基于多系統數據級融合的煤礦監測監控邏輯報警分析

杜 剛

（山西晉煤集團 澤州天安煤業有限公司,山西 晉城 048000)

1672-5050（2017)05-0013-09

10.3919/j.cnki.issn1672-5050sxmt.2017.10.005

2017-06-23

杜 剛（1982-),男,四川南充人,碩士,工程師,從事煤礦監測監控、通風安全方面技術管理工作。

基于多系統數據級融合的煤礦監測監控邏輯報警分析

杜 剛

（山西晉煤集團 澤州天安煤業有限公司,山西 晉城 048000)

為了避免因現場環境或人為原因造成的甲烷傳感器失效而導致對現場監測數值不準確,同時使煤礦安裝的多種監測系統實現聯動,提出了多系統融合模型,并分別從軟件和硬件層面對實現融合的物理架構平臺進行了初步搭建,同時分析了單點監測數據偽報警情況,并依據甲烷氣體在巷道中的流動運移情況分析了多點監測數據時空關聯性,以此為基礎,提出了邏輯報警的關聯實現方法和在出現報警后多系統如何實現聯動,為監測監控系統的安全有效運行和進一步的數據融合提供依據。

煤礦監測監控;數據融合;邏輯報警;多系統聯動;數據分析

隨著互聯網技術的飛速發展,數據密集型科學、大數據分析和數據探索等新概念逐漸融入煤礦行業,而當前煤礦已安裝有多種類別的監測系統,這些系統中的各類傳感器數據成為地面中心站賴以感知煤礦井下作業環境的實時依據,但是,由于現場環境問題、傳感器本身的可靠性問題,甚至一些人為目的或原因,造成傳感器采集數據不真實,進而影響地面中心站對井下現場作業環境的判斷,使得系統安全監控效能沒有得到正常發揮,因此如何進行初步的多系統融合和邏輯判斷報警,并實現與調度通訊系統和應急廣播系統等系統的聯動做出報警和相關控制功能,是將來實現綜合化智能網絡的基礎依據和重要關鍵技術,同時這也將為進一步的大數據分析和數據探索提供最基本的數據支撐。

1 當前煤礦生產中所采集各種數據的特點及數據融合研究現狀

大數據是指一種規模很大,以致在獲取、存儲、管理和分析方面大大超出了傳統數據庫軟件能力范圍的數據集合,具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征[1]。狹義上煤礦生產中的大數據是指利用各類常用傳感器、視頻工具、軟件等采集的數據集合[2]。目前煤礦所安裝的各類系統都由安全監測監控系統、人員定位系統、工業電視監控系統、產量監測系統、主通風機在線監測系統、應急廣播系統和無線通信系統等組成,其他煤礦根據自身實際現狀或條件安裝有瓦斯抽采（放)監測系統、煤與瓦斯突出預警系統、火災束管監測系統、供電監控系統等,其各個系統所采集的安全生產數據主要由地面和井下布置的分站、各類傳感器、攝像頭、設備PLC及控制器等組成,用來監測設置地點的瓦斯濃度、一氧化碳濃度、粉塵濃度、風速、負壓、煙霧有無、溫度、流量、其他有害氣體濃度、瓦斯壓力等環境參數和風門開關、運煤量、煤倉煤位、水倉水位、各種機電設備開停等生產參數,見圖1。

圖1 煤礦各類監測系統及傳感器Fig.1 Monitoring and measurement system and sensors in coal mines

這些數據的采集和保存每時每刻都在進行,長期積累的現場各類數據是十分豐富的。而在目前煤礦的日常生產工作中,關注的重心依然是井下現場作業地點和其他重要位置的甲烷濃度,對監測數據的使用僅是用來判斷當時當地甲烷濃度是否超標以決定是否允許正常作業,同時對其他各類參數（包括環境、設備和人員)這些動態信息的把握也是對當前現場及作業情況進行指揮調控,之后所有這些數據即被保存起來而很少再用。這些數據覆蓋范圍較廣,實時性強,數據量較大,同時大都彼此獨立,不具有或具有弱的空間相關性,而具有強的時間相關性[3]。

關于數據融合的研究,從20世紀70年代就已開始。在多傳感器數據融合中,類型各異的傳感器針對同一監測對象所采集到的數據依據某種優化準則進行融合,最終產生對監測環境的一致性描述,而多系統融合是一項系統級甚至模型級的優化技術,利用多個系統或者多個模型的融合與優化策略實現優勢互補而提升整個系統的性能。關于數據融合應用于煤礦安全監控的研究有很多,文獻[4]對信息融合作出了初步的分析,提出了三級數據融合和集散式融合結構,文獻[5]提出了基于模糊Petri網的傳感器管理模型。文獻[6]通過對多傳感器賦予權重系數,并通過最大隸屬法得出最終結果。文獻[7-11]提出煤礦安全監控的二級融合模型,并提出局部融合和全局融合,分別采用算數平均值分批估計算法和D-S證據理論算法。而文獻[12]提出一級融合基于自適應加權算法,二級融合基于模糊神經網絡的BP算法。文獻[13]通過數據級和特征級兩級融合,采用K-Means聚類算法對下一刻數據進行了預測。文獻[14]通過數據級、特征級和決策級三級融合,基于模糊專家決策系統對瓦斯超限和煤與瓦斯突出進行預測。文獻[15]提出基于PCA和BP神經網絡的特征級融合和D-S證據理論的決策層融合。文獻[16]提出最短聚類算法的數據級融合和D-S證據理論算法的決策級融合。文獻[17-18]則分別通過地面軟件和井下硬件設計的方法對多系統的數據進行整合。以上研究方法更多的是將融合應用于安全監控系統的數據采集和處理,在數據級融合的算法中大多采用加權平均值或聚類算法,而井下現場更多是通過降低模擬量傳感器的報警值來提前預警,而提前預警更依賴于單個傳感器的可靠性。

2 多系統監測數據融合架構

2.1數據融合模型

當前的多傳感器多系統監測數據融合模型,多數以文獻[4]提出的三層數據融合模型為依據,也就是將信息融合劃分為數據級、特征級和決策級3個層次。結合當前信息融合的模型研究和現場需求情況筆者,提出以下基于JDL模型、Dasarathy模型和Boyd控制環的監測數據融合混合模型,見圖2,相對于三層數據融合模型而言,本模型明確了信息融合結果的反饋控制和整個信息融合的循環過程。

圖2 信息融合模型Fig.2 Data Fusion Model

2.2數據融合物理架構

以上述融合模型為基礎,在數據融合的起始階段,應在數據層進行初步的數據整合共享,在物理層架構的實現主要有兩種方法,見圖3。

圖3 應用層融合架構Fig.3 Fusion architecture at application level

第一種如圖3所示,是對于目前已安裝有各類監測系統的礦井,實現融合的方式為開發多系統應用層軟件,即如圖1中的應用層融合,將各類監測監控信息數據在地面中心站進行集中匯總,通過系統融合軟件用統一或不同的協議獲得各監測監控類系統的數據,對這些數據進行展示,并進一步利用部分或全部系統的數據進行下一步分析,實現多系統融合,達到多系統數據共享的目的。當前煤礦安全監控系統開展的升級改造多以此類融合為主,通過在地面主機上安裝多系統融合軟件來實現多系統的數據同屏展示功能,但是多系統的應用層融合方式無法減少井下現場設備數量,對于減少日常維護工作也沒有太大意義,只是對系統數據的綜合展示及一定程度的應用提供了一種可行方法,對于已安裝各類系統的礦井來說,可以有效地利用現有系統同時避免進一步的成本增加。

第二種如圖4所示,是對于新建設的,在聯合試運轉前需要安裝各類監測系統的礦井,多系統的融合應以井下數據融合為主,降低設備成本、節省線纜重復敷設,同時能夠利用一套具有多種接口、無線傳感網絡接口、高速以太網接口的分站,運行多種不同類型的數據采集和輸出控制功能,實現真正的井下多系統本質上的融合,同時在分站處留有硬件接口,在應用層軟件處留有軟件接口,以便后期其他系統的接入。

圖4 分站級融合架構Fig.4 Fusion architecture at substation level

以上兩種多系統融合物理架構方式,是實現特征層融合、決策層融合和控制輸出層融合的基礎,而架構的實現也是我們解決信息篩選優化和邏輯報警的物理平臺,同時這些也是數據層融合首先要解決的問題。

3 邏輯報警及控制

3.1邏輯報警的概念及實現

邏輯報警需要以巷道布置及通風情況、瓦斯等有害氣體產生等的內在關系為依據,所以這里以開采自然煤層的低瓦斯礦井為例,選取一個采煤工作面（U型通風方式)為對象進行分析,見圖5,安裝有安全監測監控系統、束管監測系統、人員定位系統、調度通訊系統和應急廣播系統,在硬件架構上,可采用軟件融合或硬件融合的方式,實現對監測數據進行單點的時間序列分析（消除偽報警數據)和多點的時空相關性分析（實現邏輯報警功能),各個傳感器的安裝位置見圖5,進行初步的監測信息數據級融合。圖5中各種符號代表傳感器或設備類型如表1所示。

圖5 綜采工作面各類監測系統傳感器布置Fig.5 Sensor deployment of monitoring and measurement system in fully-mechanized mining face

系統類型符號安全監控系統甲烷傳感器T一氧化碳傳感器CO溫度傳感器WD煙霧傳感器YW開停傳感器KT束管監測系統監測點C人員定位系統監測分站/天線RY調度通訊系統電話D應急廣播系統喇叭GB

將各類傳感器安裝好并正常運行后,日常工作中就需要對采集的各類數據進行融合分析。融合分析的開始就是要做數據級的融合,其框架結構,見圖6。

圖6 綜采工作面信息數據級融合分析框架Fig.6 Analysis framework of data fusion of fully-mechanized mining face

3.2單點監測數據時間序列分析

在采集到的環境和設備監測數據中,我們重點關注的是氣體濃度監測,其中采空區內束管監測采樣正常每周不少于一次,現場實時監測的主要為甲烷和一氧化碳氣體濃度,當氣體濃度超標時,需要及時弄清超限報警原因,去除偽報警數據并及時正確處置。而日常中偽報警數據最多的為變頻設備和通訊設備干擾、電纜延伸回收時引起短路和設備故障產生的誤報警,以及日常正常調校和斷電試驗產生的報警數據。

干擾數據造成的報警一般報警時間很短,大部分都是單測點報警;如果因為分站故障原因造成分站所帶的多個傳感器出現報警,干擾數據波形為突變單銳角三角形,持續時間很短,見圖7。

圖7 甲烷傳感器因干擾產生的報警數據Fig.7 Methane sensor alarming data caused by interference

傳感器調校和斷電試驗數據從大量數據可看出曲線為梯形,見圖8。傳感器調校流程:首先給傳感器充入空氣,調校零點,關閉空氣;然后充入標準氣樣,使其測量值穩定顯示,持續時間大于90 s,使顯示值與充入標準氣樣濃度保持一致,并觀察記錄相關參數,最后關閉氣樣,使測量值下降到正常狀態。斷電試驗可能直接充入校準氣樣,則數據曲線無開始時的下降段。

圖8 甲烷傳感器正常調校和斷電試驗產生的報警數據Fig.8 Methane sensor alarming data generated from normal adjustment and power cut-off test

圖9 傳感器高值曲線分段圖Fig.9 High value segment of sensor data

目前對誤報警的判斷普遍是通過人工調出波形曲線進行初步判斷,進行篩除,使得分析曲線缺乏時效性。這里可以通過軟件來判斷波形的形狀,利用最小二乘法對曲線進行擬合用軟件快速識別報警類型,過濾偽報警數據。如圖9所示將曲線分成報警前、報警時和報警后回落3段,分別命名為Q1,Q2和Q3,并在曲線報警段和下降段進行多點取樣擬合。即Q1={（Cs,Ts),…,（Cb,Tb)},Q2={（Cb,Tb),…, （Cf,Tf),…,（Cb,Tj)},Q3={（Cb,Tj),…,（Cn,Tn)},其中Cs為甲烷濃度起始值,Cb為甲烷濃度報警限值,Cf為甲烷濃度峰值,Cn為甲烷濃度下降后值,T對應其時刻點。

然后依據一元線性回歸法進行分析,計算上升段和下降段的斜率k和回歸系數b。

k1=（Cb-Cs)/（Tb-Ts).

（1)

k3=（Cn-Cf)/（Tn-Tf) .

（2)

式中:k1,k3分別為報警前和報警后回落曲線段甲烷濃度值隨時間的變化速度。

在曲線上升段和下降段多點取樣分段擬合,用以類比以往曲線分析：

（3)

式中:x0=Ts;xn=Tb;bi為該段子序列的回歸系數。下降段的bj計算與此類似。

通過計算得出的k值和時間差值,匹配判斷表2可以迅速過濾異常數據,同時可以類比以往曲線,提高軟件識別率。另外對于調校和斷電試驗也可提前將地點和時間段錄入計算機,提高軟件識別能力。

表2 誤報警特征值判斷表

3.3氣體運移時空相關變化分析

由于單一傳感器采集的數據信息量不足,同時數據的真實性非常依賴于傳感器的可靠工作,而井下現場經常會出現因人為原因或設備原因造成的數據不真實,因此根據氣體巷道內運移的特性,實現同類傳感器的邏輯關聯報警,可提升監測數據的有效性。當前煤礦現場實時監測的氣體主要為甲烷和一氧化碳,其中一氧化碳主要作為煤層自燃發火和井巷皮帶著火的指標氣體,同時在巷道內布置傳感器數量較少,而且作為不同類型傳感器之間的相關性較小,在這里主要考慮甲烷氣體時空運移相關變化。

3.3.1甲烷氣體運移形式分析

井下各地點甲烷氣體濃度分布是氣體在通風系統作用下運移擴散的結果,甲烷氣體在通風系統中運移擴散過程比較復雜,主要分為擴散運動、通風引起的甲烷氣體對流運動（通過計算得知礦井內沿巷道流動的空氣風流屬于完全湍流狀態)以及無規則湍流脈動引起甲烷氣體的湍流擴散[19]。

3.3.2甲烷氣體運移時空相關變化定性分析

按照煤礦安全規程,各類傳感器的布設方式如圖5所示。盡管采空區內甲烷氣體流動非常復雜,但受通風因素影響,當工作面瓦斯涌出量上升時,宏觀上沿風流方向安設的甲烷傳感器監測數據會相繼升高,尤其是在初采初放、發生偏幫或煤體垮落等情況下,瓦斯涌出量突然增大時,表現更加明顯。具體延遲多長時間甲烷氣體流波動的前鋒才能到達各監測點,主要取決于相鄰兩個傳感器的間隔距離和風流速度、瓦斯涌出強度等因素。如圖10所示,正常生產時上隅角、工作面處甲烷監測數據經過一定時間后相繼爬升,但由于無規則湍流脈動引起甲烷氣體的湍流擴散作用,瓦斯氣流在巷道空間傳播存在被稀釋過程,因此,處于風流下風側的傳感器監測數據波動幅度通常比其上風側的要小。

圖10 正常生產時采面上隅角、工作面甲烷傳感器監測數值Fig.10 Methane sensor data between the upper corner and working face in normal production

圖11 正常生產時掘進工作面、回風流甲烷傳感器監測數值Fig.11 Methane sensor data between the working face and return current in normal production

同樣,掘進工作面的甲烷傳感器也存在類似相關性。首先,掘進巷道的通風方式多為局部通風機壓入式通風,這種通風必然在工作面迎頭處造成較大的風速甚至在個別區域形成風流的渦旋,故掘進工作面的甲烷傳感器監測數值可能隨風流的變化有一定波動;其次,掘進工作面的甲烷氣體并未與空氣均勻混合,同時在煤層瓦斯含量較高的掘進巷道中,煤壁的瓦斯涌出量相對大一些,所以正常情況下回風流處甲烷濃度較大,但當掘進工作面瓦斯涌出量突然增加后,工作面甲烷傳感器數值會先升高,隨著風流對甲烷氣體的運移作用,回風流處甲烷傳感器數值隨后增加,其變化趨勢基本一致,具體關系如圖11所示。

3.3.3甲烷氣體運移時空相關變化定量分析

由于巷道中風流為湍流,文獻[20]提供了如下公式,可計算得到x位置t時間的甲烷濃度（%)：

（4)

也就是說,甲烷濃度與空間位置x和時間t有關,即具有時空相關性,但是它的解算很復雜。因此也可以采用下一種算法估算。

因為在井下巷道中,風流基本穩定,不會出現大幅度的波動,因此,傳感器采集到同一團甲烷氣流的延遲時間T與傳感器的距離L和瓦斯涌出量Q成正比。文獻[21]提供了瓦斯涌出量穩定時的公式來計算下風側監控區域的甲烷濃度C:

（5)

式中:A為巷道平均斷面積,m2;C為Tmin后監控區域的甲烷濃度,%;Ci為該監控區域初始的甲烷濃度,%;Q0為瓦斯涌出量,m3/min;V為巷道斷面的平均風速,m/s;C1為風流經過后該監控區域的甲烷濃度,%;

這里,我們將公式簡單變換,C作為監測點的報警濃度,C1按濃度C′與初始甲烷濃度Ci的1/3來估算,即風流經過該監控區域后甲烷濃度降到1/3時,認為該甲烷氣團流過該區域,得到下風側監控區域的甲烷濃度C隨時間T的變化公式:

（6)

式中:C′為上風側甲烷傳感器濃度,%。

反之,可通過下風側甲烷濃度C反算得出T時間前上風側甲烷傳感器的濃度值:

（7)

當瓦斯涌出源來源于煤壁和落煤時,利用瓦斯涌出量和煤暴露時間關系式

Q0=q0e-βT.

（8)

式中:q0為Tmin時瓦斯涌出量,m3/min;β為衰減系數,d-1。

將（8)式代入（7)式中可以得出瓦斯源涌出不穩定時的估算公式。

3.4多系統數據融合后的邏輯報警及控制分析

3.4.1總體思路

在數據級融合的基礎上,邏輯報警及控制的總體思路如圖12所示,根據巷道布置及通風情況、甲烷或一氧化碳有害氣體產生及流動情況,發生以下任一情況時:

a.某模擬量監測點發生報警時（其中單點誤報警數據已通過監測數據時間序列分析軟件過濾)，

b.后臺軟件處理計算,用下風側的甲烷傳感器的實時監測值,通過公式（8)反算出上風側甲烷傳感器的數值達到或超過規定的報警值時，

對其關聯區域內的報警器發出報警信號,同時斷電器輸出控制切斷關聯區域內所有非本安型電氣設備電源。然后通過初步數據層融合后的系統,用人員定位實時地面顯示報警區域內的人員數量和位置,并通過自動應急廣播系統和人工操作調度通訊系統引導,直到具體每個人員撤出危險區域。

3.4.2實例分析

依據3.1中條件,補充假設以下條件:巷道斷面積A為6 m2,風速V為1 m/s,瓦斯涌出量穩定且Q0為4.5 m3/min,兩個甲烷傳感器距離L為600 m,上風側甲烷傳感器已失效,下風側監控區域初始的甲烷濃度Ci為0.2%,下風側甲烷傳感器濃度C為0.8%,此時應該首先排除傳感器的誤報警情況,之后將數值代入公式（1)中,可算出T時間前,上風側甲烷傳感器的濃度值為1.73%,數值已經超過規程規定的斷電值,此時,立即通過初步數據層融合后的系統使巷道內的聲光報警器和應急廣播系統發出報警信號,同時斷電器輸出控制切斷采煤工作面及回風巷內所有非本安型電氣設備電源。然后,用人員定位實時地面顯示報警區域內的人員數量和位置,并通過自動應急廣播系統和人工操作調度通訊系統,引導人員撤出。

4 結語

本文對多傳感器多系統數據層的融合結構做了初步的研究,從軟件應用層和分站硬件兩方面考慮了多系統融合平臺的設計與構成,而且對甲烷傳感器的邏輯報警作出了一定的探索,但由于現場瓦斯源涌出的不穩定,所以相關性計算還需結合現場實際。同時提出的基于邏輯報警控制和多系統融合后的聯合互動,可以初步避免“信息孤島”,有效避免因傳感器失效、多系統人工操作等環節引起的應急響應時間增加。

邏輯報警及各系統的聯合互動是煤礦各類監測數據融合的最基礎工作,而本文僅是對同類甲烷傳感器作出了初步的數據關聯分析,但現場多種異類傳感器共同的采集數據才能夠對具體環境情況實時掌握,這一方面依賴于現場傳感器的種類是否齊全,另一方面依賴于對測點位置的選擇和傳感器的數量能否將隱患地點覆蓋,這些需要將來進一步完善礦山多傳感器監測體系,優化網絡結構和負載,并且逐步構建可擴展可自診的分布式模塊化子系統,最終實現礦山綜合化智能網絡。

圖12 邏輯報警聯動控制關系圖Fig.12 Linkage control relation of logic level alarm

[1] 趙勇,林輝,沈寓實.大數據革命:理論、模式與技術創新[M].北京:電子工業出版社, 2014.

[2] 王海軍,武先利.“互聯網+”時代煤礦大數據應用分析[J].煤炭科學技術,2016,44（2):139-143.

WANG Haijun,WU Xianli.Analysis on Application of Coal Mine Big Data in Age of ‘Internet+’[J].Coal Science and Technology,2016,44（2):139-143.

[3] 孟凡榮.煤礦安全監測監控數據知識發現方法[M].徐州:中國礦業大學出版社,2008:20-21.

[4] 張曉強,高莉,于洪珍.煤礦監測監控系統信息融合結構的研究[J].工礦自動化,2007（4):80-82.

[5] 高莉,胡延軍,于洪珍.面向信息融合的煤礦監測監控系統傳感器管理方法的研究[J].工礦自動化,2009（1):1-4.

GAO Li,HU Yanjun,YU Hongzhen.Research of Method of Sensors Management of Coal Mine Monitoring and Control System Oriented to Information Fusion[J].Industry and Mine Automation,2009（1):1-4.

[6] 張謙,龐彩霞.多傳感器模糊數據融合技術在瓦斯監測中的應用[J].礦山機械,2008（12):58-60.

ZHANG Qian,PANG Caixia.Application of the Multi-sensor Fuzzy Data Fusion Technique in Coal Mine Gas Monitoring[J].Mining & Processing Equipment,2008（12):58-60.

[7] 邵良杉,付貴祥.基于數據融合理論的煤礦瓦斯動態預測技術[J].煤炭學報,2008（5):551-555.

SHAO Liangshan,FU Guixiang.Dynamic Prediction Technology for Gas Based on Data Fusion Theory[J].Journal of China Coal Society,2008（5):551-555.

[8] 馬國勝.基于多傳感器融合技術的瓦斯監控系統實現[D].武漢:武漢理工大學,2010.

MA Guosheng.Implementation of Gas Monitoring System Based on Multi-sensor Fusion Technology[D].Wuhan:Wuhan University of Technology,2010.

[9] 張冰倩.基于數據融合技術的煤礦安全監控系統研究[D].阜新:遼寧工程技術大學,2013.

ZHANG Bingqian.Research on Coal Mine Safety Monitoring System Based on Data Fusion[J].Fuxin: Liaoning Technical University,2013.

[10] 黃健,徐永剛,孫中廷.多傳感器數據融合技術在煤礦井下的應用[J].煤礦機械,2015,36（7):242-244.

HUANG Jian,XU Yonggang,SUN Zhongting.Application of Multi-sensor Data Fusion in Underground mines[J].Coal Mine Machinery,2015,36（7):242-244.

[11] 劉詩源.信息融合在煤礦安全監測的應用研究[D].重慶:西南大學,2016.

[12] 張河翔.信息融合技術在煤礦安全監控中的應用研究[D].重慶：重慶大學,2012.

ZHANG Hexiang.The Research of Information Fusion Method Technology in Coal Mine Safety Monitoring[D].Chongqing:Chongqing University,2012.

[13] 穆文瑜.煤礦多傳感器混沌時序數據融合預測研究[D].太原:山西大學,2012.

MU Wenyu.The Coal Multi-sensor Data Fusion Prediction of Chaotic Time Series[D].Taiyuan:Shanxi University,2012.

[14] 朱世松.煤礦瓦斯監測多傳感器信息融合與知識發現研究[D].徐州:中國礦業大學,2013.

ZHU Shisong.Study on Multi-sensor Information Fusion and Knowledge Discovery on the Coal Gas Monitoring[D].Xuzhou:China University of Mining & Technology,2013.

[15] 史俊茹.多傳感器數據融合在煤礦安全預警中的研究與應用[D].銀川:寧夏大學,2015.

SHI Junru.Research and Application of Multi-sensor Data Fusion in the Coal Mine Safety Early-warning[D].Yinchuan:Ningxia University,2015.

[16] 冀少軍.多傳感器數據融合技術在煤礦瓦斯預警中的應用研究[D].邯鄲:河北工程大學,2016.

JI Shaojun.Research on Application of Multi-sensor Data Fusion in the Coal Mine Gas Early-warning[D].Handan:Hebei University of Engineering,2016.

[17] 閆兆振. 煤礦安全監控多系統融合平臺[J].工礦自動化,2017,43（2):11-14.

YAN Zhaozhen.Multi-system Fusion Platform for Coal Mine Safety Monitoring and Control[J].Industry and Mine Automation,2017,43（2):11-14.

[18] 王啟封.煤礦安全監控多系統井下融合方法[J].工礦自動化,2017,43（2):7-10.

WANG Qifeng.Underground Multi-system Fusion Scheme of Coal Mine Safety Monitoring and Control System[J].Industry and Mine Automation,2017,43（2):7-10.

[19] 梁棟.通風過程瓦斯運移規律和數值模擬[M].北京:煤炭工業出版社,1999.

[20] 王英敬.礦內空氣動力學與礦井通風系統[M].北京:冶金工業出版社,1994.

[21] 孫繼平,唐亮,陳偉,等.煤礦井下長巷道瓦斯傳感器間距設計[J].遼寧工程技術大學學報（自然科學版),2009,28（1):21-23.

SUN Jiping,TANG Liang,CHEN Wei,etal.Interval Between Sensors in Long Roadway of Underground Mine[J].Journal of Liaoning Technical University （Natural Science),2009,28（1):21-23.

LogicLevelAlarmAnalysisofMonitoringandMeasurementSysteminCoalMinesBasedonMulti-systemDataFusion

DUGang

（ZezhouTian’anCoalCo.,Ltd.,ShanxiJinchengCoalGroup,Jincheng048000,China)

To avoid the inaccurate monitoring data caused by the failure of methane sensors resulted by environment or human beings and to realize the linkage of the multiple monitoring system,the paper proposes a mulit-system data fusion model.In terms of software and hardware,a physical architecture platform was established to realize the fusion. Meanwhile,false alarm of single point was analyzed.Based on the methane flow in roadways,the time-space multi-point linkage was studied too.Then,the linkage method of the logic level alarm and the linkage realization of the multi-system were proposed to provide evidence for the safe operation and further fusion of the system.

monitoring and measurement in coal mines;data fusion;logic level alarm;multi-system linkage;data analysis

TD76

A

（編輯:楊 鵬)