基于BP神經網絡和LoRa技術的礦井監測預警系統

唐女智 韓聰 羅冬艷 周遠芳 王昆鵬

摘要：傳統的井下監測系統主要采用信號的有線傳輸方式，限制了系統的可移動性，設備安裝不夠靈活，定位精度低，難以滿足現在井下安全監測實時準確的要求。隨著無線傳感器網絡技術的發展，并在眾多領域取得廣泛的應用，這一技術也很快應用于地下礦井中。本文采用無線傳輸lora技術來對數據進行傳輸，采用BP神經網絡算法建立預測模型，來對礦井內環境進行一個監測，并對事故進行一個提前預警，保證礦井工作人員的安全。

關鍵詞：BP神經網絡;LoRa技術;礦井監測預警系統

隨著電子技術、通訊技術、控制技術、計算機技術、CRT顯示技術以及軟件技術的迅速發展，計算機技術在煤炭工業領域得到迅速發展。利用計算機進行實時檢測是煤炭生產的一個重要環節。對工作現場和工作過程進行檢測和控制，將現場運行監督，數據的實時采集、事故處理、常事務管理等工作交給計算機完成礦井監測系統其主要功能是能夠及時、準確地反映各類所需要的監測信息，從而滿足諸如環境安全、膠帶運輸、軌道運輸、供電系統對瓦斯、風速、一氧化碳、溫度、負壓等環境參數以及設備的開停、風門開閉、風筒風量不同檢測對象的要求，以實現在煤炭生產中對全礦井的綜合監測。從2O世紀80年代開始，我國在近300個國有重點煤礦安裝了礦井環境監測系統，這些設備在一定程度上改變了我國煤礦生產狀況。近年來，隨著國有重點煤礦采深加大，自然災害的威脅也日益突出，特別是瓦斯煤塵爆炸事故，煤與瓦斯突發事故和火災事故又呈上升趨勢，據資料統計多半事故就發生在裝有環境監測系統的煤礦中。

一、Lora技術介紹

LoRa是LPWAN通信技術中的一種，是美國Semtech公司采用和推廣的一種基于擴頻技術的超遠距離無線傳輸方案。這一方案改變了以往關于傳輸距離與功耗的折衷考慮方式，為用戶提供一種簡單的能實現遠距離、長電池壽命、大容量的系統，進而擴展傳感網絡。LoRa是LPWAN中發展比較快，相對比較成熟的技術。我國的中興通訊與東方測控、唯傳科技、創高安防等近20家企業發起建立了中國LoRa應用聯盟。

LoRa網絡主要由終端（可內置LoRa模塊）、網關（或稱基站）、Server和云四部分組成。應用數據可雙向傳輸。

二、BP神經算法介紹

誤差反向傳播神經網絡簡稱為BP網絡，它是一種具有三層或三層以上的多層神經網絡，每一層都由若干個神經元組成。如圖所示為一個BP神經網絡的結構圖，它的左、右各層之間各個神經元實現全連接，即左層的每一個神經元與右層的每個神經元都有連接，而上下各神經元之間無連接。BP神經網絡按有監督學習方式進行訓練，當一對學習模式提供給網絡后，其神經元的激活值將從輸入層經各隱含層向輸出層傳播，在輸出層的各神經元輸出對應于輸入模式的網絡響應。然后，按減少希望輸出與實際輸出誤差的原則，從輸出層經各隱含層、最后回到輸人層逐層修正各連接權。由于這種修正過程是從輸出到輸入逐層進行的，所以稱它為“誤差逆傳播算法”。

三、系統總體設計

系統是基于BP神經網絡和Lora模塊搭建礦井監測的軟硬件平臺，通過51單片機進行控制，利用協議實現傳感器節點的Lora自組網通信，通過路由器節點匯聚傳感器節點的測量參數并進行轉發，最終傳輸至監測中心實現礦井監測，同時平臺將實時監測的數據信息輸入給神經網絡模型去處理，對礦井可能發生的危險進行預警。

系統的設計由上位機和下位機構成，上位機與下位機之間采用MQTT協議進行通訊，下位機由環境數據監測節點和數據集中器構成，負責環境數據的監測匯集與上傳。監測節點根據實際需求具備不同的環境監測能力，分別適用于礦井不同區域，可監測溫濕度、PM2.5、有害氣體等指標以及火災、漏水等異常災害遙，監測節點監測相應環境數值后對數值進行處理與組裝并按照固有協議格式通過LoRa無線通訊模塊將其數據傳輸至數據集中器遙數據集中器對各環境監測節點數據進行集中與處理后依靠Wi-Fi和路由器進行上傳。通過溫濕度傳感器、壓力傳感器、粉塵傳感器、瓦斯氣體模組可實時監測相關數據。當濕度傳感器、壓力傳感器和粉塵傳感器超過設定的安全范圍的閾值，平臺發出報警，即可有效的避免冒頂危險、水災危險和煤塵爆炸危險的發生。對上傳到云端的數據進行BP算法預測模型的建模，采用神經網絡訓練方法分析系統的安全狀態，對于預防和減少礦井安全事故將起著非常積極的作用。預測礦井內可能發生的危險，并發出報警聲，提醒礦井工人做好逃離準備，減少事故發生率，降低死亡率。同時，在遠程監控中心電腦和手機APP都可以實時看到礦井各個區域的情況。

四、硬件設計

為了能夠更好地適應實際場景的需求，同時又兼顧系統開發成本，硬件設計采用組采集節點和1 個匯聚節點來共同完成礦井環境監測網絡的構建。為了降低系統功耗，采集節點之間不進行相互通信，每個采集節點與匯聚節點通過LoRa無線通信模塊完成數據和指令的傳輸，通信網絡采用星型網絡拓撲結構。

五、軟件設計

開發的手機APP界面如下圖所示，其能夠實時監測礦井內環境情況，由于BP神經網絡預測模型，在APP端可以顯示可能會發生的事故，提前做出預測和警告。可觀性很強。

參考文獻：

[1]?? 朱高中.基于以太網的礦井監測系統研究[J].渭南師范學院學報，2018，33（04）：61-65.

[2]?? 孫守靖.礦井監測監控系統技術發展方向展望[J].煤，2005（01）：33-34.[3]丁振.煤礦安全監控數據挖掘分析技術研究與應用[D].華北科技學院，2016.

作者簡介：

唐女智（1999—），女，侗族，湖南懷化，本科，研究方向：信息與通信。韓聰（1999—），男，漢族，浙江紹興，本科，研究方向：材料成型及控制。

羅冬艷（1998—），女，漢族，湖南懷化，本科，研究方向：醫學信息工程。

周遠芳（1997—），女，漢族，重慶，本科，研究方向：人力資源管理。

王昆鵬（1999—），男，滿族，內蒙古興安盟，本科，研究方向：材料成型及控制。