CN113653534B - 一种矿井水害预警***及方法 - Google Patents
一种矿井水害预警***及方法 Download PDFInfo
- Publication number
- CN113653534B CN113653534B CN202111015644.4A CN202111015644A CN113653534B CN 113653534 B CN113653534 B CN 113653534B CN 202111015644 A CN202111015644 A CN 202111015644A CN 113653534 B CN113653534 B CN 113653534B
- Authority
- CN
- China
- Prior art keywords
- water damage
- module
- data
- water
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000003245 coal Substances 0.000 claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 239000011435 rock Substances 0.000 claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims description 92
- 230000006698 induction Effects 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102100029481 Glycogen phosphorylase, liver form Human genes 0.000 description 1
- 101000700616 Homo sapiens Glycogen phosphorylase, liver form Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Mining & Mineral Resources (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Agronomy & Crop Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明属于矿井监测技术领域,具体公开了一种矿井水害预警***及方法,包括数据采集模块、预测模块和预警模块,数据采集模块用于对煤矿井下各个位置处的多种类型的数据进行实时的采集,得到各个位置处的实时监测数据;实时监测数据包括对隔水层和煤岩柱的电阻率进行动态监测形成的电阻率数据以及对矿井内的水的水质参数进行采集形成的水质数据;根据这些采集到的数据进行水害情况的预测,并在会发生水害时进行预警。本申请通过对采集到的电阻率数据和水质数据进行综合分析来作为预警的依据,实现了多种数据的综合分析,通过这种多数据的融合可以更加全面对水害进行判断,解决了数据采集的单一造成的水害判断结果不准确的问题。
Description
技术领域
本发明属于矿井监测技术领域,尤其涉及一种矿井水害预警***及方法。
背景技术
近年来,随着煤矿开采的深度、速度、强度不断增加,矿井水文地质条件越来越复杂,导致煤矿突水、透水事故频繁发生。矿井水害事故不仅使国家公共财产遭受损失,更威胁到煤矿工作人员的生命安全。
为了避免矿井中发生水害时,因为没有及时对水害进行阻止或者没有及时的发现,导致水害问题越来越严重或者工作人员没有及时的逃脱,会对矿井内的水害情况进行监测。
现有的水害监测通常都是检测矿井内钻孔的水质为排水量的变化来预测水害的发生,而仅仅通过水位和排水量的变化来对水害信息进行监测,采集的数据的类型太少,而在煤矿井下的施工条件比较差和干扰也比较严重,这样误差就会比较大。
基于此,需要一种矿井水害预警***及方法,来解决数据采集的单一造成的水害判断结果不准确的问题。
发明内容
本发明的目的在于提供一种矿井水害预警***及方法,来解决数据采集的单一造成的水害判断结果不准确的问题。
为达到上述目的,本发明的技术方案提供一种矿井水害预警***,包括:
数据采集模块,所述数据采集模块用于对煤矿井下各个位置处的多种类型的数据进行实时的采集,得到各个位置处的实时监测数据;所述实时监测数据包括对隔水层和煤岩柱的电阻率进行动态监测,形成的电阻率数据以及对矿井内的水的水质参数进行采集,形成的水质数据;
预测模块,用于根据采集到的各个位置处的实时监测数据,对各个位置处当前时刻是否可能会发生水害进行预测;
预警模块,用于根据预测模块判断出来的当前时刻的水害情况以及水害等级进行相应的预警。
本方案的原理和效果是:数据采集模块设置在煤矿井下的各个位置处,对隔水层和煤岩柱的电阻率的动态监测到的数据和矿井内水质参数的采集得到整个煤矿井下数据的采集到的水质数据。
利用对隔水层和煤岩柱的电阻率的动态监测到的数据和矿井内水质参数的采集得到整个煤矿井下数据的采集,利用预测模块对采集到的数据进行处理和判断,得到对应的水害判断结果,再根据判断结果进行预警,在判断出有水害危险的时候进行第一时间的预警,以确保工作人员的安全。本申请通过对采集到的电阻率数据和水质数据进行综合分析,实现了多种数据的综合分析,而不是单独作战,通过这种多数据的融合可以更加全面对水害进行判断,解决了数据采集的单一造成的水害判断结果不准确的问题。
进一步的,所述实时监测数据还包括对水文参数进行采集到的水文参数数据。
水文参数数据的采集可以使得前端的数据采集的类型更加丰富,这样在进行数据分析时,数据更多,考虑的方向也就更多,得到的判断结果也会更加的准确。
进一步的,所述预测模块包括BP神经网络模型,所述预测模块利用BP神经网络技术对各个位置处当前时刻是否发生水害进行判定。
通过BP神经网络模型的设置使得预测模块利用BP神经网络技术来对采集到的数据进行处理,这样可以使得到的结果能更加的准确和更加有依据。
进一步的,所述预警模块包括人体实时感应模块,用于在预测模块对某个位置处当前时刻的判定为可能发生水害时,对该位置周围进行实时的人体感应,感应是否有人在附近;
路径规划模块,用于在人体实时感应模块在该位置处感应到有人在附近时,根据预测模块当前时刻对各个位置的水害判断结果,生成从该位置处到煤矿井下出口的路径规划;
语音播报模块,用于对路径规划模块得到的路径规划进行语音播报。
在可能发生水害的位置处第一时间对该位置处的人进行感应,在感应到有人在附近之后会第一时间根据各个位置处的水害情况生成从该位置处到煤矿井下出口的路径规划,这样可以确保在进行逃离时,通过对各个位置水害情况的收集使得逃生路线是安全的,这样可以确保逃离的人的安全逃出,同时利用语音播报逃离路线可以给予逃离的人信息。
进一步的,所述预测模块还用于在某个位置处当前时刻的判定为可能会发生水害时,根据采集到的对应位置处的实时监测数据进行分析和判断,得到对应的水害类型,并生成对应的预测的故障类型;
还包括维修指令生成模块,用于根据预测模块得到的预测水害类型和故障类型,形成该位置处相对应的维修指令。
根据实时监测数据来得到对应的水害类型,根据得到的水害类型对可能的故障类型进行预测,这样可以在第一时间就知道对应的水害类型以及故障类型,有利于提高之后的维修效率以及也可以在第一时间进行安全评估,让维修人员做好足够的安全措施。
进一步的,还包括人脸图像识别模块,用于在人体实时感应模块在某位置处感应到人时,进行人脸识别,判断进行人脸识别的人是否为维修人员;
所述语音播报模块还用于在人脸图像识别模块判断出进行人脸识别的人是维修人员时,调用维修指令生成模块得到的维修指令,进行维修指令的语音播报。
通过对进行人脸识别的人的身份进行判断,看其是否为维修人员,如果是就调用维修指令并通过语音播报的形式告知维修人员,这样就可以使得身处在煤矿井下的维修人员得到对应故障的维修指令,以便于维修人员可以提前进行故障判断,通过语音提高了维修效率,减少了维修人员排查寻找故障的时间。
本发明还提供一种矿井水害预警方法,包括:
信息采集步骤:对煤矿井下各个位置处的多种类型的数据进行实时的采集,得到各个位置处当前时刻的实时监测数据;所述实时监测数据包括对隔水层和煤岩柱的电阻率进行动态监测形成的电阻率数据以及对矿井内的水的水质参数进行采集形成的水质数据;
预测步骤:根据各个位置处的实时监测数据,利用BP神经网络模型对各个位置对应当前时刻的是否发生水害进行预测,若是则执行预警步骤,若否则判定没有发生水害,执行信息采集步骤;同时在预测到某个位置当前时刻可能会发生水害时,根据该位置的实时监测数据,对其水害类型和故障类型进行预测;
预警步骤:根据预测步骤得到对水害是否发生的预测结果,进行相应的预警;
维修步骤:根据预测步骤得到的对水害类型和故障类型的预测结果,形成对应的维修规划。
本方案的原理和效果是:通过对煤矿井下的各个位置处的多种类型的数据进行实时的采集,即对隔水层和煤岩柱的电阻率进行动态监测形成的电阻率数据以及对矿井内的水的水质参数进行采集形成的水质数据,并且这些不同类型的数据通过BP神经网络模型对这些信息进行综合分析,通过多数据的综合分析来对某一位置是否可能发生水害进行预测以及对可能发生的水害的类型进行判断,并根据水害类型预测处对应的故障类型,根据不同的预测结果进行相应的预警和维修规划,这可以第一时间对水害进行预警同时也能进行及时的水害维修。
本申请通过BP神经网络将多种类型的数据进行融合,实现了多数据的融合,对于水害情况的判断更加的准确同时也更加有依据性,解决了数据采集的单一造成的水害判断结果不准确的问题。同时根据采集到的多种类型的数据进行水害类型和相应的故障类型进行预测,并根据对应的预测结果进行维修规划,使得维修人员可以尽可能快的进入到维修状态,实现维修的及时性。
进一步的,所述预警步骤包括:
人体感应步骤:在预测步骤中得到某个位置处当前时刻可能发生水害时,对该位置的周围进行实时的人体感应,感应是否有人在附近,若是则执行身份识别步骤,若否则判定没有人在附近,继续人体感应步骤;
身份识别步骤:开启人脸图像识别,对进行人脸识别的人的身份进行判断,判断其是否为维修人员,若是则执行维修步骤;若否则进行路径规划步骤;
路径规划步骤:调用预测步骤中对各个位置处的水害判断情况,生成从该位置处到煤矿井下出口的路径规划;
语音播报步骤:对得到的从该位置处到煤矿井下出口的路径规划进行语音播报。
通过对水害发生位置处进行人体感应,并在感应到人体后生成从该位置处到煤矿井下出口的路径规划,并对路径规划进行语音播报,这样可以第一时间对水害发生的危险的位置处的人进行及时的疏散,同时通过人体感应的方式也是为了确保水害发生的位置处没有人存在,以确保人的生命安全。通过这种语音播报的形式也可以尽可能的减少人群的恐慌,使得每个人都能保持冷静,能够有序进行撤离。
同时维修人员还可以进行人脸识别,在识别出其为维修人员时,会进行维修步骤,这样就可以使得在煤矿井下的维修人员能第一时间根据维修步骤进行维修,使得维修人员能在第一时间进入维修状态,高效率的完成故障的维修。
进一步的,所述维修步骤包括:
根据预测步骤中预测到的某一位置处的水害类型和故障类型,生成对应故障的维修指令;
根据得到的维修指令,对维修指令进行语音播报。
通过对水害类型和故障类型的判断,得到对应的维修指令,并将对应的维修指令进行语音播报使得维修人员能第一时间的知道所要进行的维修任务,能及时进行维修,避免造成更大的损失。
进一步的,所述实时监测数据还包括对水文参数进行采集到的水文参数数据。
水文参数数据的采集可以使得前端的数据采集的类型更加丰富,这样在进行数据分析时,数据更多,考虑的方向也就更多,得到的判断结果也会更加的准确。
附图说明
图1为本发明实施例一中矿井水害预警***的逻辑框图。
图2为本发明实施例一中矿井水害预警方法的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
实施例一基本如图1所示:一种矿井水害预警***包括数据采集模块、预测模块、预警模块、维修指令生成模块,其中预警模块包括人体感应模块、人脸图像识别模块、路径规划模块和语音播报模块。
数据采集模块用于对煤矿井下各个位置处的多种类型的数据进行实时的采集,得到各个位置处的实时监测数据。具体的在本实施例中实时监测数据包括对隔水层和煤岩柱的电阻率进行动态监测形成的电阻率数据、对矿井内的水的水质参数进行采集形成的水质数据以及对水文参数进行采集到的水文参数数据,其中对隔水层和煤岩柱的电阻率进行动态监测所用的是GS64矿用本安型煤层含水量传感器,该传感器通过测量地底下介质的视电阻率来判断介质是否存在低阻异常,再选取一个特定的时间段来判断异常的变化情况,从而实现对目标体是否含水的判断;对矿井内的水的水质参数进行采集形成的水质数据采用的则是GSD6矿用本安型水质传感器,该传感器利用离子选择电极法进行水质分析;而在本实施例中对应的水文参数数据所包含的有水位数据、流量数据、温度数据和流速数据,分别采用对应的传感器进行数据的监测。在本实施例中对应的传感器设置在煤矿井下的各个位置处,实现对整个煤矿井下的全覆盖,使得***对煤矿井下的各个位置处的数据都能第一时间被采集到。
预测模块用于根据采集到各个位置处的实时监测数据,对各个位置处的当前时刻是否可能发生水害进行预测,同时还用于在预测到某个位置可能会发生水害时,根据该位置的实时监测数据,对其水害类型和故障类型进行预测;其中预测模块包括BP神经网络模型,预测模块使用BP神经网络技术来对各个位置处是否可能发生水害进行判定以及对水害类型以及故障类型进行预测,具体的,首先要预先构建一个三层的BP神经网络模型,包括输入层、隐层和输出层,在本实施例中,以电阻率数据、水质数据以及水文参数数据作为输入层的输入,在本实施例中,水文参数数据包括水位数据、水温数据、流量数据和流速数据,因此输入层有6个节点,而输出的是对是否发生水害和故障类型,因此输出层共有2个节点,针对隐层,本实施例中使用了以下公式来确定隐层节点的数量:其中l为隐层的节点数,n为输入层的节点数,m为输出层的节点数,a为1至10之间的一个数,本实施例中a取为6,因此隐层共有8个节点。其中BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数,本文选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络神经模型构建完毕之后,会利用历史数据库中的各个位置处的发生水害时对应的各方面数据作为样本对模型进行训练,通过对发生水害时对应的各方面数据训练完成之后得到的模型可以得到比较准确和科学的判定结果。通过这种多数据的综合判断,以及利用BP神经网络模型进行数据分析,使得***得到的对水害发生的判断更加的准确,同时利用模型实现了对数据的综合判断,使得预测结果会更加有科学依据。
维修指令生成模块,用于在预测处对应的故障类型之后,根据故障类型形成对应位置处的维修指令,通过这种对数据的分析和判断,能在第一时间就得到比较有参考价值的维修指令,这样可以给予到维修人员一定程度上的帮助,以此来完成损失的最小化。
人体感应模块,用于在某个位置处当前时刻的判定为可能发生水害的时候,对该位置的周围进行实时的人体感应,以此来感应周围是否有人。在本实施例中,每一个对应的实时监测数据的采集点上都安装有对应的人体感应模块,其中人体感应模块为红外线感应模块,通过红外传感器对该位置处的周围进行感应,如果有人就会检测到人体辐射出来的特定波长的红外线,这样就可以认定有人在该位置点的附近。
人脸图像识别模块,用于在人体感应模块在某位置处感应到人时,进行人脸识别,判断进行人脸识别的人是否为维修人员。本实施例中,利用摄像头对人脸进行采集。考虑到可能会有维修人员之前就一直在煤矿井下,该维修人员在煤矿井下不能很好的接收到***传达出来的水害情况和故障类型,利用人脸图像识别模块对进行识别的人进行判断,看其是否为维修人员,以此来确定煤矿井下的人是否具备维修能力的人,这样就可以在第一时间对煤矿井下的维修人员进行维修告知,可以减短维修人员抵达维修点的时间,提高整个维修速度。在本实施例中,当感应到有人在该可能发生水害的位置处的附近时,会自动打开摄像头,这是附近的人就可以站到摄像头拍摄得到的位置处进行人脸识别。
于此同时,在人体感应模块检测对某位置处有人在附近时,路径规划模块会在第一时间调用预测模块当前时刻对各个位置的水害判断情况,生成从该位置处到煤矿井下出口的路径规划,通过对该位置处到煤矿井下出口的路径的规划,可以避免逃离的人能安全撤离,不会走到有水害威胁的路径上,尽可能到保护了人员的安全。
语音播报模块,用于对路径规划模块得到的路径规划进行语音播报;还用于在人脸图像识别模块判断出进行人脸识别的人是维修人员时,调用维修指令生成模块得到的维修指令,进行维修指令的语音播报。通过语音播报的形式对逃生路径和维修指令进行告知,可以使得对应的逃离的人和维修人员及时的接收到所需要的信息。这样可以大大避免原本就处在煤矿井下的维修人员进行盲目的维修,不但浪费时间同时还不能及时的对故障进行维修,可能会造成更大的经济损失
具体的,假设***在对煤矿井下的位置A处进行实时收集采集对应的电阻率数据、水质数据、水位数据、流量数据、流速数据以及水温数据,根据这些信息,进行综合分析,对位置A处当前时刻是否可能发生水害进行判断,判断出位置A当前时刻可能发生水害并且根据这些信息得到了对应的水害类型推导出故障类型,例如对应的水害类型为老窑积水的话,其推到处理的故障类型为所挖位置存在老窖。这个时候,就会对位置A周围进行人体感应,在感应到人之后,其中的用于身份识别的摄像头就会自动打开,周围的人及时的出现在摄像头的拍摄范围之内,进行人脸的采集,之后会对采集到的人脸的身份进行判断,判断这个人是否为维修人员,如果不是维修人员的话,就会根据各个位置处的水害情况进行从位置A到煤矿井下出口的路径进行规划,使得这个人的逃离路线上没有发生水害危险的位置,确保这个人的安全,并通过语音播报的形式告知这个人逃离路线;如果是维修人员的话,就会去调用位置A预测出来的水害类型和故障类型,根据这个生成解决这个故障的维修指令,并会通过语音播报的形式告知这个人,例如当维修指令为开启位置B处的对A进行排水的设备,此时就会以“请尽快赶往位置B,开启对A进行排水的排水设备”。
如图2所示,本实施例还公开了一种矿井水害预警方法,包括:
信息采集步骤:对煤矿井下各个位置处的多种类型的数据进行实时的采集,得到各个位置处当前时刻的实时监测数据。实时监测数据包括对隔水层和煤岩柱的电阻率进行动态监测形成的电阻率数据、对矿井内的水的水质参数进行采集形成的水质数据以及对水文参数进行采集到的水文参数数据。
预测步骤:根据各个位置处的实时监测数据,利用BP神经网络模型对各个位置对应当前时刻的是否发生水害进行预测,若是则执行预警步骤,若否则判定没有发生水害,执行信息采集步骤;同时在预测到某个位置当前时刻可能会发生水害时,根据该位置的实时监测数据,对其水害类型和故障类型进行预测。
人体感应步骤:在预测步骤中得到某个位置处当前时刻可能发生水害时,对该位置的周围进行实时的人体感应,感应是否有人在附近,若是则执行身份识别步骤,若否则判定没有人在附近,继续人体感应步骤。
身份识别步骤:开启人脸图像识别,对进行人脸识别的人的身份进行判断,判断其是否为维修人员,若是则执行维修步骤;若否则进行路径规划步骤。
路径规划步骤:调用预测步骤中对各个位置处的水害判断情况,生成从该位置处到煤矿井下出口的路径规划。
语音播报步骤:对得到的从该位置处到煤矿井下出口的路径规划进行语音播报。
维修步骤:
根据预测步骤中预测到的某一位置处的水害类型和故障类型,生成对应故障的维修指令;
根据得到的维修指令,对维修指令进行语音播报。
实施例二
与实施例一相比,本实施例中还包括移动终端,移动终端包括:
定位模块,用于对工作人员的位置进行定位;
摄像模块,用于在定位到该工作人员没有在规划路径上时,对该工作人员的周围环境进行实时的采集,得到周围环境信息;
报警模块,用于在定位到该工作人员没有在规划路径上时,进行声音报警,所述声音报警理路径规划越远声音越响;
处理模块,用于根据周围环境信息,对工作人员所处的环境进行分析,判断可能发生的危险类型;
显示模块,用于对危险类型进行显示。
在整个***发出水害预警时,可能会出现一部分工作人员不把预警当一回事,没有按照***给予的路径规划进行逃离,而是另辟蹊径,走其他的路,这样就不能很好的确保该工作人员的安全,考虑到这些,会让每一个工作人员携带一个移动终端,在检测到工作人员没有按照路径规划进行逃离时,即定位到该工作人员的位置没有在规划路径上,会强制开启移动终端上的摄像头对周围的环境进行采集,通过对非规划路径的其他路径的周围环境的采集,可以很好的这些路线上的水害情况和对应的危险类型进行判断并对得到的危险类型进行显示,与此同时,工作人员在不按照规划路径进行逃离时,移动终端会发出声音警报,随着工作人员离规划路径越来越远,对应的声音警报声会越来越大,通过这种方式使得工作人员不得不走规划路径,进而使得工作人员都可以第一时间通过规划路径进行逃离,从而将工作人员的生命安全损失降到最低。在本实施例中采集到的周围环境信息会在第一时间上传到服务器上,以便于之后的救援行动的部署。
通过移动终端对周围环境的采集,可以了解到没有在规划路径上的工作人员的真正情况,以便于之后的救援行动的快速开展,也通过对周围环境的拍摄可以解决一些***的采集盲点,使得整个***对矿井下的某些位置也可以准确的了解。同时利用声音对走其他路径逃离的工作人员进行驱逐,以确保这些人的生命安全,减少损失。通过对危险类型的判断和显示可以使得工作人员第一时间远离危险,避免出现事故。
例如,工作人员甲在***发出预警时,没有向规划路径A路线进行逃离,而是走在B路线上,甲身上的移动终端检测到后,会强制打开移动终端的摄像头对周围的环境进行拍摄,同时移动终端对于采集到的信息进行分析,判断信息中的危险类型,如水害情况和矿井井壁的裂缝等,之后对危险类型进行显示使得甲可以第一时间知晓。在这个过程中整个移动终端会发出刺耳的声音,同时随着甲离A路线越来越远,移动终端发出的声音会越来越大,使得甲不得不返回到A路线上进行逃离。
以上的仅是本发明的实施例,该发明不限于此实施案例涉及的领域,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (9)
1.一种矿井水害预警***,其特征在于,包括:
数据采集模块,所述数据采集模块用于对煤矿井下各个位置处的多种类型的数据进行实时的采集,得到各个位置处的实时监测数据;所述实时监测数据包括对隔水层和煤岩柱的电阻率进行动态监测,形成的电阻率数据以及对矿井内的水的水质参数进行采集,形成的水质数据;
预测模块,用于根据采集到的各个位置处的实时监测数据,对各个位置处当前时刻是否会发生水害进行预测;
预警模块,用于根据预测模块判断出来的当前时刻的水害情况以及水害等级进行相应的预警;
所述预警模块包括人体实时感应模块,用于在预测模块对某个位置处当前时刻的判定为会发生水害时,对该位置周围进行实时的人体感应,感应是否有人在附近;
路径规划模块,用于在人体实时感应模块在该位置处感应到有人在附近时,调用预测模块当前时刻对各个位置的水害判断,生成从该位置处到煤矿井下出口的路径规划;
语音播报模块,用于对路径规划模块得到的路径规划进行语音播报;
还包括移动终端,移动终端包括:定位模块,用于对工作人员的位置进行定位;摄像模块,用于在定位到该工作人员没有在规划路径上时,对该工作人员的周围环境进行实时的采集,得到周围环境信息;报警模块,用于在定位到该工作人员没有在规划路径上时,进行声音报警,所述声音报警离规划路径越远声音越响;处理模块,用于根据周围环境信息,对工作人员所处的环境进行分析,判断可能发生的危险类型;显示模块,用于对危险类型进行显示。
2.根据权利要求1所述的一种矿井水害预警***,其特征在于:所述实时监测数据还包括对水文参数进行采集到的水文参数数据。
3.根据权利要求2所述的一种矿井水害预警***,其特征在于:所述预测模块包括BP神经网络模型,所述预测模块利用BP神经网络技术对各个位置处当前时刻是否发生水害进行判定。
4.根据权利要求3所述的一种矿井水害预警***,其特征在于:所述预测模块还用于在某个位置处当前时刻的判定为可能会发生水害时,根据采集到的对应位置处的实时监测数据进行分析和判断,得到对应的水害类型,并生成对应的预测的故障类型;
还包括维修指令生成模块,用于根据预测模块得到的预测水害类型和故障类型,形成该位置处相对应的维修指令。
5.根据权利要求4所述的一种矿井水害预警***,其特征在于:还包括人脸图像识别模块,用于在人体感应模块在某位置处感应到人时,进行人脸识别,判断进行人脸识别的人是否为维修人员;
所述语音播报模块还用于在人脸图像识别模块判断出进行人脸识别的人是维修人员时,调用维修指令生成模块得到的维修指令,进行维修指令的语音播报。
6.一种矿井水害预警方法,使用上述权利要求1-5任一项的一种矿井水害预警***,其特征在于,包括:
信息采集步骤:对煤矿井下各个位置处的多种类型的数据进行实时的采集,得到各个位置处当前时刻的实时监测数据;所述实时监测数据包括对隔水层和煤岩柱的电阻率进行动态监测形成的电阻率数据以及对矿井内的水的水质参数进行采集形成的水质数据;
预测步骤:根据各个位置处的实时监测数据,利用BP神经网络模型对各个位置对应当前时刻的是否发生水害进行预测,若是则执行预警步骤,若否则判定没有发生水害,执行信息采集步骤;同时在预测到某个位置当前时刻可能会发生水害时,根据该位置的实时监测数据,对其水害类型和故障类型进行预测;
预警步骤:根据预测步骤得到对水害是否发生的预测结果,进行相应的预警;
维修步骤:根据预测步骤得到的对水害类型和故障类型的预测结果,形成对应的维修规划。
7.根据权利要求6所述的一种矿井水害预警方法,其特征在于:所述预警步骤包括:
人体感应步骤:在预测步骤中得到某个位置处当前时刻可能发生水害时,对该位置的周围进行实时的人体感应,感应是否有人在附近,若是则执行身份识别步骤,若否则判定没有人在附近,继续人体感应步骤;
身份识别步骤:开启人脸图像识别,对进行人脸识别的人的身份进行判断,判断其是否为维修人员,若是则执行维修步骤;若否则进行路径规划步骤;
路径规划步骤:调用预测步骤中对各个位置处的水害判断情况,生成从该位置处到煤矿井下出口的路径规划;
语音播报步骤:对得到的从该位置处到煤矿井下出口的路径规划进行语音播报。
8.根据权利要求7所述的一种矿井水害预警方法,其特征在于:所述维修步骤包括:
根据预测步骤中预测到的某一位置处的水害类型和故障类型,生成对应故障的维修指令;
根据得到的维修指令,对维修指令进行语音播报。
9.根据权利要求8所述的一种矿井水害预警方法,其特征在于:所述实时监测数据还包括对水文参数进行采集到的水文参数数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015644.4A CN113653534B (zh) | 2021-08-31 | 2021-08-31 | 一种矿井水害预警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015644.4A CN113653534B (zh) | 2021-08-31 | 2021-08-31 | 一种矿井水害预警***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113653534A CN113653534A (zh) | 2021-11-16 |
CN113653534B true CN113653534B (zh) | 2024-03-22 |
Family
ID=78482609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111015644.4A Active CN113653534B (zh) | 2021-08-31 | 2021-08-31 | 一种矿井水害预警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113653534B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114545514A (zh) * | 2022-02-28 | 2022-05-27 | 河南省许昌新龙矿业有限责任公司 | 一种矿井水害监测装置和方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542717A (zh) * | 2010-12-13 | 2012-07-04 | 周锡卫 | 一种防火安全警示自救***与方法 |
CN103899357A (zh) * | 2014-01-10 | 2014-07-02 | 北京华安奥特科技有限公司 | 矿井底板水害实时可视化监测预警***与方法 |
CN104239738A (zh) * | 2014-09-28 | 2014-12-24 | 山东科技大学 | 一种底板原始导高带的预测方法 |
CN106246224A (zh) * | 2016-08-11 | 2016-12-21 | 山东科技大学 | 矿井水害即时监测预警*** |
CN109653800A (zh) * | 2019-02-28 | 2019-04-19 | 西安科技大学 | 深部富水覆岩厚煤层开采复合动力灾害监测预警***及方法 |
WO2020119177A1 (zh) * | 2018-12-12 | 2020-06-18 | 中国矿业大学 | 壁式连采连充保水采煤及水资源运移监测、水害预警方法 |
-
2021
- 2021-08-31 CN CN202111015644.4A patent/CN113653534B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542717A (zh) * | 2010-12-13 | 2012-07-04 | 周锡卫 | 一种防火安全警示自救***与方法 |
CN103899357A (zh) * | 2014-01-10 | 2014-07-02 | 北京华安奥特科技有限公司 | 矿井底板水害实时可视化监测预警***与方法 |
CN104239738A (zh) * | 2014-09-28 | 2014-12-24 | 山东科技大学 | 一种底板原始导高带的预测方法 |
CN106246224A (zh) * | 2016-08-11 | 2016-12-21 | 山东科技大学 | 矿井水害即时监测预警*** |
WO2020119177A1 (zh) * | 2018-12-12 | 2020-06-18 | 中国矿业大学 | 壁式连采连充保水采煤及水资源运移监测、水害预警方法 |
CN109653800A (zh) * | 2019-02-28 | 2019-04-19 | 西安科技大学 | 深部富水覆岩厚煤层开采复合动力灾害监测预警***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113653534A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10497224B2 (en) | Safety management system for worker at tunnel construction site | |
CN206058455U (zh) | 一种具备三种等级烟雾识别的火灾图像识别*** | |
CN110620906A (zh) | 一种基于物联网的电力施工安全管理*** | |
CN108227606A (zh) | 一种基于多源感知的船舶安防智能管理*** | |
KR102416892B1 (ko) | 재난대응절차 기반 센서-서버 간 지능형 재난대응시스템 | |
CN113206978B (zh) | 油气管道站场安防智能监控预警***及方法 | |
CN113990018B (zh) | 一种安全风险预测*** | |
CN113653534B (zh) | 一种矿井水害预警***及方法 | |
CN111024043A (zh) | 基于传感器触发的卫星遥感方法 | |
CN117910811B (zh) | 基于多模态ai大模型的智慧消防管理方法及*** | |
CN112576310B (zh) | 基于机器人的隧道安防检测方法及*** | |
KR101542134B1 (ko) | 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법 | |
CN107886228A (zh) | 一种抗风掀的智慧屋面安全风险预测***及其工作方法 | |
CN107895328A (zh) | 一种智慧屋面安全运营及风险预测***及其工作方法 | |
CN117423201A (zh) | 一种餐厅智能化消防状态监测方法及*** | |
CN108388873A (zh) | 一种机器视觉的监管***、方法及客户机、存储介质 | |
CN115909645A (zh) | 一种车间生产安全预警***和预警方法 | |
CN115841730A (zh) | 视频监控***、异常事件检测方法 | |
CN113565570A (zh) | 一种用于水害预警的指标设置方法 | |
CN115019463A (zh) | 基于人工智能技术的水域监管*** | |
CN113256560A (zh) | 一种基于YOLOv5的掘进机炮头区域入侵检测方法 | |
CN113623004B (zh) | 一种用于水害预警的判断方法 | |
KR102657015B1 (ko) | 열상카메라 내장형 피플카운터 및 이를 이용한 산업현장 화재감지시스템 | |
CN108053333A (zh) | 一种抗滑移的智慧屋面安全风险预测***及其工作方法 | |
CN118091054B (zh) | 一种危险气体在线监测***和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |