基于信息物理系統煤礦瓦斯監控預警系統

山東星源礦山設備集團有限公司　沈　勇　 王　萌　 潘紅英

煤礦安全監控預警系統作為整個礦井綜合信息系統的一部分，主要用來監測井上、下的各類環境系數和主要生產參數。根據煤礦重大危險源的定義與特性，可以看出，煤礦重大危險源與工業領域的重大危險源有著較大的不同，煤礦重大危險源的辨識必須依據其定義的表述，即“煤礦重大危險源是指可能導致煤礦重大事故的設施或場所”這一概念，著重考慮煤礦存在的重大事故危險類別，而將存在的危險物質及其數量作為參考因素[1]。從這一角度出發，煤礦重大危險源的辨識，主要是辨識煤礦可能發生的各類重大事故。煤礦瓦斯爆炸事故、火災事故、頂板事故、突水事故、煤塵爆炸事故、煤與瓦斯突出事故等都會產生災難性的后果。因此，只要一個煤礦存在瓦斯爆炸事故危險性，就可以確定為瓦斯爆炸重大危險源。也就是說，一個煤礦，只要存在發生某種重大事故的危險性或可能性，即可定為該種事故的重大危險源。

信息物理融合系統Cyber-Physical System (CPS)是集感知、通信、計算、控制于一體，將物理世界與計算世界緊密結合的智能控制系統，融合了計算機網絡技術、嵌入式技術、云計算技術等[2-6]。基于CPS煤礦瓦斯監測預警系統是以遠程監控計算機為監控平臺，通過網絡對遠距離的被控對象及其周圍環境進行監測與控制，實現煤礦瓦斯危險源的遠程監控與管理。本系統可以節省大量的人力、物力，而將該系統部署在較為偏遠，地勢險惡，人難以到達的地方更能凸顯其優勢[7-9]。本文主要完成了基于CPS煤礦瓦斯監測預警系統架構設計，搭建了以云服務為主瓦斯風險預警CPS遠程監控系統架構。總體架構共分為五層三體系CPS結構，文中主要論述了業務層設計內容，同時，給出了基礎設施層的數據采集聯網系統組成，將CPS實體層的一個終端節點按硬件組成結構劃分為傳感器模塊（或執行器模塊）、網絡通信模塊以及處理器模塊。多風險模式CPS系統設計了系統云服務層，提出將多危險源預警技術應用于此，并從多方面探討風險預警模式應用的可行性。

1　系統架構

架構設計是在軟件開發初級階段所要完成的工作之一，它直接影響著后續工作的開展以及結果的好壞。基于CPS煤礦瓦斯監控預警系統與傳統的瓦斯監控系統有很大的差別，尚無完整的開發實例。因此，對基于CPS煤礦瓦斯監控預警系統進行架構設計是很有必要的。在分析基于CPS煤礦瓦斯監控預警系統的主要功能后，提出強調云服務、多危險源監控預警系統CPS架構。

CPS (Cyber Physical System，信息物理融合系統)是通過計算、通信與控制技術的深度融合，實現計算資源與物理資源緊密結合與有效協調的新一代智能系統。采用嵌入式系統作為海量數據采集實體，結合Internet網絡傳輸與控制技術構成CPS危險品遠程監控系統，原理框圖如圖1所示。CPS拉近了物理設施與網絡設施的距離，集異構通信、海量數據計算、自動化控制功能于一身，能夠為人類提供準確、及時的信息與高效、可靠的控制。

圖1　CPS系統示意圖

1.1　系統整體架構

本CPS系統分為實體層、網絡層和應用層三層結構。CPS系統示意圖如圖1所示。實體層包括瓦斯危險源感知采集系統、控制子系統及對應的物理環境。為了獲取準確的危險化學品物理環境信息，CPS在物理世界部署大量的傳感器，根據實際需求選擇傳感器類型，如瓦斯傳感器、溫度傳感器、組份傳感器等。傳感器數據經由數據采集系統對數據進行采集，以保證系統中數據的實時性與正確性。信息經過初步加工后通過Internet網絡層最終傳輸至應用層。應用層的決策控制單元根據語義規則分析瓦斯危險源物理環境信息，必要的時候發出風險等級預警。應用層以云計算作為技術支撐，實現對實體層傳來的海量數據信息的融合、分析與處理，并做出相應的決策控制。

1.2　系統技術架構

系統的總體方案圖，以遠程監控及煤礦重大危險源辨識為主要目的，提出了一種基于CPS煤礦瓦斯監控預警系統架構方式，具體如圖2所示。

以瓦斯危險源重大危險源辨識為主要設計指導原則，基于CPS煤礦瓦斯監控預警系統不僅能夠實現傳統系統中的監視、報警功能，還能解決分散的瓦斯危險源集中管理、同時監視、隱患排查和風險預估等問題，具體功能如下：

（1）對瓦斯危險源物理環境參數實行實時采集、實時傳送、實時監視。環境參數的采集主要依賴于相應的傳感器，數據的傳送依賴于傳感器網絡及通信網絡。

（2）海量數據存儲。傳統的監控系統中，通常將數據存儲于本地的數據庫服務器上。這樣，當數據達到一定數量時，會出現系統性能降低的現象，而不得不將一些歷史數據轉移或直接刪除。CPS煤礦瓦斯監控預警系統不僅針對一個對象，而是針對成千上萬個，這種情況下產生的數據量更是巨大。所以，系統將數據采用分布式存儲等方式存儲于云服務器上，以達到海量數據存儲的目的。

（3）海量數據處理。單純的數據存儲對相關領域的研究者來說并沒有太大的價值，而對海量的歷史數據進行分析處理，其結果所帶來的價值不可估量。重大危險源預警為例，固定地點的單一危險源某段時間的數據對我們來說并無研究意義，但分布在整個礦區瓦斯危險源數據卻有很大的價值。通過對這些數據的分析處理，我們可以有效得出重大危險源的分布情況及隱患預估排查等。

（4）建檔、匯總。通過服務器云端對分散的瓦斯危險源數據信息進行建立檔案，并將數據信息進行分類。對瓦斯重大危險源進行信息分類匯總，即方便管理者，又方便信息需求者。

圖2　CPS系統架構圖

2　CPS系統物理層

在基于CPS煤礦瓦斯監控預警系統中，實體層處于整個系統的最底層，負責對數據的實時采集、存儲、傳輸。這些功能僅依靠于傳感器是不可能實現的，還需要處理器模塊、電源供應模塊、通信模塊等。本系統中按照實體層終端節點的組成結構，介紹傳感器接入方式，通信模塊設計以及處理器模塊設計。

2.1　終端節點組成結構

基于CPS煤礦瓦斯監控預警系統架構設計中，實體層包括了監控對象和傳感器接入單元。一個傳感器接入單元可以完成多種傳感器接入，通過Modbus協議接入時視為一個傳感器節點，通過AD轉換器接入時同樣視為一個節點。將傳感器接入節點統稱為終端節點。

如圖3所示是傳感器接入節點組成結構圖。主要包括電源、傳感器、處理器模塊以及通信模塊，圖中的箭頭表示數據流向。

圖3　節點組成圖

2.2　模擬量接入及視頻信號采集

在瓦斯危險源出現地，通常傳感器已經部署安裝結束，采集器通過Modbus協議或直接通過AD轉換器對傳感器數據信息進行收集。

基于CPS煤礦瓦斯監控預警系統一項重要的功能是可以完成視頻數據采集、存儲及傳輸。采集器通過模擬采集卡完成對模擬視頻采集、壓縮存儲，通過Internet網絡將數據上傳云端服務器。同時，還可以采集數字視頻信息。基于CPS煤礦瓦斯監控預警系統將分散的視頻監控信息進行采集，最終都上傳到云端服務器，真正實現了大范圍的煤礦危險源實時監控過程。

2.3　數據采集處理單元設計

處理器模塊中最核心的部分是單片機，選用嵌入式處理器，Cortex-A9 核心，主頻為1GHz。采用Linux嵌入式系統，可擴展性、移植性、穩定性都非常好，而且芯片升級便捷。一個終端節點集成了溫度傳感器、瓦斯傳感器、組分傳感器等，同時采集溫度、瓦斯濃度、氣體成分、視頻等傳感數據。

3　CPS系統應用層

在CPS原型架構中，頂層被定義為應用層，然而CPS面向的是海量數據處理，因此將系統搭建在云平臺上也更為合理。本文所提出的基于CPS煤礦瓦斯監控預警系統架構相比于CPS原型架構來說，更加強調云服務，不僅是因為云計算對大數據的處理能力，而且云服務中的可以提供大范圍的煤礦瓦斯危險源風險隱患預估情況。

3.1　煤礦危險化源重大危險源辨識設計

煤礦危險源用危險源危險特性及數量數據信息進行計算辨識。利用海量煤礦瓦斯危險源信息數據庫，如濃度、狀況、分布等數據信息，依托云計算采用大數據方法完成煤礦瓦斯危險源重大危險源辨識。以準確、辨識的完整性、臨界量最小原則、數量最大原則、混合物數量為原則開展大數據挖掘。通過大數據挖掘危險化學品重大危險源，然而辨識不僅是確認是否屬于重大危險源，更主要是了解和掌握高危險性的瓦斯危險源數量和分布情況。

3.2　煤礦瓦斯危險源風險隱患預估設計

采用定量風險評價（簡稱QRA）原則對瓦斯風險隱患預估。定量風險評價也稱為概率風險評價，是從量化風險的角度,評價瓦斯危險源對周邊環境造成的事故影響的風險可接受程度，對所采取安全措施對降低風險的有效性進行判定，并在此基礎上提出相關安全措施建議的技術方法。目前，許多歐盟國家都采用QRA方法，用以當局決策重大危險源產生的風險增量以及重大危險源附近的土地開發是否可容許。瓦斯危險源風險隱患預估包括個人風險隱患預估和社會風險隱患預估評價。個人風險是指因瓦斯危險源潛在的火災、爆炸、有毒氣體等事故造成區域內某一固定位置人員的個體死亡概率，即單位時間內（通常為年）的個體死亡率。用個人風險等值線表示。社會風險是指能夠引起大于等于N人死亡的事故累積頻率（F），也即單位時間內（通常為年）的死亡人數。用社會風險曲線（F-N曲線）表示。

4　結論

采用CPS技術設計了煤礦瓦斯監控預警系統。通過對系統整體架構和技術架構得到了系統整體設計步驟。由應用層完成前端瓦斯危險源數據采集，數據傳輸和數據的本地存儲，實時將數據分類別傳送到云端服務器，數據經過網絡由應用層進行重大危險源辨識和瓦斯危險源隱患風險預警，最后進行整體顯示。通過CPS技術構建煤礦瓦斯遠程監控預警系統使安全生產信息化各個環節都充分重視實現煤礦危險源安全監控及監管，系統立體交叉、靈活配置，很大程度提高了可靠性，使系統發生故障的可能性盡量少，影響盡可能小。

[1]孫彥景,于滿,何妍君.煤礦信息物理融合系統模型[J].計算機研究與展,2011,48:295-301.

[2]A.S.,and CC L.Cyber-physical system security and impact analysis[J].IFAC Proceedings,2014,3:11238-11243.

[3]Wunching C.,Wei Y.,and Chunhsien C.Customer Requirements Elicitation and Management for Product Conceptualization[M].Springer.:London,2013:957-968.

[4]Kim K., and Kumar P.“Cyber–Physical Systems: A Perspective at the Centennial[J].Proceedings of the IEEE,2012,100:1287-1308.

[5]A.W.S.,E M.;K T.Cyber-Physical Product- Service Systems–Challenges for Requirements Engineering[J].International Journal of Automation Technology,2017,11: 17-28.

[6]Siddiqui S.Big data process analytics:a survey[J].Int J Emerg Res Manag Technol.2014,3(7):117-23.

[7]Gubbi J,Buyya R,Marusic S,Palaniswami M.Internet of things(IoT):a vision,architectural elements, and future directions[J].Futur Gener Comput Syst,2013, 9(7):1645-1660.

[8]Lee J,Lapira E,Bagheri B,Kao H.Recent advances and trends in predictive manufacturing systems in big data environment[J].Manuf Lett,2013,1(1):38-41.

[9]Hernández Pardo RJ, Bhamra T,Bhamra R. Sustainable Product ServiceSystems in Small and Medium Enterprises (SMEs):Opportunities in theLeather Manufacturing Industry[J].Sustainability,2012,4(2):175-192.