基于概念格的煤矿瓦斯数据融合预警研究.pdf

47322010,31 21计算机工程与设计 Computer Engineering and Design 0引言 在频发的煤矿事故中， 瓦斯事故的危害程度最大， 死亡人 数多， 除了人员伤害， 瓦斯爆炸致使井巷设施损毁、 井下通风 系统瘫痪， 煤炭生产被迫中断， 更严重的会引发二次灾难。 瓦 斯灾害防治成为解决重大煤矿安全事故的关键。 目前煤矿均 采用瓦斯检查员现场监测和自动监测两种方式， 检查员监测 很容易因人为因素产生违章行为； 自动监测系统的智能化水 平又相对薄弱， 多采用瓦斯超限报警模式， 难于满足事故前预 测的需要。科学及时地预测瓦斯的动态发展趋势， 在灾难发 生之前进行预警对解决煤矿瓦斯事故频发具有重大意义 [1-2]。 煤矿瓦斯预警是对可能引发瓦斯事故的各种因素进行合理评 判， 预测当前环境下事故发生的可能性。 在提高传感器信息质 量的基础上建立的瓦斯预警系统能有效提高预测质量， 本文提 出了基于概念格的煤矿瓦斯数据融合预警技术，旨在解决多 传感器瓦斯信息融合和瓦斯智能预警问题。 1数据融合和概念格理论 1.1数据融合技术 计算机技术和通信技术的发展和日益密切的结合引领了 数据处理新技术的快速发展， 仅十几年来， 多传感器系统的大 量应用， 致使信息的表达方式多样化， 数据融合技术不仅在军 事领域应用更加深入而且也进入了很多民用自动监测领域。 数据融合是利用计算机技术对按时序采集的多个数据源的多 级别、 多层次观测信息在一定规则下加以自动分析、 优化组合 以便完成所需要的决策和估计任务而进行的数据处理过程。 单传感器对监测对象的描述具有一定的局限性，同时还 会因为监测环境和传感器本身的问题使监测数据存在不精确 的特点，不可靠的单传感器数据将会影响监测系统的决策功 能。现在， 多传感器已经广泛应用于工业智能控制系统、 医疗 诊断等工农业生产的诸多领域，能够实现对生产环境的多方 位的监测、跟踪。多传感器数据融合技术综合多个并联传感 收稿日期2010-04-27；修订日期2010-06-28。 基金项目河南省科技攻关基金项目 102102210422 。 作者简介谢丽明 1965－，女，河南襄城人，硕士，高级实验师，研究方向为数据挖掘、智能信息系统； 李建民 1965－，男，河南叶县 人，硕士，副教授，研究方向为模式识别、智能信息系统。E-mailxliming 基于概念格的煤矿瓦斯数据融合预警研究 谢丽明 1， 李建民2 1. 平顶山学院 计算机科学与技术学院，河南 平顶山 467002； 2. 平顶山学院 数学与信息科学学院，河南 平顶山 467002 摘要 提出了基于概念格的煤矿瓦斯数据融合预警算法。建立了煤矿瓦斯预警的两级数据融合模型， 通过对同质多传感 器数据的加权数据融合处理， 使检测同一目标的多个数据融合为一个精确的、 可靠的数据， 减少了通信网络中的数据流量。 经过数据级融合的异质多传感器数据描述了导致瓦斯事故的各种因素， 利用概念格理论对异质多传感器的历史监测数据进 行分析，形成预测煤矿瓦斯安全状态的决策规则。使用该预警系统可以动态监测井下瓦斯安全状况，提高瓦斯事故预警的 准确性， 为煤矿安全生产提供支持。 关键词 数据融合;概念格;瓦斯预警;煤矿安全;传感器网络 中图法分类号 TP391文献标识码 A文章编号 1000-7024 2010 21-4732-04 Early warning of gas data fusion based on concept lattice XIE Li-ming1,LI Jian-min2 1. School of Computer Science and Technology, Pingdingshan University, Pingdingshan 467002, China; 2. School of Mathematics and Ination Science, Pingdingshan University, Pingdingshan 467002, China AbstractGas earlywarning algorithm of coal mine based on concept lattice for data fusion is presented.It is established that two levels of data fusion model of gas early warning in mine. Weighted data fusion of homogeneous multi-sensor, more data of the same test target is fused into an accurate, reliable data. It reduces network traffic.Data of heterogeneous multi-sensor describe the factors that led to gas accidents.Using historical monitoring data,we built concept lattice of earlywarning of gas,obtained the decision rules fromit. Usingtheearly warning system can dynamically monitor conditionsofgas-related, improve the accuracy ofgas accident warning, and provide the support for the coal mine safety. Key wordsdata aggregation; concept lattice; gas earlywarning; coal mine safety; sensor network 开发与应用 计算机工程与设计Computer Engineering and Design 谢丽明，李建民基于概念格的煤矿瓦斯数据融合预警研究2010,31 214733 器的信息， 能够获得单传感器无法获取的多源信息， 采集的目 标信息更加准确、可靠。多传感器数据融合在不同的信息层 次上体现为 数据级融合、 特征级融合和决策级融合。数据级 融合是最低层次的数据融合，通常是对同质的多传感器信息 进行的综合分析。决策级融合通常是对异质多传感器信息的 分析处理，是形成决策支持的高层次数据融合。数据融合涉 及到了信号处理、 不确定理论、 模式识别、 神经网络等多种理 论和技术，不同应用环境的具体决策问题要求使用适当的融 合技术 [3-4]。 1.2概念格理论 概念格 形式概念分析 理论是德国数学家 Wille R. 于 1982 年首先提出的。形式概念分析是以数学化的概念和概 念层次为基础的应用数学领域， 它可以根据信息实体在内涵 和外延上的因果关系建立概念层次结构， 进行比分类更具概 括性的知识处理。现在概念格已广泛应用于数据分析和知 识处理等领域。形式概念和形式背景是形式概念分析的两 个基本柱石 [5]。 定义 1设形式背景 K ,, 是由两个集合 G 和 M 以 及G与M间的关系 组成， 其中G{ 1,2,⋯, }是有限对象集， M{ 1,2,⋯, }是有限属性集， IGM为G和M之间的二元 关系。gIm 表示对象具有属性。 定义 2对于形式背景 K ,, ， 在对象子集和属 性子集上定义 X*{a∣,,} B*{x∣,,} 式中 X*X中所有对象共同具有的属性集合， B*共同 具有 B 中所有属性的对象集合。 定义 3设 K ,, 是形式背景， 对于,。 若满 足 X*B 且 XB*， 则称 , 是一个概念。 其中， X 称为概念的 外延， B 称为概念的内涵。 用,, 表示形式背景 ,, 的全体概念， 记 1,1 ≤ 2,21212， 则 “≤” 是 , , 上的偏序关系。其 中， 1,1称为2,2 的亚概念， 2,2称为1,1的超概念。 , , 中的所有概念及概念之间的偏序关系构成的结构称 为概念格。利用概念格中概念的内涵和外延的关系可以提取 分类规则 [6]。 概念格可以对异质的数据进行综合处理， 将描述监测目 标的异质多传感器信息作为问题形式背景中的对象，每一个 异质传感器的信息描述作为条件属性。可以使用历史监测数 据逐层建立概念结点， 提取基于具体应用的分类规则， 指导应 用系统的决策行为。 2基于概念格的煤矿瓦斯数据融合预警系统 煤矿安全监测系统中设置了用于监测不同目标的传感 器， 一般有瓦斯传感器、 CO传感器、 温度传感器等多种异质 传感器。这些异质传感器输出信号类型不同，输出有线性 的和非线性的，难以直接使用这些表达形式各异的监测数 据决定操作行为。同时由于井下温度、湿度等环境因素和 设备状况变化很大，传感器的输出信号并不能完全准确地 表达被测目标的实际物理量， 存在测量精度不高和稳定性、 适应性差等问题。数据融合技术的研究为解决这些问题提 供了行之有效的理论和技术支撑，数据融合充分利用多传 感器的多信息源特征，实现对多种传感器监测数据的合理 综合分析处理 [7]。 2.1系统结构 在对煤矿瓦斯监测系统进行分析之后，本文提出了如图 1 所示的基于概念格的煤矿瓦斯数据融合预警系统模型。它 将多传感器采集的数据按传感器性质进行两级融合数据级 融合同质多传感器的数据融合和决策级融合异质多 传感器数据融合。同质多传感器的原始监测数据经过数据级 融合克服了数据中的不确定性，形成统一可靠性数据传递给 监测分析系统。 数据级融合进行了监测数据的初次分析处理， 减少了数据传输网络中的数据传输量。数据级融合后的异质 多传感器的数据通过网络传输给中央决策系统，利用基于概 念格的融合规则进行分析处理， 判定现行状态的特征 安全、 不安全、 危险等。 2.2同质多传感器的数据融合算法 由于井下环境状况的影响和设备的自身限制， 单传感器 监测目标的数据可能出现漏检、 噪声和不确定等现象， 为了克 服监测数据中这些不确定数据对检测结果的影响，使用多传 感器从不同方位采集同一监测目标的实时数据。由于多传感 器所处的监测位置不同，其监测数据对融合结果的贡献也不 同， 本文将同质的多传感器信息进行加权数据融合处理， 可以 得到对目标的精确地、 一致性的描述， 从而提高多传感器监测 数据可靠性， 降低监测网络的数据传输量。 以监测瓦斯的多传感器为例说明加权处理的数据级融 合。假设检测某一工作面瓦斯浓度的传感器有 n 个，它们的 方差分别为 2 1, 2 2,⋯, 2。 第 i 个传感器进行 k 次测量的平均值为 1 1 ,1,2,⋯, 1 此时所要的估计值为 ， 并且要求是无偏估计， 各传感器 的加权因子分别为 1,2,⋯,， 则融合后 值和加权因子满足 图 1基于概念格的煤矿瓦斯数据融合系统结构 瓦斯传感器 1 瓦斯传感器 2 井 下 工 作 环 境 ⋯ 温度传感器 1 温度传感器 2 瓦斯传感器 温度传感器 ⋯ CO 传感器 1 CO 传感器 2 CO 传感器 ⋯ ⋯ 风速传感器 1 风速传感器 2 风速传感器 ⋯ 加权融合 与预处理 概念格数 据融合 决 策 信 息 加权融合 与预处理 加权融合 与预处理 加权融合 与预处理 47342010,31 21计算机工程与设计 Computer Engineering and Design 以下两式 1 2 1 13 融合后的总均方误差为 2 [ 1 2 2 ] 1 22 4 由多元函数极值理论，可以求出总均方差最小时所对应 的加权因子为 1/ 2 1 1 2 1,2,⋯, 5 此时所对应的最小均方误差为 2 min 1/ 1 1 2 基于上述多传感器加权数据融合方法，对同质多传感器 数据融合的算法为 步骤 1求出第 i 个传感器进行 k 次测量后的平均值 由式1计算； 步骤 2求出传感器 i 此时的 2； 步骤 3求出最优的加权因子由式5计算 步骤 4计算出融合后的估计值 由式2计算 表 1 以某工作面 7 个瓦斯多传感器监测数据为例进行 数据融合， 获取一个反映此工作面某一时刻瓦斯浓度的一致 性数据。 1 7 0.55*0.13730.72*0.14840.66*0.16160.76* 0.14260.81*0.12340.64* 0.1654 0.58*0.1213 0.07550.10680.10670.10840.1000 0.10590.0704 0.6737 融合后的数据 0.6737 可以作为瓦斯浓度当前值由无线传 感网络传送至监测中心。用于检测不同目标的其它同质多传 感器的数据融合类似于瓦斯多传感器的处理方法。 2.3异质多传感器的数据融合算法 获取井下瓦斯检测数据的最终目的是根据当前检测的 井下各种异质传感器的实时数据， 综合判断井下的安全状况。 判断井下是否安全是将实时数据与前期获得的评判规则匹配， 根据匹配的规则中决策属性的值推断出井下环境的安全状态。 当判断出当前为危险状态应能及时报警，提示安全监控者采 取必要的措施避免事故发生。根据历史监测数据形成安全状 态评判规则成为瓦斯预警的关键。前述的概念格理论能够通 过大量的历史数据建立关于瓦斯问题的形式背景，通过概念 格的建立，将各异质多传感器的数据作为概念的属性集进行 决策级的数据融合， 提取出概念中有关安全状态的分类规则， 以此指导实时监测。 经加权融合的多传感器数据是连续型的数据， 需要进行 数据的预处理，才能够满足概念格的要求。使用信息熵的离 散化算法将连续型的监测数据离散化， 离散区间如表 2 所示， 并根据设置的离散化区间对异质多传感器信息进行编码 [8]。 由 煤矿安全理论可以获知各传感器的区间状态 1安全， 2较 安全， 3较危险， 4危险。 智能化的预警要求从异质多传感器数据中获取统一的判 定。基于概念格的数据融合利用瓦斯监测中心的传感器历史 监测数据形成瓦斯问题的形式背景，其中相同时间获得的多 个传感器数据作为一个对象，异质传感器数据作为条件属性 值， 综合安全记录值为决策属性值， 利用渐进式方法构建问题 概念格。由于只有那些包含决策属性的概念结点才能产生决 策规则， 为了加快问题概念格的生成速度， 优化问题概念格中 结点存储， 在概念结点生成过程中需要进行剪枝处理， 删除概 念内涵中不包含决策属性的结点。根据概念结点内涵可以提 取分类规则， 但由于保留的概念结点之间存在蕴含关系， 导出 规则时需消除冗余， 形成简洁的决策规则。 基于概念格理论对异质多传感器数据进行融合的算法分 为决策规则器生成和实时数据融合监测两个阶段，由于形成 瓦斯信息融合的决策规则器后，实时监测数据通过决策规则 器就可判定当前的环境状态，所以数据融合决策规则器的形 成是决策级数据融合的关键。 基于概念格的数据融合预警决策规则器生成算法 步骤 1各同质传感器融合后的数据 训练样本 进行数 据预处理， 使用信息熵算法进行离散化处理， 并利用表 2 进行 编码， 形成瓦斯预警问题的形式背景。 步骤 2使用渐进式算法建立瓦斯预警问题的概念格。 逐层形成概念结点， 如果概念内涵包含决策属性， 保留该 节点； 否则剪枝。 步骤 3根据概念格的层次结构， 分析父、 子结点的蕴含 关系， 提取出简洁的分类规则 。 所有规则形成初始检测规则库 。 步骤 4利用测试样本反复测试。 如果根据某判决的结果和检测数据的实际结果不同， - ； 如果根据无法确定其状态，则将该测试样本作为一个 对象， 渐进式构建新的概念结点， 获取新的分类规则 ， 。 反复检测直到达到设定的正确率。 步骤 5利用构建决策检测器， 供实时监测使用。 3实验分析 我们采集了平顶山某煤矿的历史监测数据，首先对同一 时间段的各同质传感器数据进行加权处理， 形成 5000 条综合 记录， 然后经过数据预处理离散化。其中 3000 条数据作为训 表 1同质瓦斯传感器加权数据融合实例 1234567 2 0.55 0.53 0.1373 0.72 0.49 0.1484 0.66 0.45 0.1616 0.76 0.51 0.1426 0.81 0.59 0.1234 0.64 0.44 0.1654 0.58 0.60 0.1213 表 2检测属性离散空间设置 条件属性瓦斯浓度/％风速/m s-1温度/℃CO 浓度/％ 1 2 3 4 0.0,0.4 0.4, 0.8 0.8,1.0 1.0, 2.5,3.5 1.5,2.5 1.0,1.5 0.0,1.0 18,22 22, 26 26,28 28, 0,0.0006 0.0006, 0.0018 0.0018,0.0024 0.0024, 谢丽明，李建民基于概念格的煤矿瓦斯数据融合预警研究2010,31 214735 练样本使用决策规则器生成算法形成融合的初始决策规则库 获取 21 条规则， 2000 条记录作为测试样本检测生成的决策 规则库， 校验规则生成过程中的误差， 提炼出能实际应用的决 策规则器含 19 条规则。通过大量的实验发现， 经数据融合 处理的瓦斯监测系统较直接传感器信息检测的预警正确率高， 克服了传统监测系统简单预警的缺点，能够综合各监测目标 信息产生统一的判断结果， 预警智能化程度明显提高。 4结束语 基于概念格的煤矿瓦斯数据融合预警系统提出了两级数 据融合处理机制，对不同种类的多传感器信息进行分层次的 融合处理。一级加权数据融合规避了传感器监测数据的不精 确性和抗干扰差的缺点，提出的第二级融合技术利用概念 格理论构建的煤矿瓦斯预警检测器，增强了瓦斯监测预警的 智能化水平。在平顶山某煤矿的实验证明，系统克服了各异 质传感器独立报警造成预警信息分散的缺点，能提供给监控 者和决策者统一的预警信息， 瓦斯预警的可靠性明显提升。 下 一步的工作是将该算法应用到实时监测系统中。 参考文献 [1]许满贵.煤矿重大危险源评价研究[J].矿业安全与环保,2005,32 580-84. [2]宫运华,罗云.安全生产预警管理研究[J].中国煤炭,2006,3210 67-69. [3]邵良杉,付贵祥.基于数据融合理论的煤矿瓦斯动态预测技术 [J].煤炭学报,2008,335551-555. [4]齐冀,彭泓.基于模糊信息融合的矿井火灾监测系统研究[J].煤 矿机电,2009334-37. [5]张文修,姚一豫,梁怡,等.粗糙集与概念格[M].西安西安交通大 学出版社,2006357-378. [6]王燕,李明.基于扩展概念格的分类规则获取算法[J].计算机应 用,2000,27102376-2378. [7]孙林嘉,李茹.煤矿瓦斯预测知识获取模型的应用研究[J].计算 机工程,2009,3512169-171. [8]王青青,牛光东.基于粗集理论的瓦斯信息融合技术[J].煤矿安 全,2009,35599-101. 4结束语 本文对基于Windows应用的作战指挥软件的记录与复演 功能进行了研究，设计并实现了一种作战指挥软件记录与复 演工具，解决了外部进程函数替换、人机操作消息截获与回 放、记录信息的多线程存储等难题。利用本文所设计的记录 与复演工具，可以大大减少作战指挥软件在记录和复演方面 的开发工作量， 使作战指挥软件结构更为清晰， 同时也保证了 记录更为完整，复演也更为真实。该记录与复演工具已成功 地应用于某型防空情报指挥系统作战指挥软件中，取得了较 好的效果。 参考文献 [1]唐素芬,孙为民,黄志刚.指挥系统中记录重演功能实现的新模 式[J].舰船电子工程,2004,24348-49. [2]王中许,张蛟.通用防空指挥所的建模与仿真[J].火力与指挥控 制,2008,33778-80. [3]李伟,马萍,杨明,等.基于HLA的柔性仿真重演工具研究[J].系 统仿真学报,2007,19173974-3977. [4]陈宏,周以齐,闰法义.基于 HLA 的仿真系统的记录与回放[J]. 系统仿真学报,2006,183 629-630. [5]贺细平,李第平,张历卓.Windows hooks 中录制与回放钩子的 运行机制剖析[J].电脑与信息技术,2009,30186-9. [6]石磊,赵慧然.Hook 函数在监控记录系统中的应用[J],微计算 机信息,2006,227-3251-253. [7]朱若磊.利用核心态挂钩技术防止代码注入攻击[J].计算机应 用,2006,2692134-2136. [8]布辉,刘冉.LISP 语言的特点及其文法的 BNF 描述[J].福建电 脑,20061083-84. 图 3复演工具主界面 上接第 4696 页