基于物聯(lián)網(wǎng)的稀有礦安全生產(chǎn)監(jiān)管系統(tǒng)研究

張亞妮

(寶雞職業(yè)技術(shù)學(xué)院，陜西 寶雞 721013)

1 概 述

礦山安全監(jiān)管系統(tǒng)是確保礦山企業(yè)正常運行的必要設(shè)施，其穩(wěn)定性和安全性對于礦業(yè)企業(yè)的正常生產(chǎn)和區(qū)域生態(tài)安全至關(guān)重要[1]。針對這種情況相關(guān)學(xué)者研究了礦山開采過程中的安全生產(chǎn)監(jiān)管體系，利用當(dāng)前先進(jìn)的物聯(lián)網(wǎng)、云計算等技術(shù)，結(jié)合實際的礦山生產(chǎn)模型實現(xiàn)實時監(jiān)管。利用數(shù)學(xué)模型實現(xiàn)礦山安全生產(chǎn)監(jiān)管在文獻(xiàn)[2-4]中均有相應(yīng)的研究，主要提出了基于支持向量回歸集合礦山監(jiān)測數(shù)據(jù)進(jìn)行潛水線預(yù)測；以及基于灰色理論和支持向量機應(yīng)用于礦壩位移和潛水線的預(yù)測，基于礦壩位移和潛水線監(jiān)測結(jié)果，為礦壩穩(wěn)定性分析和可靠性預(yù)測提供了一種新的方法；TANG Y等[5]提出了水位變化引起的地下水響應(yīng)問題的一般近似方法，并研究了具有傾斜水—陸邊界的Boussinesq方程的近似解析解，可用于在確定不同條件下的潛水線來觀測孔的實測數(shù)據(jù)的礦壩水位。同時相關(guān)研究人員還利用地理信息系統(tǒng)(GIS)中的高精度EDM高程測量技術(shù)來檢測稀有礦生產(chǎn)過程中的礦壩的沉降，并建立沉降監(jiān)測數(shù)據(jù)模型，探討沉降規(guī)律，預(yù)測沉降變化趨勢。

而對于稀有礦生產(chǎn)過程中的安全評價工作，傳統(tǒng)采用安全系數(shù)法和隨機可靠性法則在實時監(jiān)測中是無效的，這是由于安全系數(shù)法不能考慮參數(shù)的隨機性；而盡管隨機可靠性方法考慮了參數(shù)的隨機性，但由于在實際項目中重復(fù)試驗的工作量巨大且成本高，常常假定或通過簡單的計算獲得變異系數(shù)，而不考慮時間相關(guān)性。為了解決實時監(jiān)測問題，相關(guān)專家研究了基于區(qū)間理論的結(jié)構(gòu)，當(dāng)樣本數(shù)量稀少時，區(qū)間值可以更好地反映參數(shù)值的不確定性，從而減少對數(shù)據(jù)信息的需求；本文在實現(xiàn)安全監(jiān)管系統(tǒng)中采用安全系數(shù)，隨機可靠度和區(qū)間非概率可靠度綜合評價稀有礦安全生產(chǎn)的穩(wěn)定性。傳統(tǒng)的礦產(chǎn)安全生產(chǎn)監(jiān)管的方法基本基于礦壩體的應(yīng)力和水位，然而該模式不具備評估穩(wěn)定性條件的功能，借助物聯(lián)網(wǎng)、云計算、無線傳感器網(wǎng)絡(luò)以及人工智能等先進(jìn)技術(shù)，能夠?qū)崟r的將礦壩的各項關(guān)鍵數(shù)據(jù)進(jìn)行采集回傳，因此在對監(jiān)測數(shù)據(jù)進(jìn)行分析和預(yù)測發(fā)展趨勢的基礎(chǔ)上，采用數(shù)值模擬的方法對尾礦壩的未來狀況進(jìn)行評估，從而構(gòu)建稀有礦的安全生產(chǎn)監(jiān)管系統(tǒng)[6-7]。

本文以利用傳感器探測潛水線、監(jiān)測孔水位、內(nèi)外變形、水庫水位等影響稀有礦生產(chǎn)穩(wěn)定性的無線網(wǎng)絡(luò)系統(tǒng)，構(gòu)件基礎(chǔ)信息庫。在云平臺中，首先利用人工智能的方法基于實時監(jiān)測數(shù)據(jù)預(yù)測潛水線的未來狀態(tài)；其次，將潛水線方程納入數(shù)值模型，求解出安全系數(shù)、隨機可靠度、區(qū)間非概率可靠度等關(guān)鍵穩(wěn)定性參數(shù)。在應(yīng)用系統(tǒng)中，結(jié)合關(guān)鍵穩(wěn)定性參數(shù)和實時監(jiān)測變形趨勢，以及裂縫擴展情況，可以對稀有礦的安全生產(chǎn)情況進(jìn)行預(yù)警。

2 系統(tǒng)架構(gòu)介紹

本文提出了基于物聯(lián)網(wǎng)和云計算的稀有礦實時監(jiān)測與數(shù)值模擬的安全生產(chǎn)監(jiān)管系統(tǒng)，通過物聯(lián)網(wǎng)和信息中心開發(fā)了綜合監(jiān)測安全情況，預(yù)警在礦山生產(chǎn)過程中可能發(fā)生的危害。首先通過稀有礦特定地點鋪設(shè)多種類型的無線傳感器，將相應(yīng)的數(shù)據(jù)通過互聯(lián)網(wǎng)接收并上傳到云計算平臺；然后，通過計算參數(shù)和指標(biāo)，由云計算平臺進(jìn)行處理，這對于稀有礦安全生產(chǎn)過程中的實時性安全分析是非常必要和重要的；最后，計算結(jié)果將應(yīng)用于各種應(yīng)急指揮系統(tǒng)。系統(tǒng)架構(gòu)采用四層架構(gòu)，如圖1所示，分別為傳感層，物聯(lián)網(wǎng)層，云計算層和應(yīng)用層。

圖1 系統(tǒng)架構(gòu)

1)傳感層

傳感層不僅是基礎(chǔ)層，也是系統(tǒng)的基本層，包括靜水壓力監(jiān)測，上游降雨監(jiān)測，水位監(jiān)測，干灘長度監(jiān)測，水平位移監(jiān)測，內(nèi)部變形和應(yīng)力監(jiān)測，滲漏監(jiān)測，裂縫監(jiān)測和沉降監(jiān)測等。從水位傳感器，水壓傳感器，位移傳感器，應(yīng)力傳感器等各種傳感器獲得反映和解釋物理情況的大量數(shù)據(jù)。傳感層采用的傳感器是無線傳感器，可以作為無線傳感器網(wǎng)絡(luò)的節(jié)點，具有低功耗和時間同步的特點。另外，傳感器件通過無線介質(zhì)連續(xù)數(shù)十個小時相互通信，具有穩(wěn)定的感知效果。

2)物聯(lián)網(wǎng)層

物聯(lián)網(wǎng)層是安全生產(chǎn)監(jiān)管系統(tǒng)的第二層，由感知控制，數(shù)據(jù)采集，無線接入，無線傳感器網(wǎng)絡(luò)，分布式站點，時間同步時鐘等組成。根據(jù)接收到的來自傳感層的數(shù)據(jù)，數(shù)據(jù)可以通過互聯(lián)網(wǎng)上傳到云計算平臺進(jìn)一步處理。因此，物聯(lián)網(wǎng)層是傳感層和云計算層之間的連接橋，隨著無線傳感器網(wǎng)絡(luò)，分布式站點和無線網(wǎng)絡(luò)的應(yīng)用，數(shù)據(jù)傳輸?shù)乃俣群头€(wěn)定性將有明顯的提高，這正是稀有礦安全生產(chǎn)監(jiān)管系統(tǒng)實現(xiàn)的基礎(chǔ)。

3)云計算層

云計算層包括潛水線預(yù)測，極限狀態(tài)方程，數(shù)值模擬，安全系數(shù)，隨機可靠性和區(qū)間非概率可靠性等。利用物聯(lián)網(wǎng)層傳輸?shù)臄?shù)據(jù)，通過云計算平臺可以解決潛水線，安全系數(shù)，隨機可靠性，間隔非概率可靠性等重要參數(shù)。此外，這些計算結(jié)果也存儲在這個云計算平臺上，意味著計算結(jié)果可以在需要時從平臺下載。

4)應(yīng)用層

應(yīng)用層作為系統(tǒng)的頂層，包括應(yīng)急指揮、預(yù)警系統(tǒng)，礦體可視化系統(tǒng)和應(yīng)急救援計劃等。根據(jù)云計算平臺的輸出結(jié)果，按照國家的相應(yīng)安全制度，安全程度分為三級，即一級預(yù)警，二級預(yù)警，三級預(yù)警：一級表示輕度安全隱患，二級表示中等安全隱患，三級表示嚴(yán)重安全隱患。

3 系統(tǒng)關(guān)鍵算法實現(xiàn)

傳感器網(wǎng)絡(luò)布置為監(jiān)測礦體在生產(chǎn)過程中的物理數(shù)據(jù)，獲取監(jiān)測點位移、監(jiān)測點沉降、監(jiān)測孔水位等的數(shù)據(jù)。如圖2所示為常見的礦壩的組成圖。

圖2 礦壩結(jié)構(gòu)

通過灰色模型(Grey Model，GM)和通用回歸神經(jīng)網(wǎng)絡(luò)耦合模型(Generalized Regression Neural Network，GRNN)對觀測孔水位數(shù)據(jù)進(jìn)行訓(xùn)練，預(yù)測潛水線，具體耦合過程如圖3所示。

圖3 耦合流程

具體步驟介紹如下：

1)建立GM(1,1)模型進(jìn)行數(shù)據(jù)訓(xùn)練，數(shù)據(jù)包含了礦壩監(jiān)測時間和監(jiān)測孔水位；

2)根據(jù)得到的灰色模型，可以解決礦壩監(jiān)測孔未來水位變化的問題，然后，將獲得預(yù)測序列；

3)以預(yù)測值，壩高和庫水位為輸入數(shù)據(jù)，以監(jiān)測孔初始水位數(shù)據(jù)為預(yù)期，對廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。根據(jù)待預(yù)測月份的灰色預(yù)測值，壩高和水庫水位，得到相應(yīng)的水位輸出因子，即網(wǎng)絡(luò)輸出；然后，可以建立GRNN模型。由于網(wǎng)絡(luò)的性能也受到平滑因素的影響，所以通過重復(fù)計算來確定最優(yōu)值；

4)在建立的GRNN模型中，輸入待預(yù)測年份的灰色模型預(yù)測值，壩高和水庫水位時，可以獲得具有足夠精度的監(jiān)測孔水位預(yù)測值；然后，潛水線的預(yù)測將順利完成。

以下介紹潛水線預(yù)測方程，即安全生產(chǎn)監(jiān)管系統(tǒng)中的核心算法，主要參數(shù)包括安全系數(shù)、隨機可靠性和區(qū)間非概率可靠性。如圖4所示為通用稀有礦模型結(jié)構(gòu)圖，滑動面、坡度和潛水線的方程分別為f(x)，g(x)和ω(x)，W表示由潛水線，坡度和滑動面建模部分的面積，D表示該區(qū)域上的液壓力，液壓力到滑動面中心的臂是L1。h1i和h2i分別表示潛水線上下垂直礦井的長度，c和φ是凝聚力和內(nèi)在摩擦力。γ、γw和γsat是礦井的平均單位重量，水的單位重量和礦井的飽和單位重量。

圖4 通用稀有礦模型結(jié)構(gòu)

滑動面的方程表示：

f(x)=135-[168.282-(x-75)2]0.5

斜率的方程可以表示如下：

潛水線的方程可以表示如下：

根據(jù)以上對礦壩結(jié)構(gòu)的分析，利用云平臺可解決安全系數(shù)、隨機可靠性和區(qū)間非概率可靠性問題。在實際的檢測過程中，各類型傳感器獲取的數(shù)據(jù)代入預(yù)測模型中即可獲取礦井的安全運行的預(yù)警信息。

4 結(jié) 論

隨著信息技術(shù)的不斷發(fā)展，利用物聯(lián)網(wǎng)技術(shù)解決礦井開采過程中安全生產(chǎn)監(jiān)管的任務(wù)成為業(yè)界的主要手段。本文提出一種基于四層架構(gòu)的稀有礦安全生產(chǎn)監(jiān)管系統(tǒng)架構(gòu)，并對各層的主要組成進(jìn)行了介紹，引入灰色模型和通用回歸神經(jīng)網(wǎng)絡(luò)耦合模型作為監(jiān)管預(yù)警的預(yù)測模型，提出了模型自學(xué)習(xí)的實現(xiàn)流程以及相關(guān)理論依據(jù)，為后期的系統(tǒng)實現(xiàn)提供了合理的理論依據(jù)。

參考文獻(xiàn)：

[1] ZHANG H, ZHAO Y, LI X. Research on monitoring of tailing reservoirsbased on the Internet of Things——A case study of huangmailingphosphorus chemical tailing reservoir[J]. Saf. Environ. Eng., 2015, 22(6): 143-150.

[2] JIANG Q, TANG Y. A general approximate method for the groundwaterresponse problem caused by water level variation[J]. J. Hydrol., 2015(529): 398-409.

[3] GUO S X, LU Z Z. A non-probabilistic robust reliability method foranalysis and design optimization of structures with uncertain-but-boundedparameters[J]. Appl. Math. Model., 2015, 39(7): 1985-2002.

[4] NI B Y, JIANG C, HAN X. An improved multidimensional parallelepipednon-probabilistic model for structural uncertainty analysis[J]. Appl. Math. Model., 2016,40(7-8): 4727-4745.

[5] TANG Y, JIANG Q, ZHOU C. Approximate analytical solution to theBoussinesq equation with a sloping water-land boundary[J]. Water Resour.Res., 2016, 52(4): 2529-2550.

[6] HAN G, LIU L, CHAN S, et al. HySense: A hybridmobile CrowdSensing framework for sensing opportunities compensationunder dynamic coverage constraint[J]. IEEE Commun. Mag., 2017, 55(3): 93-99.

[7] LIU R, WANG J. Internet of things: Application and prospect[C]. in Proc.MATEC Web Conf., Zhengzhou, China, 2017.