煤礦主要工種本體構建及安全規則推理

吳攀鑫， 劉鵬， 舒雅， 余錢坤， 丁恩杰

(1.中國礦業大學 信息與控制工程學院， 江蘇 徐州 221116； 2.礦山物聯網應用技術國家地方聯合工程實驗室， 江蘇 徐州 221008； 3.中國礦業大學 物聯網(感知礦山)研究中心， 江蘇 徐州 221008)

0 引言

隨著煤礦開采力度不斷加大，安全事故處于高發態勢，煤礦安全形勢十分嚴峻[1-2]。煤礦安全的首要目標是確保作業人員生命安全，通過有效技術手段及時發現作業人員的危險操作，為作業人員提供安全預警已成為研究熱點。本體可提供一種統一、規范化的知識表示形式，解決數據集成中的異構問題，提高信息互操作性，有效實現領域知識的共享與重用[3-6]。目前已有研究人員將本體應用到煤礦領域，用來監控煤礦生產，實現危險及時預警。藥慧婷[7]構建了煤礦掘進工作面本體模型，為掘進工作面的安全生產提供了指導；張帝等[8]構建了基于本體的煤礦底板突水預測知識庫，有效實現了突水事故預測預防；景江波[9]以瓦斯事故為研究對象，構建了基于時空約束的瓦斯事故本體，為瓦斯事故預警提供了支持與保障。但目前煤礦領域本體側重于對事故的預測，尚無針對煤礦作業人員操作安全性的本體研究。本文利用OWL(Web Ontology Language，本體語言)構建煤礦主要工種本體，通過研究煤礦領域專業文獻中的安全生產規定，基于Jena推理機自定義安全規則，可有效實現對作業人員操作安全性的推理，為人員安全提供智能化分析保障。

1 OWL和Jena推理機

1.1 OWL

OWL由XML(Extensible Markup Language，可擴展標記語言)和RDF(Resource Description Framework，資源描述框架)發展而來。OWL采用抽象的形式化語言定義各種實體、屬性及實體間的邏輯關系，具有結構嚴謹清晰、形式化強、機器可解釋性強等優點，在知識工程、信息檢索、智能問答等領域有著廣泛應用[10]。

1.2 Jena推理機

Jena推理機是一個基于Java的語義網應用框架，該框架中包含多種API，支持對RDF、RDFS(Resource Description Framework Schema，資源描述框架模式)、OWL等進行查詢、推理等操作[11]。Jena推理機使用ModelFactory類將本體模型與推理機綁定，推理生成模型對象InfGraph，然后通過本體模型接口對其進行查詢檢索[12]。Jena推理機結構如圖1所示。

圖1 Jena推理機結構Fig.1 Structure of Jena reasoner

2 基于OWL的煤礦主要工種本體構建

本文在七步法[13]和IDEF-5法的基礎上構建煤礦主要工種本體，流程如圖2所示，具體步驟如下。

圖2 本體構建流程Fig.2 Flow of ontology construction

(1) 收集與分析領域本體概念。通過研究煤礦實際生產狀況，參考《煤礦安全規程》(2016年版)、《煤礦安全技術操作規程匯編》等專業文獻，確定領域本體中涉及的概念。煤礦主要工種見表1。

(2) 確定本體框架，定義類和類的層次體系。構建煤礦主要工種本體的目的在于及時判斷作業人員安全狀態，而作業人員安全與否與自身操作方法、設備故障和環境異常變化息息相關。為全面描述井下生產實況，本文以作業人員(OperatingPersonnel)、操作方法(OperatingMethod)、操作設備(Apparatus)、地點(Location)、環境(Environment)、事故(CoalMineAccident)和狀態(State)7個大類為基礎框架構建煤礦主要工種本體，如圖3所示。在7個大類之下定義了很多子類，用來具體描述煤礦生產相關信息。部分子類中英文對照見表2。

(3) 定義類的屬性，實現類之間關于屬性的約束。煤礦主要工種本體中的概念之間存在復雜的語義關系，如作業人員采取某種操作、作業人員在某處作業、設備出現故障、工作面環境出現異常狀況等，可通過添加對象屬性的方式來表征概念之間復雜的語義關系。同時，煤礦領域涉及大量數據，如甲烷濃度、作業深度、溫度、壓力、運行速度、電壓、持續運轉時長等，通過添加數據屬性的方式可準確描述作業人員、設備和環境的數據信息。本文通過研究煤礦領域專業資料，抽象得到煤礦主要工種對象屬性和數據屬性，并添加到本體中實現類的約束。部分屬性中英文對照見表3。

表1 煤礦主要工種Table 1 Main types of work in coal mine

圖3 煤礦主要工種本體框架Fig.3 Ontology framework of main types of work in coal mine

中文英文采煤爆破工CoalMiningBlaster端頭支護工EndSupportWorker提升機司機HoistDriver主排水泵司機MainDrainageDriver通風設施工VentilationFacilityWorker帶式輸送機BeltConveyor采煤機Shearer液壓支架HydraulicSupport轉載機Transloader瓦斯抽放泵GasDrainagePump主要通風機MainVentilator盲巷BlindRoadway煤與瓦斯突出GasBurst

表3 部分屬性中英文對照Table 3 Partial property in both Chinese and English

(4) 創建類的實例，有效表征煤礦生產情境。如定義ZhangSan是采煤打眼工的一個實例，具有workIn WorkingPlace2，wear SafetyHelmet1，use DrillingTool1的屬性，WorkingPlace2是WorkingPlace的一個實例，SafetyHelmet1是SafetyHelmet的一個實例，DrillingTool1是DrillingTool的一個實例，且具有屬性(hasState)不合格(Unqualified)，實例可視化如圖4所示。這些實例表示的情境信息為采煤打眼工ZhangSan正在工作地WorkingPlace2工作，佩戴有安全帽SafetyHelmet1，使用著打眼工具DrillingTool1，且該打眼工具不合格。

圖4 實例可視化Fig.4 Instance visualization

(5) 本體評估。本文通過基于Tableaux算法的Pellet推理機對本體進行語義一致性評估，該推理機不僅支持對OWL本體的推理，還包含許多與外部推理機連接的知識庫接口，支持更為強大的推理功能[14]。對本體進行語義一致性評估，可確保本體的邏輯性與準確性，為后續本體的使用打下基礎。

3 基于Jena的安全規則推理

基于Jena推理機對煤礦主要工種本體進行安全規則推理，保障井下作業人員安全。其主要步驟：① 在構建的煤礦主要工種本體基礎上，參考《煤礦安全規程》(2016年版)、《煤礦安全技術操作規程匯編》等專業文獻中的安全生產規定，采用Jena自定義規則語法制定安全規則。② 基于Jena API編寫基于煤礦主要工種本體的安全規則推理程序，導入自定義安全規則，實現對井下作業人員安全狀態的推理。

3.1 自定義安全規則

通過研究《煤礦安全規程》(2016年版)、《煤礦安全技術操作規程匯編》等文獻中的安全生產規定，為煤礦各生產環節主要工種自定義了500余條安全規則，部分安全規則見表4。

表4 部分安全規則Table 4 Partial safety rules

3.2 推理規則實現

根據已構建的煤礦主要工種本體和安全規則，采用Jena前向鏈推理引擎進行推理，流程如圖5所示，主要步驟：① 由ModelFactory類創建空的本體模型，然后調用read()方法讀取煤礦主要工種本體。② 注冊推理機，并通過rulesFromURL導入安全規則。③ 利用推理機對煤礦主要工種本體進行推理，解析得到推理后的本體模型，該本體模型包含原有本體的數據和推理后的隱性知識[16]。

圖5 推理流程Fig.5 Reasoning flow

4 實驗分析

基于本體的推理是在本體實例的基礎上實現的，本文以煤礦主要工種本體中的實例庫為數據集進行實驗。實例庫中包括了煤礦生產過程中的主要工種、設備和環境狀況等類的相關實例，類的實例之間通過對象屬性和數據屬性實現約束，規范地描述煤礦井下生產情境信息。在煤礦主要工種本體的基礎上，結合自定義安全規則，可實現對本體中作業人員實例安全狀態的有效推理。

本文設計以下實驗對基于OWL的煤礦主要工種本體構建及安全規則推理方法的有效性進行驗證。

(1) 實驗1：采煤系統作業人員安全狀態推理(以Rule1為例)。在本體中添加一個采煤打眼工(CoalMiningDriller)實例Lee，其具有的屬性是workIn Place1和takeOperation WetTypeDrilling1，Place1是工作地點(WorkingPlace)的一個實例，WetTypeDrilling1是濕式打眼(WetTypeDrilling)的一個實例。根據Rule1對該本體表達的生產情境進行推理，得到Lee是安全的。采煤系統作業人員安全狀態推理過程的OWL描述如圖6所示。

圖6 采煤系統作業人員安全狀態推理Fig.6 Safety state reasoning of personnel in coal mining system

實驗2：掘進系統作業人員安全狀態推理(以Rule2為例)。在本體中添加一個掘進機司機(RoadheaderDriver)實例Wang，其具有的屬性是workIn Place2，Place2是工作地點(WorkingPlace)的一個實例，Place2具有的屬性是hasEnvironment RoofCaving1，RoofCaving1是冒頂(RoofCaving)的一個實例。根據Rule2對該本體表達的生產情境進行推理，得到Wang處于危險狀態，需及時進行處理。掘進系統作業人員安全狀態推理過程的OWL描述如圖7所示。

圖7 掘進系統作業人員安全狀態推理Fig.7 Safety state reasoning of personnel in roadway heading system

實驗3：機電運輸作業人員安全狀態推理(以Rule3為例)。在本體中添加一個機車司機(LocomotiveDriver)實例Zhang，其具有的屬性是workIn Place3和takeOperation RunningRedLight1，Place3是工作地點(WorkingPlace)的一個實例，RunningRedLight1是闖紅燈(RunningRedLight)的一個實例。根據Rule3對該本體表達的生產情境進行推理，得到Zhang處于危險狀態，需及時進行處理。機電運輸作業人員安全狀態推理過程的OWL描述如圖8所示。

圖8 機電運輸作業人員安全狀態推理Fig.8 Safety state reasoning of electromechanical and transportation personnel

(4) 實驗4：通風瓦斯作業人員安全狀態推理(以Rule4為例)。在本體中添加一個防突工(OutburstPreventionWorker)實例Bob，其具有的屬性是workIn Place4，Place4是工作地點(WorkingPlace)的一個實例， Place4具有的屬性是hasFacility GasSensor1，GasSensor1是瓦斯傳感器(GasSensor)的一個實例。根據Rule4對該本體表達的生產情境進行推理，得到Bob是安全的。通風瓦斯作業人員安全狀態推理過程的OWL描述如圖9所示。

圖9 通風瓦斯作業人員安全狀態推理Fig.9 Safety state reasoning of ventilation and gas personnel

5 結語

將煤礦井下生產情境信息抽象成本體概念，構建了覆蓋多個生產系統的煤礦主要工種本體；依據煤礦領域專業文獻中的安全生產規定，利用Jena自定義規則語法制定了安全規則，并基于安全規則對煤礦主要工種本體中作業人員的操作安全性進行推理，及時判斷井下作業人員安全狀態，有助于提高煤礦安全生產管理水平。