礦用單軌吊運(yùn)輸巷全封閉無(wú)線預(yù)警系統(tǒng)設(shè)計(jì)

楊衛(wèi)兵，陳 博

(1.山西三元福達(dá)煤業(yè)有限公司， 山西 長(zhǎng)治 046000；2.太原科技大學(xué)， 山西 太原 030024)

煤礦井下單軌吊機(jī)車承擔(dān)著運(yùn)輸設(shè)備和物料的重要任務(wù)，由于井下工作由多個(gè)部門協(xié)同完成，人員流動(dòng)頻繁，極易發(fā)生人車相撞的事故。為此，學(xué)者們?cè)O(shè)計(jì)了多種報(bào)警閉鎖系統(tǒng)，如人員定位和絞車聯(lián)動(dòng)閉鎖控制系統(tǒng)，無(wú)線視頻、綜采雷達(dá)感應(yīng)控制絞車及安全語(yǔ)音報(bào)警系統(tǒng)等[1-2]，然而這些系統(tǒng)存在反應(yīng)不及時(shí)，甚至遺漏、誤認(rèn)等情況。本文所設(shè)計(jì)的礦用單軌吊運(yùn)輸巷全封閉無(wú)線預(yù)警系統(tǒng)相對(duì)于無(wú)線視頻預(yù)警系統(tǒng)優(yōu)勢(shì)為可以依靠圖像識(shí)別技術(shù)判斷是否有單軌吊車經(jīng)過(guò)巷道口，不需要人力監(jiān)控；攝像機(jī)由傳感器控制，可以有效控制能耗，無(wú)需全天候錄像；不僅可以識(shí)別巷道中是否有人員與車輛，還可以確定人員與車輛的相對(duì)位置，自動(dòng)辨識(shí)巷道中人員的安全等級(jí)，實(shí)現(xiàn)分級(jí)預(yù)警功能。

1 主要技術(shù)及算法設(shè)計(jì)

1.1 SVDD算法

與之前的SVM算法相比，SVDD算法是一種非監(jiān)督式的算法。它是指在訓(xùn)練集中只存在唯一類別的數(shù)據(jù)，通過(guò)對(duì)樣本數(shù)據(jù)集進(jìn)行學(xué)習(xí)，確定樣本的邊界，通過(guò)判斷待分類數(shù)據(jù)在分界面內(nèi)外的位置來(lái)進(jìn)行分類。具體如下：

設(shè)置訓(xùn)練樣本集X={x1,x2，…，xn}，其中xi∈Rd(1≤i≤n)為列向量，而SVDD所求的最小超球面F(R,c,ε}=R2+C∑iεi即為其優(yōu)化結(jié)果。使它滿足‖x-i-c‖2≤R2+εi?i,εi≥0. 因此，該優(yōu)化問(wèn)題描述為：

s.t.‖xi-c‖2≤R2+εi,εi≥0,1≤i≤n

其中，εi是引入的松弛項(xiàng)，C>a是控制參數(shù)。同時(shí)，找一個(gè)合適的映射φ將樣本特征空間O映射到更高維的特征空間?. 給定正定核函數(shù)K:Rd×Rd∈R，用該正定核誘導(dǎo)下的內(nèi)積表示?空間中的內(nèi)積形式,則在?空間中的SVDD模型為：

s.t.‖φ(xi)-cφ‖2≤R2+εi,εi≥0,1≤i≤n

上述模型所對(duì)應(yīng)的超球面記為F(R,cφ,ε)，用拉格朗日乘子法求解該最優(yōu)解可以將該問(wèn)題變形為：

再利用SOM算法求解上式。

給定一個(gè)未知樣本x∈Rd，通過(guò)決策函數(shù)進(jìn)行判斷是否屬于目標(biāo)類別，決策函數(shù)如下：

f(x)=R2-‖φ(x)-c?‖2

當(dāng)f(x)≥0時(shí)，則該樣本屬于目標(biāo)樣本。

再根據(jù)KKT定理得：

f(x)=R2-‖φ(x)-c?‖2，R2=K(xk,xk)-

將其回代到?jīng)Q策函數(shù)可得最終的判決函數(shù)[3].

1.2 深度學(xué)習(xí)

深度學(xué)習(xí)關(guān)鍵技術(shù)是建立一個(gè)模擬人腦神經(jīng)元工作的神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)可以認(rèn)為是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的開(kāi)發(fā)，二者都有著分層結(jié)構(gòu)，深度學(xué)習(xí)的優(yōu)勢(shì)是可以將特征提取與分類結(jié)合在一個(gè)框架中，這樣的結(jié)構(gòu)與傳統(tǒng)機(jī)器學(xué)習(xí)方法相比，不需要人工提取特征，因?yàn)樯疃葘W(xué)習(xí)采用深層網(wǎng)絡(luò)結(jié)構(gòu)，其高度非線性使得該網(wǎng)絡(luò)可以擬合一些較為復(fù)雜的函數(shù)，從而可以直接從圖片數(shù)據(jù)中提取抽象特征。

2 系統(tǒng)設(shè)計(jì)

2.1 軟件設(shè)計(jì)

單軌吊運(yùn)輸裝置預(yù)警系統(tǒng)由系統(tǒng)主程序及各單元子程序等構(gòu)成。系統(tǒng)各單元初始化后，在沒(méi)有物體經(jīng)過(guò)超聲波測(cè)距儀的探測(cè)區(qū)域時(shí)，系統(tǒng)處于低能耗模式，在超聲波測(cè)距儀檢測(cè)到有物體出現(xiàn)在探測(cè)區(qū)域內(nèi)時(shí)，閃光燈配合攝像頭進(jìn)行圖片抓拍，抓拍到照片后，經(jīng)過(guò)AD轉(zhuǎn)換，傳輸?shù)奖O(jiān)控分站進(jìn)行圖像預(yù)處理，識(shí)別有用信息進(jìn)行初步判別。當(dāng)識(shí)別到圖片內(nèi)有單軌吊車時(shí)，發(fā)出信號(hào)控制語(yǔ)音報(bào)警器進(jìn)行語(yǔ)音警示“單軌吊車正在通行請(qǐng)勿走出巷道”，同時(shí)發(fā)出紅色燈光警示。當(dāng)巷道口前的超聲波測(cè)距儀在后續(xù)的10 s內(nèi)沒(méi)有檢測(cè)到有導(dǎo)軌吊車經(jīng)過(guò)時(shí)，警報(bào)解除。系統(tǒng)軟件流程見(jiàn)圖1.

圖1 系統(tǒng)軟件運(yùn)行流程圖

2.2 系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)整體以平臺(tái)層和監(jiān)控層為主，其中監(jiān)控層的主要結(jié)構(gòu)如下：首先在各個(gè)巷道口分別布置一組數(shù)據(jù)采集組，進(jìn)行實(shí)時(shí)監(jiān)控，采集到的數(shù)據(jù)經(jīng)由交換器傳輸?shù)奖O(jiān)控總站，監(jiān)控總站在SVDD分類器的支持下，對(duì)信息進(jìn)行預(yù)處理及分類。當(dāng)?shù)玫揭伤茊诬壍踯嚱?jīng)過(guò)時(shí)，傳輸信息到平臺(tái)層進(jìn)行分析和處理，進(jìn)行最后的判別；若確認(rèn)信息準(zhǔn)確，則傳回信號(hào)啟動(dòng)預(yù)警系統(tǒng)?；趯?duì)數(shù)據(jù)傳輸?shù)姆€(wěn)定性和抗干擾性的要求，監(jiān)控層與平臺(tái)層的數(shù)據(jù)傳輸由工業(yè)以太網(wǎng)來(lái)保障[4]，具體見(jiàn)圖2.

圖2 全封閉無(wú)線預(yù)警系統(tǒng)結(jié)構(gòu)圖

2.2.1 平臺(tái)層

平臺(tái)層以地面控制總站為主，負(fù)責(zé)對(duì)監(jiān)控分站傳回的信息進(jìn)行最后判別，預(yù)警信息存貯、人機(jī)交互等。

1) 數(shù)據(jù)交互。

為實(shí)現(xiàn)礦井智能化管理，該系統(tǒng)可與控制總站的管理系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)互通，譬如與福達(dá)煤業(yè)的巷道柵欄門系統(tǒng)等數(shù)據(jù)整合到管理系統(tǒng)的巷道安全分支，實(shí)現(xiàn)數(shù)據(jù)互通以及總體控制，從而可以提前關(guān)閉巷道支路柵欄門，防止巷道支路有人闖出。地面控制總站可以遠(yuǎn)程操作實(shí)現(xiàn)所有功能，同樣可以遠(yuǎn)程監(jiān)控巷道的具體情況，從而實(shí)現(xiàn)智慧礦山。

2) 信息存儲(chǔ)。

信息存儲(chǔ)主要分為兩部分，一部分空間存儲(chǔ)各個(gè)形態(tài)的單軌吊車圖片，作為數(shù)據(jù)識(shí)別特征對(duì)比的數(shù)據(jù)庫(kù)，另一部分存儲(chǔ)工作運(yùn)行時(shí)拍攝的工作日志，經(jīng)圖像識(shí)別系統(tǒng)確認(rèn)后，有單軌吊車的圖片并入到數(shù)據(jù)庫(kù)中提高圖像識(shí)別系統(tǒng)的辨識(shí)能力，同時(shí)也可進(jìn)行后期的人工檢測(cè)，查看是否有識(shí)別錯(cuò)誤等問(wèn)題對(duì)系統(tǒng)進(jìn)行及時(shí)的調(diào)整以及事故判責(zé)等。

2.2.2 監(jiān)控層

1) 信息采集。

信息采集部分由測(cè)距傳感器、攝像機(jī)、閃光燈組成，其中測(cè)距傳感器采集的信息主要是分辨是否有物體經(jīng)過(guò)，攝像機(jī)采集的信息主要用來(lái)辨別經(jīng)過(guò)物體是否為單軌吊機(jī)車。而閃光燈的作用是輔助攝像機(jī)進(jìn)行工作。傳感器選取超聲波測(cè)距傳感器，相對(duì)于其它類型的傳感器，超聲波測(cè)距傳感器對(duì)于環(huán)境要求是最低的，超聲波的測(cè)量距離在20～500 cm，該測(cè)距范圍對(duì)于巷道來(lái)說(shuō)最為合適；此外超聲波測(cè)距儀探測(cè)的扇形范圍可以在60°～120°適當(dāng)調(diào)整，相對(duì)來(lái)說(shuō)超聲波的測(cè)量區(qū)域更廣。

2) 警示器。

警示部分由語(yǔ)音警示和燈光警示兩部分組成。當(dāng)接收到信號(hào)時(shí)，及時(shí)進(jìn)行語(yǔ)音播報(bào)以及燈光警示。該裝置常見(jiàn)尺寸約為d90 mm，高67 mm，質(zhì)量約260 g, 功率為15 W，工作溫度為-40 ℃～-70 ℃(不凝結(jié))。其燈光有多色可設(shè)定，閃爍方式有爆閃與頻閃兩種可供選擇。報(bào)警語(yǔ)調(diào)可設(shè)定9種，最長(zhǎng)可錄制30 min的語(yǔ)音提示，喇叭分貝在0～120 dB可調(diào)節(jié)，并能借助RS-485通信端口實(shí)現(xiàn)同上位機(jī)或井下其他作業(yè)分站的互聯(lián)通訊[5-6].

3 結(jié)果與分析

該系統(tǒng)主要依靠圖片識(shí)別作為基礎(chǔ)，故對(duì)其準(zhǔn)確度加以數(shù)據(jù)分析。首先以非單軌吊車∶單軌吊車為2∶1的比例采集3 000張圖片。取其中400張無(wú)任何目標(biāo)的圖像作為SVDD算法的訓(xùn)練集，對(duì)圖像進(jìn)行預(yù)處理后計(jì)算求解得到分類超球面。其中預(yù)處理指降維與變形，使其轉(zhuǎn)換為一個(gè)特征向量，以更方便地輸入SVDD算法進(jìn)行訓(xùn)練。將所有樣本圖像隨機(jī)分為訓(xùn)練集2 500張、驗(yàn)證集200張和測(cè)試集300張。使用訓(xùn)練集對(duì)圖像進(jìn)行迭代訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，每迭代300次利用驗(yàn)證集測(cè)試該模型的損失率和準(zhǔn)確率，見(jiàn)圖3. 圖3中損失率為代價(jià)函數(shù)的擬合誤差，實(shí)曲線指的是驗(yàn)證集準(zhǔn)確度，虛曲線是驗(yàn)證集上的損失。

圖3 迭代數(shù)據(jù)圖

通過(guò)測(cè)試集驗(yàn)證識(shí)別結(jié)果，識(shí)別框與真實(shí)框的交并比大于0.95的識(shí)別準(zhǔn)確率高達(dá)97.67%，由于測(cè)試樣本取樣時(shí)單軌吊車與攝像頭距離較近，其分類準(zhǔn)確率高達(dá)99.73%. 為了進(jìn)一步測(cè)試系統(tǒng)的有效性，采集了3組視頻對(duì)其識(shí)別的最遠(yuǎn)距離進(jìn)行測(cè)試，判斷該視頻識(shí)別系統(tǒng)在遠(yuǎn)距離識(shí)別中的有效性。采集了3段單軌吊車進(jìn)入視頻監(jiān)控的畫面，將算法識(shí)別到目標(biāo)時(shí)第一幀畫面單軌吊車與攝像頭的距離作為測(cè)試結(jié)果。測(cè)試結(jié)果見(jiàn)表1.

表1 距離測(cè)試結(jié)果表 /m

針對(duì)不同情況設(shè)計(jì)不同的報(bào)警等級(jí)，見(jiàn)表2，提高預(yù)警系統(tǒng)的有效性。其中，在人車距離判別上，當(dāng)車的框?qū)⑷说目虬鼑鷷r(shí)，則判定人在車上，表示正常，當(dāng)人的框與車的框出現(xiàn)交疊等情況，則判別為人在車下，啟動(dòng)二級(jí)報(bào)警[7]. 表2中得到SVDD算法相對(duì)識(shí)別的距離較短，適合巷道較短或交叉巷道口進(jìn)行預(yù)判處理，對(duì)于較長(zhǎng)巷道，直接使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行判斷。利用深度神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果見(jiàn)圖4. 由于圖像數(shù)據(jù)集中的裝置是有限的，而井下情況是復(fù)雜的，如安裝新的軌道車輛、長(zhǎng)期運(yùn)行粘煤后車輛變黑等情況也會(huì)影響神經(jīng)網(wǎng)絡(luò)的識(shí)別精度。因此，使用SVDD算法進(jìn)行識(shí)別也是有必要的。

表2 預(yù)警等級(jí)劃分表

圖4 識(shí)別效果圖

4 結(jié) 論

整體設(shè)計(jì)結(jié)束后，在山西三元福達(dá)煤業(yè)進(jìn)行了相應(yīng)的試驗(yàn)與應(yīng)用。該系統(tǒng)攝像頭每次連抓3張照片同時(shí)識(shí)別，每張照片識(shí)別率可達(dá)97.67%. 經(jīng)實(shí)踐表明，該系統(tǒng)中的超聲波測(cè)距儀自動(dòng)識(shí)別范圍在100°左右，橫向范圍1～1.5 m，可以確保在單軌吊車經(jīng)過(guò)時(shí)及時(shí)反饋信號(hào)；配備的閃光燈配合攝像機(jī)經(jīng)過(guò)預(yù)先調(diào)焦以后可以得到清晰的照片；通過(guò)視覺(jué)識(shí)別分類技術(shù)可以實(shí)現(xiàn)多級(jí)警報(bào)，報(bào)警器聲音洪亮且燈光的爆閃模式會(huì)起到強(qiáng)調(diào)效果。

該系統(tǒng)的視覺(jué)識(shí)別裝置圖像識(shí)別技術(shù)具有很高的可靠性，并且隨著使用過(guò)程中不斷抓拍到的單軌吊車圖片存儲(chǔ)于數(shù)據(jù)庫(kù)，其可靠度還會(huì)進(jìn)一步加強(qiáng)；SVDD與深度神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)，不僅可以實(shí)現(xiàn)對(duì)煤礦現(xiàn)有設(shè)備的精準(zhǔn)分類，還可以準(zhǔn)確識(shí)別引進(jìn)的新設(shè)備，更加穩(wěn)定可靠地對(duì)人員和車輛進(jìn)行預(yù)警。該系統(tǒng)的應(yīng)用避免了人力資源的消耗，同時(shí)可以起到比傳統(tǒng)無(wú)線視頻監(jiān)控更快捷、更安全、更有效的監(jiān)督作用。