嚴(yán)峻的煤礦安全生產(chǎn)現(xiàn)狀，進(jìn)一步加強(qiáng)煤礦安全生產(chǎn)技術(shù)的研究與開(kāi)發(fā)應(yīng)用具有十分重要的現(xiàn)實(shí)意義。在現(xiàn)有的煤礦井下安全監(jiān)控系統(tǒng)中，所獲取的煤礦生產(chǎn)過(guò)程數(shù)據(jù)涵蓋井下人員、通風(fēng)、環(huán)境、地質(zhì)等方面的狀態(tài)信息與感知數(shù)據(jù)。上述數(shù)據(jù)信息可反映煤礦生產(chǎn)過(guò)程各環(huán)節(jié)的實(shí)時(shí)狀態(tài)，蘊(yùn)含影響煤礦安全生產(chǎn)多要素之間的內(nèi)在機(jī)理規(guī)則，體現(xiàn)煤礦安全事件的發(fā)展趨勢(shì)與態(tài)勢(shì)。因此，立足于信息化與工業(yè)化“兩化融合”的現(xiàn)實(shí)趨勢(shì)與客觀需求，利用上述跨空間多領(lǐng)域的異構(gòu)感知數(shù)據(jù)的關(guān)聯(lián)建模與深度融合，有力提升安全監(jiān)控系統(tǒng)在井下安全事件檢測(cè)與預(yù)警處理方面的準(zhǔn)確性與高效性，對(duì)于充分發(fā)揮安全監(jiān)控系統(tǒng)在井下安全管理方面的作用具有極其重要的現(xiàn)實(shí)意義與應(yīng)用價(jià)值。本文利用復(fù)雜事件處理技術(shù)構(gòu)建了基于事件驅(qū)動(dòng)的煤礦井下安全事件高效檢測(cè)與預(yù)警觸發(fā)模式。測(cè)試結(jié)果表明，該模式相對(duì)于基于關(guān)系型數(shù)據(jù)庫(kù)的安全監(jiān)控模式，在異常事件檢測(cè)數(shù)與檢測(cè)效率方面均具有顯著優(yōu)勢(shì)。

1　煤礦安全監(jiān)控系統(tǒng)概述

隨著信息技術(shù)的飛速發(fā)展，構(gòu)建信息化的智能煤礦安全生產(chǎn)監(jiān)控系統(tǒng)，以解決煤炭生產(chǎn)過(guò)程中的安全隱患問(wèn)題已經(jīng)成為一條行之有效的重要途徑[2-3]。中國(guó)從20世紀(jì)90年代開(kāi)始自主研發(fā)煤礦安全監(jiān)控系統(tǒng)，通過(guò)在井下安放位置固定的監(jiān)控傳感設(shè)備，以有線電纜的方式將數(shù)據(jù)傳送至地面監(jiān)控系統(tǒng)[4]。而隨著RFID技術(shù)與無(wú)線傳感網(wǎng)技術(shù)的日趨成熟，相關(guān)的基于RFID的煤礦安全監(jiān)控系統(tǒng)已經(jīng)投入實(shí)際生產(chǎn)并發(fā)揮了有效的作用[5-8]。在面向煤礦安全生產(chǎn)監(jiān)控的數(shù)據(jù)利用方面，現(xiàn)有的模式往往是以歷史數(shù)據(jù)為基礎(chǔ)，以傳統(tǒng)的數(shù)據(jù)庫(kù)存儲(chǔ)分析為手段，通過(guò)匯聚統(tǒng)計(jì)分析及集成統(tǒng)計(jì)分析，進(jìn)而發(fā)現(xiàn)煤礦生產(chǎn)過(guò)程中各種機(jī)電設(shè)備的健康狀況、運(yùn)行能耗、環(huán)境變化等信息，最終實(shí)現(xiàn)對(duì)煤礦生產(chǎn)的安全輔助支撐作用[9-11]。通過(guò)以上分析可以看出，現(xiàn)有煤礦安全信息集成與數(shù)據(jù)分析方法盡管對(duì)煤礦安全生產(chǎn)起到了明顯的促進(jìn)作用，但是仍然無(wú)法在煤礦井下開(kāi)采的復(fù)雜、惡劣生產(chǎn)環(huán)境中充分發(fā)揮其作用；仍然無(wú)法實(shí)時(shí)、高效、智慧地感知與檢測(cè)生產(chǎn)流程中的人員、環(huán)境、機(jī)電設(shè)備等方面的異常安全事件；仍然無(wú)法以自適應(yīng)、自學(xué)習(xí)的方式匯聚生產(chǎn)過(guò)程模式規(guī)律，從而為事中安全預(yù)警、事后搶險(xiǎn)救援提供科學(xué)而有效的判據(jù)。

2　基于事件驅(qū)動(dòng)架構(gòu)的復(fù)雜事件處理框架

作為面向流數(shù)據(jù)的事件驅(qū)動(dòng)架構(gòu)框架，復(fù)雜事件處理由美國(guó)斯坦福大學(xué)的David Luckham與

Brian Fraseca 于20世紀(jì)90年代提出，其主要通過(guò)使用模式對(duì)比匹配過(guò)程、原事件及復(fù)合事件的關(guān)聯(lián)與聚合關(guān)系，從大規(guī)模流數(shù)據(jù)中實(shí)時(shí)檢測(cè)并抽取出有意義的事件，從而構(gòu)建更為彈性的事件驅(qū)動(dòng)架構(gòu)相關(guān)應(yīng)用[12-14]。在事件驅(qū)動(dòng)架構(gòu)下，相比于傳統(tǒng)的簡(jiǎn)單事件檢測(cè)流程，復(fù)雜事件處理不僅可用于處理單一的、用戶預(yù)先定義的與應(yīng)用為導(dǎo)向的事件，同時(shí)可以處理基于事件內(nèi)在邏輯層次化關(guān)系的復(fù)合事件，通過(guò)對(duì)業(yè)務(wù)相關(guān)流程參數(shù)的自學(xué)習(xí)過(guò)程建立并更新知識(shí)庫(kù)，當(dāng)事件處理監(jiān)測(cè)模塊檢測(cè)出數(shù)據(jù)流中所蘊(yùn)含的目標(biāo)事件時(shí)，以近乎實(shí)時(shí)的方式去觸發(fā)相關(guān)的動(dòng)作(預(yù)警、干預(yù)等)。

目前復(fù)雜事件處理實(shí)現(xiàn)方面的技術(shù)主要有自動(dòng)機(jī)、Petri網(wǎng)、匹配樹(shù)及有向圖等[14]。因?yàn)榛臼录c復(fù)雜事件具有本質(zhì)的分層邏輯關(guān)系，本文以匹配樹(shù)為主要實(shí)現(xiàn)手段。在匹配樹(shù)事件檢測(cè)模型中，葉子節(jié)點(diǎn)表示基本檢測(cè)事件，節(jié)點(diǎn)之間的關(guān)系以事件操作符替代。針對(duì)用戶所定義或查詢的復(fù)雜事件模式，匹配樹(shù)模型首先構(gòu)造對(duì)應(yīng)的事件識(shí)別樹(shù)形結(jié)構(gòu)，相應(yīng)的時(shí)間、參數(shù)值均作為節(jié)點(diǎn)屬性值保存在識(shí)別樹(shù)中。基本通用流程：事件檢測(cè)模型檢測(cè)葉子節(jié)點(diǎn)基本事件，通過(guò)基本事件表達(dá)式合成關(guān)系匹配檢索基本事件級(jí)的復(fù)合事件，若滿足條件則更新葉子節(jié)點(diǎn)歷史記錄，同時(shí)將對(duì)應(yīng)事件發(fā)送至緩存；將所生成的新復(fù)合事件發(fā)送至葉子節(jié)點(diǎn)對(duì)應(yīng)的父節(jié)點(diǎn)，并根據(jù)語(yǔ)義關(guān)系與表達(dá)式產(chǎn)生新的候選復(fù)雜事件，若滿足匹配條件則發(fā)送更上一級(jí)父節(jié)點(diǎn)進(jìn)行進(jìn)一步的事件匹配處理。下面給出一個(gè)簡(jiǎn)單結(jié)構(gòu)匹配樹(shù)，如圖1所示，首先建立前綴樹(shù)，其中包含4個(gè)模式串：“say”、“she”、“shr”、“her”。其中，根節(jié)點(diǎn)root為空，不表示任何字符，終端節(jié)點(diǎn)表示葉子節(jié)點(diǎn)。然后根據(jù)待查找字符串，逐字符匹配前綴樹(shù)字符串，從樹(shù)的根節(jié)點(diǎn)root往葉子節(jié)點(diǎn)逐步查找，直至實(shí)現(xiàn)字符匹配或是匹配失效。例如，待查找字符串“sa”可與第1條模式串“say”實(shí)現(xiàn)匹配過(guò)程。

圖1　復(fù)雜事件檢測(cè)匹配樹(shù)模型

3　煤礦井下安全事件檢測(cè)與預(yù)警

3.1煤礦井下事件語(yǔ)義及事件定義

安全監(jiān)控系統(tǒng)覆蓋煤炭開(kāi)采的各個(gè)關(guān)鍵環(huán)節(jié)，通過(guò)傳感器、視頻監(jiān)控等設(shè)備記錄井下作業(yè)空間、機(jī)電設(shè)備狀態(tài)及井下濕度、溫度、風(fēng)速、壓力、瓦斯、一氧化碳、氧氣等環(huán)境狀態(tài)，同時(shí)利用RFID可實(shí)現(xiàn)對(duì)井下人員的定位追蹤。本文以RFID人員定位數(shù)據(jù)與井下環(huán)境監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)應(yīng)用數(shù)據(jù)，基于復(fù)雜事件處理技術(shù)設(shè)計(jì)并實(shí)現(xiàn)基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警觸發(fā)模式。其中用于人員定位的RFID數(shù)據(jù)格式為{ReaderID，Tag，Timestamp}，其中ReaderID為RFID讀寫(xiě)器的ID號(hào)，Tag為所掃描的電子標(biāo)簽的標(biāo)志號(hào)，Timestamp為數(shù)據(jù)讀取的時(shí)間戳信息。用于環(huán)境狀態(tài)監(jiān)測(cè)所采集的數(shù)據(jù)格式為{SensorID，SensingData，Timestamp}三元格式，其中SensorID為傳感器ID號(hào)，SensingData為所采集的感知數(shù)據(jù)(包括溫度、濕度、壓力、風(fēng)速、瓦斯?jié)舛燃胺蹓m濃度等信息)。

與RFID數(shù)據(jù)相比，環(huán)境監(jiān)測(cè)中的狀態(tài)監(jiān)測(cè)所涉及的傳感器類(lèi)型多樣，數(shù)據(jù)格式不一，因而在復(fù)合事件生成層所合成的事件模式更為復(fù)雜。利用應(yīng)用基礎(chǔ)數(shù)據(jù)采集體系(RFID與傳感器網(wǎng)絡(luò))所采集到的原始數(shù)據(jù)，基于規(guī)則關(guān)系以生成與煤礦安全相關(guān)的復(fù)雜事件。

定義1基本安全事件：為具有簡(jiǎn)單語(yǔ)義知識(shí)的目標(biāo)域狀態(tài)信息及多傳感源之間的具有某種時(shí)空與流程關(guān)聯(lián)的關(guān)系事件，如環(huán)境溫度變化事件、實(shí)時(shí)瓦斯信息等。

定義2復(fù)雜安全事件：為由若干個(gè)基本安全事件或復(fù)雜安全事件通過(guò)事件合成關(guān)系或是操作符號(hào)所產(chǎn)生的合成事件，以表達(dá)應(yīng)用層不同語(yǔ)義對(duì)象之間的相互關(guān)系。其具體的數(shù)據(jù)形式可以定義為{Feature，Rule，Time}，其中Feature表示復(fù)雜安全事件的屬性特征；Rule為相應(yīng)的規(guī)則信息，具體有因果關(guān)系、時(shí)序關(guān)系等；Time依據(jù)復(fù)雜安全事件的性質(zhì)可分為時(shí)間點(diǎn)與時(shí)間區(qū)間。

基于事件驅(qū)動(dòng)的復(fù)雜安全事件處理模式實(shí)時(shí)檢測(cè)人員定位及環(huán)境狀態(tài)監(jiān)測(cè)數(shù)據(jù)，如果有滿足用戶自定義或是基于規(guī)則學(xué)習(xí)所產(chǎn)生的井下安全監(jiān)測(cè)復(fù)雜事件時(shí)，事件處理將所檢測(cè)的事件發(fā)送給應(yīng)用程序接口，同時(shí)以實(shí)時(shí)方式觸發(fā)相關(guān)報(bào)警提示動(dòng)作。在本文中以2個(gè)主要的事件為例進(jìn)行闡述：礦工位置移動(dòng)事件、環(huán)境安全預(yù)警事件。

礦工位置移動(dòng)事件在基本事件的情景下，其所滿足的基本條件形式化表示如下：

(1)

式中：Readeri.Tagk為礦工Tagk進(jìn)入RFID 讀寫(xiě)器Readeri的空間范圍；d為自定義的距離參數(shù)，其與不同的具體場(chǎng)景(采煤層、巷道)有關(guān)，其可以通過(guò)2個(gè)基本的RFID基本事件聚合而成，即{ReaderIDi，Tagk，Timestampi}與{ReaderIDj，Tagk，Timestampj}，Tagk為該復(fù)雜事件所指向的具體礦工對(duì)象，Timestampj-Timestampi為位置移動(dòng)事件的時(shí)間跨度信息。

礦工位置移動(dòng)事件滿足條件：① 2個(gè)不同Reader之間的距離閾值滿足式(1)。② Timestampj與Timestampi滿足時(shí)序先后關(guān)系。

本文采用經(jīng)典的復(fù)雜事件語(yǔ)言SASE作為煤礦井下監(jiān)控系統(tǒng)的安全事件描述、查詢及檢測(cè)語(yǔ)言。下面就礦工位置移動(dòng)事件給出一個(gè)查詢實(shí)例：

Select * from RFIDEvent

Where Tag = Tagk

Where Timestampj> Timestampi

環(huán)境安全預(yù)警事件在基本事件的情景下，其所滿足的基本條件形式化表示如下：

SensingDataj.SensorIDk≥ε

(2)

式中:SensingDataj.SensorIDk為傳感器節(jié)點(diǎn)SensorIDk所感知到的環(huán)境參數(shù)數(shù)據(jù)SensingDataj;ε為閾值，其與具體的傳感器環(huán)境監(jiān)測(cè)參數(shù)類(lèi)型(瓦斯?jié)舛取⒎蹓m濃度等)有關(guān)。

具體而言，環(huán)境安全預(yù)警事件為煤礦井下某個(gè)傳感器節(jié)點(diǎn)所采集到的環(huán)境狀態(tài)信息，反映出所在區(qū)域的環(huán)境狀態(tài)出現(xiàn)異常，而觸發(fā)實(shí)時(shí)報(bào)警事件。

對(duì)于復(fù)合事件而言，在環(huán)境安全預(yù)警事件情景下，其表述形式為Rule==Condition，其中Rule為多基本事件所合成的事件規(guī)則，Condition為系統(tǒng)安全用戶或是通過(guò)自學(xué)習(xí)過(guò)程所得到的滿足條件。例如，溫度、濕度、粉塵濃度等多個(gè)傳感信息的復(fù)合關(guān)聯(lián)滿足相應(yīng)的條件，以觸發(fā)報(bào)警事件。

3.2基于事件驅(qū)動(dòng)的井下安全事件檢測(cè)與預(yù)警觸發(fā)

基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警觸發(fā)模式構(gòu)成如圖2所示。基于RFID人員定位與機(jī)電類(lèi)、環(huán)境類(lèi)、地質(zhì)類(lèi)等多源傳感器網(wǎng)絡(luò)實(shí)時(shí)獲取的跨空間異構(gòu)井下安全感知數(shù)據(jù)，按照規(guī)范化數(shù)據(jù)格式與事件表示進(jìn)行數(shù)據(jù)解析過(guò)程，主要包括對(duì)不同傳感器節(jié)點(diǎn)所獲取的數(shù)據(jù)進(jìn)行格式統(tǒng)一、單位換算、數(shù)據(jù)清洗等預(yù)處理操作；解析后的數(shù)據(jù)通過(guò)復(fù)雜事件產(chǎn)生模塊，以復(fù)雜事件表示元語(yǔ)為基礎(chǔ)，分別實(shí)現(xiàn)數(shù)據(jù)向事件的語(yǔ)義轉(zhuǎn)換過(guò)程、基本安全事件的產(chǎn)生及復(fù)雜安全事件的合成操作，以實(shí)現(xiàn)實(shí)時(shí)流數(shù)據(jù)完成不同粒度、不同層次上的事件合成操作。其中，語(yǔ)義轉(zhuǎn)換功能在于實(shí)現(xiàn)原始數(shù)值型數(shù)據(jù)向語(yǔ)義型數(shù)據(jù)的映射與轉(zhuǎn)換，同時(shí)保證在映射與轉(zhuǎn)換過(guò)程中維持最小的信息損耗；基本安全事件的產(chǎn)生功能為建立在語(yǔ)義轉(zhuǎn)換基礎(chǔ)之上的元安全事件擬合過(guò)程。

圖2　基于事件驅(qū)動(dòng)的煤礦井下安全事件

另一方面，基于多源感知流數(shù)據(jù)實(shí)現(xiàn)對(duì)歷史語(yǔ)義知識(shí)庫(kù)的離線更新過(guò)程，通過(guò)歷史數(shù)據(jù)的關(guān)聯(lián)規(guī)則自學(xué)習(xí)實(shí)現(xiàn)復(fù)雜事件規(guī)則知識(shí)的自動(dòng)化更新與增量式更新。此外，模型設(shè)置了管理用戶關(guān)聯(lián)規(guī)則自定義接口，以實(shí)現(xiàn)用戶針對(duì)特定環(huán)境、特定約束、特定條件下的自定義規(guī)則。基于復(fù)雜事件產(chǎn)生模塊所輸出的安全事件與關(guān)聯(lián)規(guī)則，在滑動(dòng)時(shí)間窗進(jìn)行匹配樹(shù)實(shí)時(shí)匹配過(guò)程，以概率化數(shù)值表示對(duì)當(dāng)前狀態(tài)的風(fēng)險(xiǎn)評(píng)估，基于風(fēng)險(xiǎn)評(píng)估量化關(guān)系進(jìn)行危險(xiǎn)提示與預(yù)警觸發(fā)，最終為煤礦生產(chǎn)安全管理部門(mén)的決策提供支撐。

4　實(shí)驗(yàn)仿真及結(jié)果分析

為了驗(yàn)證所提出的基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與觸發(fā)模式的有效性與快速性，本文以煤礦井下安全檢測(cè)數(shù)據(jù)集為基礎(chǔ)進(jìn)行了相應(yīng)的實(shí)驗(yàn)仿真測(cè)試。實(shí)驗(yàn)數(shù)據(jù)采用煤礦井下現(xiàn)場(chǎng)采集小數(shù)據(jù)集與按照泊松分布產(chǎn)生的虛擬數(shù)據(jù)相結(jié)合的合成數(shù)據(jù)集。傳統(tǒng)的煤礦井下安全預(yù)警或是采用單一傳感源獲取數(shù)據(jù)的實(shí)時(shí)動(dòng)作觸發(fā)，或是將多源采集數(shù)據(jù)發(fā)送至數(shù)據(jù)庫(kù)，在服務(wù)器端進(jìn)行數(shù)據(jù)的融合與關(guān)聯(lián)匹配以產(chǎn)生預(yù)警。由于本文所采用的是以RFID人員定位與環(huán)境監(jiān)測(cè)感知數(shù)據(jù)為應(yīng)用基礎(chǔ)數(shù)據(jù)的多源數(shù)據(jù)，所以實(shí)驗(yàn)部分與基于傳統(tǒng)數(shù)據(jù)庫(kù)的安全預(yù)警模式(傳統(tǒng)數(shù)據(jù)庫(kù)模式)進(jìn)行比較分析。

本文實(shí)驗(yàn)環(huán)境分為硬件環(huán)境和軟件環(huán)境。其中，硬件環(huán)境為Intel(R) Core(TM) i3-3110M CPU、2.40 GHz、4.00 GB內(nèi)存和250 GB硬盤(pán)；軟件環(huán)境為Windows 7操作系統(tǒng)，Visual C++ 6.0 編程環(huán)境。對(duì)面向煤礦井下安全監(jiān)測(cè)流數(shù)據(jù)的復(fù)雜事件處理性能進(jìn)行測(cè)試，并對(duì)結(jié)果進(jìn)行了分析。

在不同測(cè)試數(shù)據(jù)序列(1 000～5 000序列)下分別對(duì)井下多源數(shù)據(jù)異常事件的檢測(cè)結(jié)果與效率進(jìn)行比對(duì)分析，具體結(jié)果如圖3所示。由圖3(a)可以看出，基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警觸發(fā)模式(事件驅(qū)動(dòng)模式)的異常事件檢測(cè)數(shù)顯著優(yōu)于傳統(tǒng)數(shù)據(jù)庫(kù)模式，平均可提高事件檢測(cè)率57.63%。由圖3(b)可以看出，事件驅(qū)動(dòng)模式的時(shí)間效率優(yōu)于傳統(tǒng)數(shù)據(jù)庫(kù)模式，其時(shí)間開(kāi)銷(xiāo)平均提升了2.26倍。

(a) 2種模式的異常事件檢測(cè)數(shù)對(duì)比

(b) 2種模式的異常事件檢測(cè)效率對(duì)比

5　結(jié)語(yǔ)

面向煤礦復(fù)雜、惡劣生產(chǎn)環(huán)境對(duì)于安全預(yù)警系統(tǒng)實(shí)時(shí)性、綜合性的現(xiàn)實(shí)需求，構(gòu)建了基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警觸發(fā)模式。以井下人員定位RFID數(shù)據(jù)與環(huán)境監(jiān)測(cè)數(shù)據(jù)為基礎(chǔ)應(yīng)用數(shù)據(jù)，利用復(fù)雜事件處理技術(shù)的事件語(yǔ)義定義合成多層復(fù)合安全事件，通過(guò)匹配樹(shù)結(jié)構(gòu)在線匹配RFID數(shù)據(jù)與傳感器網(wǎng)絡(luò)環(huán)境監(jiān)測(cè)獲取數(shù)據(jù)，以實(shí)現(xiàn)在線實(shí)時(shí)安全預(yù)警事件的檢測(cè)與預(yù)警觸發(fā)。對(duì)合成測(cè)試數(shù)據(jù)的實(shí)驗(yàn)仿真結(jié)果顯示，所提出的基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警觸發(fā)模式比傳統(tǒng)的數(shù)據(jù)庫(kù)處理模式在異常事件檢測(cè)數(shù)與檢測(cè)效率2個(gè)方面均具有顯著的優(yōu)勢(shì)。

參考文獻(xiàn)：

[1]新華網(wǎng).2015年全國(guó)發(fā)生38起重特大事故768人喪生失蹤[EB/OL].(2016-01-15)[2016-04-16].http://www.sh.xinhuanet.com/2016-01/15/c-135012916.html.

[2]孫繼平.煤礦安全監(jiān)控技術(shù)與系統(tǒng)[J].煤炭科學(xué)技術(shù),2010,38(10):1-4.

[3]孫繼平.煤礦安全監(jiān)控系統(tǒng)聯(lián)網(wǎng)技術(shù)研究[J].煤炭學(xué)報(bào),2009,34(11):1546-1549.

[4]李繼林.煤礦安全監(jiān)控系統(tǒng)的現(xiàn)狀與發(fā)展趨勢(shì)[J].煤炭技術(shù),2008,27(11):3-5.

[5]高玉芹.基于RFID和WSN的煤礦安全監(jiān)控系統(tǒng)[J].儀表技術(shù)與傳感器,2007(12):76-78.

[6]郭甜甜,尹洪勝,高婷,等.軟件設(shè)計(jì)模式在煤礦安全監(jiān)控系統(tǒng)開(kāi)發(fā)中的應(yīng)用研究[J].煤礦機(jī)械,2011,32(2):211-213.

[7]魯遠(yuǎn)祥,樊榮.煤礦安全監(jiān)控系統(tǒng)體系架構(gòu)技術(shù)的發(fā)展[J].礦業(yè)安全與環(huán)保,2009,36(增刊1):177-179.

[8]宋楠楠,陳巖.一種基于無(wú)線傳感器網(wǎng)絡(luò)的煤礦安全監(jiān)控系統(tǒng)[J].北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,28(2):47-49.

[9]劉盼,褚延丞,華鋼,等.煤礦安全監(jiān)控信息特征快速發(fā)現(xiàn)方法研究[J].工礦自動(dòng)化,2013,39(6):22-25.

[10]王智峰,屈凡非,田建軍,等.基于海量數(shù)據(jù)分析的煤礦生產(chǎn)輔助決策支持系統(tǒng)的設(shè)計(jì)[J].工礦自動(dòng)化,2011,37(10):22-25.

[11]焦昊.煤礦安全監(jiān)控信息管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].長(zhǎng)春：吉林大學(xué),2015.

[12]楊清,徐建良,高德欣.基于復(fù)雜事件處理技術(shù)的RFID系統(tǒng)數(shù)據(jù)分析[J].微計(jì)算機(jī)信息,2006,22(26):179-181.

[13]沈斌,朱國(guó)良,閆廣超.煤礦監(jiān)控系統(tǒng)中RFID數(shù)據(jù)處理平臺(tái)的研究[J].Industrial Control Computer,2010,23(7):57-58.

[14]湯玲麗.復(fù)雜事件處理引擎關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué),2012.

文章編號(hào)：1671-251X(2016)08-0033-05

DOI:10.13272/j.issn.1671-251x.2016.08.009

收稿日期：2016-05-12；修回日期：2016-06-21；責(zé)任編輯：張強(qiáng)。

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(61402360)。

作者簡(jiǎn)介：王亮(1984-)，男，陜西寶雞人，講師，博士，研究方向?yàn)榈V山自動(dòng)化、煤礦安全監(jiān)控，E-mail：wangliang@xust.edu.cn。

中圖分類(lèi)號(hào)：TD76

文獻(xiàn)標(biāo)志碼：A網(wǎng)絡(luò)出版時(shí)間：2016-08-03 10:02

Detection and early warning of coal mine underground safety event based on event driven

WANG Liang

(School of Electrical and Control Engineering, Xi'an University of Science and Technology, Xi'an 710054, China)

Abstract：A detection and early warning trigger mode of coal mine underground safety event based on event driven was constructed by using complex event processing technology. By adopting underground RFID personnel positioning data and environmental monitoring data as application data, a large-scale underground safety flow data processing framework based on complex event processing technology was built. And then a double layer parallel mechanism for self learning of offline data association rule and self matching of online data matching tree structure was designed, so as to achieve high efficiency detection and early warning trigger for early warning of underground safety event. The test results show that the detection and early warning trigger mode of coal mine underground safety event based on event driven has significant advantages in abnormal event detection and detection efficiency compared with safety monitoring model based on relational database.

Key words:coal mine underground safety; complex event processing; abnormal event detection; early warning trigger mode

王亮.基于事件驅(qū)動(dòng)的煤礦井下安全事件檢測(cè)與預(yù)警[J].工礦自動(dòng)化，2016,42(8)：33-37.