基于AR技術的鉆探開采事故處理過程安全監控方法研究

潘宏春

摘 要：針對傳統鉆探開采事故處理過程安全監控方法對量測參數的監控識別率較低、監控范圍狹窄的問題，提出基于AR技術的鉆探開采事故處理過程安全監控方法。通過設置施工參數、主電機參數和主電機驅動油車輸出參數為安全監控量測參數，運用LAS算法，設定安全監控范圍。在此基礎上，運用AR技術中的實時視頻顯示和實時跟蹤功能，設計鉆探開采事故處理過程安全監控流程。設置實驗數據和實驗標準，實驗對比結果表明，所提方法對量測參數的監控識別率較高且監控范圍廣，具有一定的實際應用性。

關鍵詞：AR技術;鉆探開采;事故處理;安全監控

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

鉆探開采環境惡劣，機電設備繁多，因鉆探開采環境的復雜性，工作中可能會出現鉆具斷落、卡鉆、嚴重井塌、鉆頭落井及井噴等開采事故，一旦發生開采事故，需立即做出相應處理[1]。鉆探開采事故處理過程安全監控技術的應用領域比較具體，針對性更強。當前，使用最廣泛的安全監控技術主要由輸入輸出系統、后臺監控系統和數據矩陣切換裝置組成。通過攝像頭采集鉆探開采現場作業的數據，再經過輸出線路輸送到后臺監控顯示器上。在鉆井監控信息傳輸網絡出現網絡時延和信息丟包時，工作人員雖然可以通過監視器監視現場，但這種方法的實時性較差，難以滿足監控要求。因此，鉆探開采事故處理過程安全監控方法已經成為領域急需研究的課題。

目前已有學者對鉆探開采事故處理過程安全監控方法做出了研究。文獻[2]設計了一種基于視頻的煤礦安全監控行為識別系統，根據實際監控需求，分別設計了目標檢測、行為分類與識別、及信息監管模塊。采用Spring MVC框架構建了煤礦安全監控行為識別系統。該方法的監控識別率較高。但無法在較大范圍進行應用，不便于與后臺監控系統交換數據;文獻[3]提出了一種基于尺度效應的過程安全事故概率估計方法。引入多尺度思想修正事件概率，根據模糊Petri網模型完成事故概率估計系統設計。該方法能夠準確估算事故發生概率，但未考慮事故處理過程的安全檢測問題。

針對上述方法存在的問題，提出基于AR技術的鉆探開采事故處理過程安全監控方法。確定鉆探開采事故處理過程安全監控量測參數，設定其安全監控范圍，在此基礎上借助AR技術將各種格式的模擬信息和工業現場總線轉換成數字信號，再通過井下太環網上傳到計算機系統。最后設計對比實驗，分析傳統的鉆探開采事故處理過程安全監控方法與基于AR技術的鉆探開采事故處理過程安全監控方法的監控范圍及對量測參數的監控識別率，得出有效性結論。

1 鉆探開采事故處理過程安全監控量測參數確定

為保證鉆探開采事故處理過程的安全，設計事故處理過程的安全監控方法。首先確定采集量測參數信息的傳感器信號范圍，在參數采集過程中，使用的傳感器輸出信號要滿足以下幾點要求：

A：直流模擬量信號范圍為1～5 mA。

B：用于地面的直流模擬信號范圍為2～4 mA。

C：開關量信號范圍為1～5 mA。

滿足上述3個條即可有效提高模擬信號的傳輸精度和抗干擾能力[4]。選擇的智能傳感器的輸出頻率范圍一般在1 000～2 000 Hz。

確定傳感器參數后，要確定鉆探開采事故因子，即安全監控中的量測參數。選擇監控環境和機械設備運行狀態兩方面作為監控對象，分別計算施工參數、主電機參數和主電機驅動油車輸出參數的影響因子，計算過程如下：

施工參數：依據鉆探開采的力學參數已知情況，使用有限元法計算油車最大鉤載重量，計算式如式（1）所示。

主電機驅動油車輸出參數：通過計算可得，油車在最大載荷狀態下的速度不能低于0.3 m/s，低速實際輸出油車速為0.43 m/s。為讓油車具有一定的事故處理能力，設置施工要求，當油車處于低速檔鉆探開采時，油車的實際輸出速度為0.7 m/s，實際的輸出拉力應小于最大鉆具重量，再折算掉1/7的浮力，即可滿足鉆具重量的速度要求[6]。

2 鉆探開采事故處理過程安全監控范圍設定

在得到量測參數結果的基礎上，運用LAS算法設定安全監控范圍。

假設安全監控處理范圍節點為m個，中心協調處理節點為c，當中心協調處理節點與這m個節點保持雙向通信時，則每條監控節點Nj就會從數據流Sj中接收到新的數據[7]。接收到的數據記錄格式為（r，t，r，id，r，xd）。其中，r表示數據記錄生產時間，t表示時間，id表示監控屬性，xd表示接收到的新數據。在數據取值時，相同屬性取值會被歸為同一個監控對象，假設在這些屬性中有n種不同取值，則監控對象集合表示為O={O1，O2，…，On}。O表示監控數據流的總次數，On表示監控節點部分數值。監控節點觀測的對象數值會隨著時間窗口滑動而變化[8]。設定在時間點t時刻的監控范圍，計算式如式（3）所示。

3 基于AR技術的安全監控流程設計

在確定了安全監控量測參數，設定了安全監控范圍的基礎上，設計基于AR技術的鉆探開采事故處理過程安全監控流程。

首先設置安全監控指標：

指標一：運用低維主元空間中的數據特征，計算加權距離，如式（6）所示。

指標二：假設采集的數據源于鉆探開采事故處理過程，且數據服從多變量分布，則T采樣點的分布會隨著歷史采樣點規模不斷變化。當歷史數據少時，均值和方差的估計值精度低，則T采樣點服從自由度，如式（7）所示。

指標三：當歷史采樣點數目增多時，為確保模型均值精確性，需計算T的精確值Tj，計算式如式（8）所示。

設置采樣點T統計量的監控指標后，引入調整因子，處理與數據流分布不一致的數據。觀測差別大的監控節點會影響安全監控節點上的處理結果，為減少全局處理結果與中心協調處理節點維護的處理結果之間的差異，引入調整因子，通過重新分配每個對象在監控節點上的部分值，得到新的因子。則調整后的觀測值，要滿足以下約束條件，如式（9）所示。

為避免每次判斷約束違反時都要經過所有安全監控節點，利用AR技術來處理對象的觀測值。AR即增強現實技術，通過AR技術的實時視頻顯示功能和實時跟蹤功能將虛擬系統直觀表現出來，能夠有效觀測安全監控節點的觀測值是否違反了約束范圍。

算法執行階段：

第一階段，監控窗口滑動時，會出現一個或者多個安全監控節點違反本地約束情況。監控中心會將違反本地約束的對象和每個對象的觀測值發送到協調處理節點。

第二階段：當監控中心接收到違反本地約束的監控節點信息后，會根據第一階段描述的步驟，判斷此階段獲取的信息是否存在違反約束的情況。若安全監控節點通過更新違反約束的協調因子解決約束違反時，本地的處理結果可保持不變。若中心協調處理節點需要協調因子發送到對應的安全監控節點，即可結束算法。若無法解決上述所說的這兩種問題，就需要執行第三個階段。

第三階段，中心協調處理節點要計算違反約束對象的實際觀測值和松弛值。當接收到安全監控節點信息后，中心協調處理節點需要計算出新的處理結果，調入新的調整因子，將其發送到對應的安全監控節點。

執行完上述流程后，即可實現監控鉆探開采事故處理過程。

由此，完成基于AR技術的鉆探開采事故處理過程安全監控方法的設計。

4 實驗分析

4.1 實驗環境及實驗數據

為檢測基于AR技術的鉆探開采事故處理過程安全監控方法的監控效果，設計了仿真實驗進行驗證。

以Unity3D作為AR技術的搭載平臺，構建基于AR技術的鉆探開采事故處理過程安全監控模型，如圖1所示。

實驗數據選用合成的事故處理過程的數據集：分布參數取值為5，合成的數據中包含數據產生的時間，按照數據產生的時間先后順序分布在各個安全節點上，數據共包含1 000個安全監控節點，200個量測參數。

4.2 實驗標準

為了得到更直觀的實驗結果，選用文獻[2]、文獻[3]所提方法作為實驗對照組采用的方法，對比采用3種方法對量測參數的監測識別率及監測范圍。實驗通過制定不同參數大小，來衡量3種方法的優劣性。需要注意，安全監控節點的數量和近似參數以及控制對象都會影響結果。為減弱實驗參數對實驗結果的影響，設定了各項參數的默認值，如表1所示。

4.3 實驗結果

分別采用以上3種監控方法對選用的鉆探開采事故處理過程數據集進行監控，通過圖1所示基于AR技術的鉆探開采事故處理過程安全監控模型觀測量測參數識別效果，并根據式（9）將其轉換為量測參數識別率，如式（10）所示。

分析圖2可知，文獻[2]方法對量測參數的平均監控識別率為48.6%;文獻[3]方法對量測參數的平均監控識別率為53.5%;而基于AR技術的鉆探開采事故處理過程安全監控模型對量測參數的平均監控識別率為86.5%。上述結果表明，所提方法對量測參數的監控識別率較高。

在此基礎上測試3種方法的監控范圍，得到對比結果如圖3所示。

分析圖3可知，使用所提方法的安全監控范圍更廣，基本保持在400至500 m左右。使用傳統方法的安全監控范圍相對狹窄，當安全監控節點數據增加時，監控范圍會變小。說明監控范圍會隨著安全監控節點數量的增加而變小。

由此可知，基于AR技術的鉆探開采事故處理過程安全監控方法的監控識別率高，監控范圍更大，具有一定的實用性。

5 總結

針對傳統的鉆探開采事故處理過程安全監控方法存在的問題，提出基于AR技術的鉆探開采事故處理過程安全監控方法。先確定安全監控量測項目參數，再設定安全監控范圍，在此基礎上，運用AR技術設計鉆探開采事故處理過程安全監控流程。由此，完成本次設計。通過設計對比試驗得出，所提方法的監控范圍更廣，對量測參數的監測識別率更高，且符合設計需求。

在實驗中發現，采用所設計監控方法仍存在違反約束的安全監控節點，未來將以安全監控節點范圍的優化為目標，進一步完善基于AR技術的鉆探開采事故處理過程安全監控方法。

參考文獻

[1] 魏濤， 王磊， 池深深. 開采沉陷動態精準預計的時效Knothe函數方法研究[J]. 金屬礦山， 2017，23（10）：16-22.

[2] 楊超宇， 李策， 蘇劍臣. 基于視頻的煤礦安全監控行為識別系統研究[J]. 煤炭工程， 2016， 48（4）：111-113.

[3] 胡瑾秋， 郭家潔. 基于尺度效應的過程安全事故概率估計[J]. 化工學報， 2017， 68（12）：4848-4856.

[4] 劉傳安， 劉建， 都永正. 煤礦安全監控系統便捷檢查分析裝備設計[J]. 工礦自動化， 2017， 43（3）：74-77.

[5] 李忠華， 包思遠， 尹萬蕾. 巨型逆沖斷層開采擾動活化條件研究[J]. 采礦與安全工程學報， 2019，36（4）：78-79.

[6] 李劍. PLC技術在礦用設備監控中的應用--評《PLC技術與煤礦設備監控》[J]. 礦業研究與開發， 2019，33（8）：146.

[7] 張明媛， 曹志穎， 趙雪峰， 等. 基于深度學習的建筑工人安全帽佩戴識別研究[J]. 安全與環境學報， 2019，19（2）：535-541.

[8] 李東， 周勇. 大數據在煤礦安全領域應用方法研究[J]. 中國煤炭， 2018.44（7）：132-133.

[9] 陳賀明. 基于web的船舶火災各艙室關聯監控和報警技術研究[J]. 艦船科學技術， 2018，33（12）：187-188.

[10] 王浩， 趙毅鑫， 焦振. 復合動力災害危險下被保護層回采巷道位置優化[J]. 采礦與安全工程學報， 2017， 34（6）：1060-1066.

[11] 劉強， 蔡志平， 殷建平. 網絡安全檢測框架與方法研究[J]. 計算機工程與科學， 2017，39（12）：154-155.

[12] 原雅茹， 謝斌紅， 潘理虎. 煤礦安全監控領域可變性模型[J]. 工礦自動化， 2017，43（10）：199-201.

[13] 馮馨玥， 楊秋松， 石琳. 基于動態策略學習的關鍵內存數據訪問監控[J]. 計算機研究與發展， 2019， 56（7）：1470-1487.

[14] 李東， 周勇. 大數據在煤礦安全領域應用方法研究[J]. 中國煤炭， 2018，44（7）：458-159.

[15] 邱新法， 葉棟水， 曾燕， 等. 基于視頻的霧天能見度實時監測方法研究[J]. 安全與環境學報， 2018，18（4）：765-766.

（收稿日期：2019.08.26）