CN116307644B - 一种矿用本安型数据分析展示报警终端及使用方法 - Google Patents

一种矿用本安型数据分析展示报警终端及使用方法 Download PDF

Info

Publication number
CN116307644B
CN116307644B CN202310576114.XA CN202310576114A CN116307644B CN 116307644 B CN116307644 B CN 116307644B CN 202310576114 A CN202310576114 A CN 202310576114A CN 116307644 B CN116307644 B CN 116307644B
Authority
CN
China
Prior art keywords
data
roadway
event
terminal
roof
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
Application number
CN202310576114.XA
Other languages
English (en)
Other versions
CN116307644A (zh
Inventor
王士勇
叶伊应
李德政
尹宜春
张宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhonggan Anhui Mining Technology Co ltd
Original Assignee
Zhonggan Anhui Mining Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhonggan Anhui Mining Technology Co ltd filed Critical Zhonggan Anhui Mining Technology Co ltd
Priority to CN202310576114.XA priority Critical patent/CN116307644B/zh
Publication of CN116307644A publication Critical patent/CN116307644A/zh
Application granted granted Critical
Publication of CN116307644B publication Critical patent/CN116307644B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Animal Husbandry (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及人员管理技术领域，公开了一种矿用本安型数据分析展示报警终端及使用方法，其中一种矿用本安型数据分析展示报警终端包括：人员管理模块，其用于存储人员信息；数据终端，其用于采集巷道顶板的运行参数；服务器，其用于处理数据，生成人员派出策略；并将数据处理结果发送到显示模块和人员终端；人员终端，其用于接收服务器的数据处理结果；本发明通过综合性的计算模型来对当前的巷道顶板的运行状态进行计算判断，充分考虑了巷道顶板之间的潜在联系，能够通过派出人员消除潜在隐患。

Description

一种矿用本安型数据分析展示报警终端及使用方法
技术领域
本发明涉及人员管理技术领域，更具体地说，它涉及一种矿用本安型数据分析展示报警终端及使用方法。
背景技术
现有技术中的矿用数据分析展示报警一体化平台对于矿道安全维护人员的管理策略是根据设置的阈值判断巷道顶板的运行参数是否异常来排出运维人员；但是巷道顶板之间可能存在未知的联系，无法通过运行参数直接体现，只能通过提高定期巡逻的频率来降低运维人员排出策略存在的误差造成的影响。
发明内容
本发明提供一种矿用本安型数据分析展示报警终端，解决相关技术中仅依靠运行参数对照阈值来派出运维人员无法消除潜在隐患的技术问题。
本发明提供了一种矿用本安型数据分析展示报警终端，包括：人员管理模块，其用于存储人员信息；数据终端，其用于采集巷道顶板的运行参数；服务器，其用于处理数据；人员终端，其用于接收服务器的数据处理结果；服务器包括：
计算模型生成模块，其用于生成计算模型，计算模型包括第一层、第二层和第三层；其中第一层包括5N个第一节点，其中第5i-4、5i-3、5i-2、5i-1、5i-0个第一节点分别代表第i个数据终端的第一事件、第二事件、第三事件、第***、第五事件，其中i≤N；第二层包括N-1个第二节点，每个第二节点对应一个第六事件；Li-1＝li-1表示第i-1个第二节点的第六事件；第三层包括N个第三节点，每个第三节点对应于一个第七事件；Si＝si表示第i个第三节点的第七事件；训练模块，其基于历史数据训练计算模型；
计算执行模块，其基于当前的数据终端采集的数据输入计算模型计算A(Si＝1)、A(Si＝0)、B(Li-1＝0)和B(Li-1＝1)；
A(Si＝1)和A(Si＝0)的计算公式如下：
A(si)＝P(si，li-1，x5i-4，x5i-3，x5i-2)
其中，A(si)是A(Si＝si)的简化表示，P(si，li-1，x5i-4，x5i-3，x5i-2)表示Si＝si、Li-1＝li-1、X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝x5i-2的联合概率；
如果A(Si＝1)≥A(Si＝0)，且A(Si＝1)大于设定的第一观测阈值，则派遣人员前往第i个数据终端对应的巷道顶板查看；
B(Li-1＝0)和B(Li-1＝1)的计算公式如下：
B(li-1)＝P(li-1，x5i-1，x5i)
B(li-1)是B(Li-1＝li-1)的简化表示，P(li-1，x5i-1，x5i)表示Li-1＝li-1、X5i-1＝x5i-1、X5i＝x5i的联合概率；
如果B(Li-1＝0)≥B(Li-1＝1)，则确定第i-1个数据终端与第i个数据终端对应的巷道顶板不存在联动，否则确定第i-1个数据终端与第i个数据终端对应的巷道顶板存在联动；
X5i-4＝x5i-4，X5i-3＝x5i-3，X5i-2＝x5i-2，X5i-1＝x5i-1，X5i＝x5i分别表示第一事件、第二事件、第三事件、第***和第五事件，其中第一事件、第二事件、第三事件、第***和第五事件分别关联锚杆应力、锚索应力、顶底板移近量、钻孔应力、钻孔水平倾角；
第六事件表示为Li-1＝li-1，li-1的取值为0或1；
Li-1＝0表示第i-1个数据终端与第i个数据终端对应的巷道顶板不存在联动；
Li-1＝1表示第i-1个数据终端与第i个数据终端对应的巷道顶板存在联动；
第七事件表示为Si＝si，si的取值为0或1；
Si＝0表示第i个数据终端对应的巷道顶板不需要派遣人员前往查看；
Si＝1表示第i个数据终端对应的巷道顶板需要派遣人员前往查看；
人员行动管理模块，其基于计算执行模块计算判断的结果来生成人员派出策略。
进一步地，数据终端设有多个，一个数据终端用于采集一个巷道顶板的运行参数；
巷道顶板的运行参数包括：锚杆应力、锚索应力、顶底板移近量、钻孔应力、钻孔水平倾角。
进一步地，一种矿用本安型数据分析展示报警终端还包括：数据采集分站，其用于与数据终端和人员终端进行通信；
数据传输分站，其用于与数据采集分站和服务器进行通信；
显示模块，其与数据传输分站和服务器通信连接，用于显示巷道顶板的运行参数和服务器的处理结果。
进一步地，一种矿用本安型数据分析展示报警终端还包括：历史数据处理模块，其基于历史数据生成第一历史数据集；当前数据处理模块，其基于当前的巷道顶板的运行参数生成当前数据集；第一数据处理模块，其用于计算第一历史数据集与当前数据集的局部相似度；第二数据处理模块，其用于提取与当前数据集的局部相似度大于设定的局部相似度阈值的第一历史数据集；第三数据处理模块，其用于将第二数据处理模块提取的第一历史数据集与第二子集的巷道节点进行映射；第一历史数据集包括两个以上的巷道顶板的运行参数，第一历史数据集中存在一个以上的巷道顶板的运行状态是需要派遣人员前往查看的，第一历史数据集中的巷道顶板是存在相邻关系的。
进一步地，局部相似度的计算方法包括：
步骤101，遍历第一历史数据集的巷道节点的数量；
步骤102，基于当前数据集生成一个以上的第一子集，第一子集的巷道节点是连续的，并且第一子集的巷道节点的数量与第一历史数据集的巷道节点的数量相同；
步骤103，计算第一历史数据集与生成的第一子集的第一相似度；
步骤104，提取与第一历史数据集的第一相似度最大的第一子集作为第二子集，并将第二子集与第一历史数据集的第一相似度作为第一历史数据集与当前数据集的局部相似度。
进一步地，计算第一相似度Simila1的公式：
其中，Eac表示第一历史数据集的第a个巷道节点的第c个运行参数，Fac表示第一子集的第a个巷道节点的第c个运行参数，b表示第一历史数据集的巷道节点的总数量，d表示巷道节点的运行参数的数量。
进一步地，i≥2时，A(si)＝P(si|li-1，x5i-4，x5i-3，x5i-2)P(x5i-4)×P(x5i-3)P(x5i-2)P(li-1|x5i-1，x5i)
i＝1时，A(si)＝P(si|x5i-4，x5i-3，x5i-2)P(x5i-4)P(x5i-3)P(x5i-2)
B(li-1)＝P(x5i-3)P(x5i-2)P(li-1|x5i-1，x5i)
其中，P(x5i-4)是P(X5i-4＝x5i-4)的简化表示；A(si)是A(si＝si)的简化表示；P(li-1|x5i-1，x5i)表示在X5i＝x5i和X5i-1＝x5i-1的条件下Li-1＝li-1的概率；
P(x5i-3)是P(X5i-3＝x5i-3)的简化表示，P(x5i-2)是P(X5i-2＝x5i-2)的简化表示，P(si|li-1，x5i-4，x5i-3，x5i-2)是在Li-1＝li-1、X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝x5i-2的条件下Si＝si的概率；P(si|x5i-4，x5i-3，x5i-2)是在X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝x5i-2的条件下Si＝si的概率；
B(li-1)是B(Li-1＝li-1)的简化表示。
进一步地，对于一个被判断为需要查看的巷道顶板，需要对其派出的人员的人数persons通过以下公式进行计算：
其中persons表示第s个巷道顶板需要派出的人员的人数，Gs表示与第s个巷道顶板存在直接联动或间接联动的巷道顶板的数量，Ms表示与第s个巷道顶板存在直接联动或间接联动的巷道顶板中被判断为需要查看的数量。
本发明提供了一种矿用本安型数据分析方法，应用上述的一种矿用本安型数据分析展示报警终端执行以下步骤：
步骤201，基于历史数据生成第一历史数据集；
步骤201，基于当前的巷道顶板的运行参数生成当前数据集；
步骤203，计算第一历史数据集与当前数据集的局部相似度；
步骤204，提取与当前数据集的局部相似度大于设定的局部相似度阈值的第一历史数据集，将提取的第一历史数据集与第二子集的巷道节点进行映射；
步骤205，生成计算模型并对其进行训练；
步骤206，基于当前的数据终端采集的数据计算判断巷道顶板是否存在联动以及巷道顶板是否需要查看；
步骤207，基于计算判断的结果生成人员派出策略。
本发明的有益效果在于：
本发明通过综合性的计算模型来对当前的巷道顶板的运行状态进行计算判断，充分考虑了巷道顶板之间的潜在联系，能够通过派出人员消除潜在隐患。
附图说明
图1是本发明的一种矿用本安型数据分析展示报警终端的模块示意图；
图2是本发明的服务器的模块示意图；
图3是本发明的局部相似度的计算方法的流程图；
图4是本发明的一种矿用本安型数据分析方法的流程图。
图中：人员管理模块101，数据终端102，数据采集分站103，数据传输分站104，服务器105，显示模块106，人员终端107，历史数据处理模块1051，当前数据处理模块1052，第一数据处理模块1053，第二数据处理模块1054，第三数据处理模块1055，计算模型生成模块1056，训练模块1057，计算执行模块1058，人员行动管理模块1059。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1-图3所示，一种矿用本安型数据分析展示报警终端，包括：
人员管理模块101，其用于存储人员信息，人员信息包括人员ID以及与人员ID关联的人员终端107的ID；
数据终端102，其用于采集一个巷道顶板的运行参数；
数据终端102设有多个，一个数据终端102用于采集一个巷道顶板的运行参数；
巷道顶板的运行参数包括：锚杆应力、锚索应力、顶底板移近量、钻孔应力、钻孔水平倾角；
数据终端102连接用于采集巷道顶板运行参数的传感器，其能够基于传感器类型对运行参数进行分类并标记；
数据采集分站103，其用于与数据终端102和人员终端107进行通信；
数据传输分站104，其用于与数据采集分站103和服务器105进行通信；
服务器105，其用于处理数据，并将数据处理结果发送到显示模块106和人员终端107；
由于人员可能位于井下工作，其人员终端107无法直接与服务器105进行通信，服务器105将数据处理结果发送到显示模块106和人员终端107可以是通过数据传输分站104和数据采集分站103传递的；
显示模块106，其与数据传输分站104和服务器105通信连接，用于显示巷道顶板的运行参数和服务器105的处理结果；
人员终端107，其用于接收服务器105的数据处理结果；
服务器105包括：
历史数据处理模块1051，其基于历史数据生成第一历史数据集，第一历史数据集包括两个以上的巷道顶板的运行参数，第一历史数据集中存在一个以上的巷道顶板的运行状态是需要派遣人员前往查看的，第一历史数据集中的巷道顶板是存在相邻关系的，也即第一历史数据集中不存在这样一个巷道顶板，该巷道顶板与同一第一历史数据集中的其他巷道顶板之间不存在位置上的相邻关系；
当前数据处理模块1052，其基于当前的巷道顶板的运行参数生成当前数据集；
当前数据集和第一历史数据集相同，均为一个巷道顶板生成一个巷道节点，一个巷道节点的数据对应于一个巷道顶板的运行参数；
对于巷道结构复杂的情况，可以适应的进行预处理，基于一条巷道的巷道顶板的数据生成一个当前数据集，对每条巷道逐个的进行分析；
第一数据处理模块1053，其用于计算第一历史数据集与当前数据集的局部相似度，局部相似度的计算方法包括：
步骤101，遍历第一历史数据集的巷道节点的数量；
步骤102，基于当前数据集生成一个以上的第一子集，第一子集的巷道节点是连续的，并且第一子集的巷道节点的数量与第一历史数据集的巷道节点的数量相同；
步骤103，计算第一历史数据集与生成的第一子集的第一相似度；
步骤104，提取与第一历史数据集的第一相似度最大的第一子集作为第二子集，并将第二子集与第一历史数据集的第一相似度作为第一历史数据集与当前数据集的局部相似度；
第一相似度可以采用常规的相似度度量的方式进行计算，本实施例提供一种计算第一相似度Simila1的公式：
其中，Eac表示第一历史数据集的第a个巷道节点的第c个运行参数，Fac表示第一子集的第a个巷道节点的第c个运行参数，b表示第一历史数据集的巷道节点的总数量(第一历史数据集和第一子集的巷道节点的数量相同)，d表示巷道节点的运行参数的数量；
第二数据处理模块1054，其用于提取与当前数据集的局部相似度大于设定的局部相似度阈值的第一历史数据集；
第三数据处理模块1055，其用于将第二数据处理模块1054提取的第一历史数据集与第二子集的巷道节点进行映射；作为一种映射的具体方式，当前数据集的巷道节点进行连续的编号，第二子集的巷道节点使用与当前数据集的巷道节点相同的编号，第一历史数据集中与第二子集的巷道节点按照顺序一一映射，并且对第一历史数据集中的巷道节点标记与其映射的第二子集相同的编号；
计算模型生成模块1056，其用于生成计算模型，计算模型包括第一层、第二层和第三层；
其中第一层包括5N个第一节点，其中5i-4、5i-3、5i-2、5i-1、5i-0，i≥1，且i≤N；
其中第5i-4个第一节点代表第i个数据终端102的第一事件、5i-3个第一节点代表第i个数据终端102的第二事件、5i-2个第一节点代表第i个数据终端102的第三事件、5i-1个第一节点代表第i个数据终端102的第***、5i-0个第一节点代表第i个数据终端102的第五事件；
例如i＝1时，5i-4＝1、5i-3＝2、5i-2＝3、5i-1＝4、5i-0＝5，因此第1、2、3、4、5个第一节点分别代表第一个数据终端102的第一事件、第二事件、第三事件、第***和第五事件；
在本发明的一个实施例中，X5i-4＝x5i-4，X5i-3＝x5i-3，X5i-2＝x5i-2，X5i-1＝x5i-1，X5i＝x5i分别表示第一事件、第二事件、第三事件、第***和第五事件，其中第一事件、第二事件、第三事件、第***和第五事件分别关联锚杆应力、锚索应力、顶底板移近量、钻孔应力、钻孔水平倾角；
例如当锚杆应力小于或等于设定的第一锚杆应力阈值时x5i-4为1，当锚杆应力大于设定的第一锚杆应力阈值且小于或等于设定的第二锚杆应力阈值时x5i-4为2，当锚杆应力大于设定的第二锚杆应力阈值时x5i-4为3；
锚索应力小于或等于设定的第一锚索应力阈值时x5i-3为1，当锚索应力大于设定的第一锚索应力阈值且小于或等于设定的第二锚索应力阈值时x5i-3为2，当锚索应力大于设定的第二锚索应力阈值时x5i-3为3；
顶底板移近量小于或等于设定的第一顶底板移近量阈值时x5i-2为1，当顶底板移近量大于设定的第一顶底板移近量阈值且小于或等于设定的第二顶底板移近量阈值时x5i-2为2，当顶底板移近量大于设定的第二顶底板移近量阈值时x5i-2为3；
钻孔应力小于或等于设定的第一钻孔应力阈值时x5i-1为1，当钻孔应力大于设定的第一钻孔应力阈值且小于或等于设定的第二钻孔应力阈值时x5i-1为2，当钻孔应力大于设定的第二钻孔应力阈值时x5i-1为3；
钻孔水平倾角小于或等于设定的第一钻孔水平倾角阈值时x5i为1，当钻孔水平倾角大于设定的第一钻孔水平倾角阈值且小于或等于设定的第二钻孔水平倾角阈值时x5i为2，当钻孔水平倾角大于设定的第二钻孔水平倾角阈值时x5i为3；
第一层的第一节点的编号与当前数据集的巷道节点的编号对应；
第二层包括N-1个第二节点，每个第二节点对应一个第六事件；
Li-1＝li-1表示第i-1个第二节点的第六事件；
第六事件表示为Li-1＝li-1，li-1的取值为0或1；
Li-1＝0表示第i-1个数据终端102与第i个数据终端102对应的巷道顶板不存在联动；
Li-1＝1表示第i-1个数据终端102与第i个数据终端102对应的巷道顶板存在联动；
第三层包括N个第三节点，每个第三节点对应于一个第七事件；
第七事件表示为Si＝si，si的取值为0或1；
Si＝0表示第i个数据终端102对应的巷道顶板不需要派遣人员前往查看；
Si＝1表示第i个数据终端102对应的巷道顶板需要派遣人员前往查看；
训练模块1057，其基于历史数据训练计算模型；
训练计算模型的训练集包含第二数据处理模块1054提取的第一历史数据集；
计算执行模块1058，其基于当前的数据终端102采集的数据生成计算模型中x5i-4、x5i-3、x5i-2、x5i-1、x5i的取值，然后计算A(si)和B(li-1)；
A(si)＝P(si，li-1，x5i-4，x5i-3，x5i-2)
i≥2时，A(si)＝P(si|li-1，x5i-4，x5i-3，x5i-2)P(x5i-4)×P(x5i-3)P(x5i-2)P(li-1|x5i-1，x5i)
i＝1时，A(si)＝P(si|x5i-4，x5i-3，x5i-2)P(x5i-4)P(x5i-3)P(x5i-2)
其中，P(si|li-1，x5i-4，x5i-3，x5i-2)、P(x5i-4)、P(x5i-3)、P(x5i-2)、P(li-1|x5i-i，x5i)均是通过历史数据训练计算模型获得的；其中，P(x5i-4)是P(X5i-4＝x5i-4)的简化表示；A(si)是A(si＝si)的简化表示；P(li-1|x5i-1，x5i)表示在X5i＝x5i和X5i-1＝x5i-1的条件下Li-1＝li-1的概率；
P(x5i-3)是P(X5i-3＝x5i-3)的简化表示，P(x5i-2)是P(X5i-2＝x5i-2)的简化表示，P(si|li-1，x5i-4，x5i-3，x5i-2)是在Li-1＝li-1、X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝x5i-2的条件下Si＝si的概率；P(si|x5i-4，x5i-3，x5i-2)是在X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝X5i-2的条件下Si＝si的概率；
如果A(Si＝1)≥A(Si＝0)，且A(Si＝1)大于设定的第一观测阈值，则派遣人员前往第i个数据终端102对应的巷道顶板查看；
B(li-1)＝P(li-1，x5i-1，x5i)
＝P(x5i-3)P(x5i-2)P(li-1|x5i-i，x5i)
B(li-1)是B(Li-1＝li-1)的简化表示；
如果B(Li-1＝0)≥B(Li-1＝1)，则确定第i-1个数据终端102与第i个数据终端102对应的巷道顶板不存在联动，否则确定第i-1个数据终端102与第i个数据终端102对应的巷道顶板存在联动；
人员行动管理模块1059，其基于计算执行模块1058计算判断的结果来生成人员派出策略；
对于一个被判断为需要查看的巷道顶板，需要对其派出的人员的人数persons通过以下公式进行计算：
其中persons表示第s个巷道顶板需要派出的人员的人数，Gs表示与第s个巷道顶板存在直接联动或间接联动的巷道顶板的数量，Ms表示与第s个巷道顶板存在直接联动或间接联动的巷道顶板中被判断为需要查看的数量。
服务器105基于生成的人员派出策略向对应的人员的人员终端107发送派出信息，派出信息包括该人员需要查看的巷道顶板的运行参数和位置信息。
服务器105将巷道顶板的运行参数、巷道顶板是否需要查看的判断结果、派出的人员的信息发送到显示模块106进行展示。
如图4所示，本实施例提供一种矿用本安型数据分析方法，应用上述的一种矿用本安型数据分析展示报警终端执行以下步骤：
步骤201，基于历史数据生成第一历史数据集；
步骤201，基于当前的巷道顶板的运行参数生成当前数据集；
步骤203，计算第一历史数据集与当前数据集的局部相似度；
步骤204，提取与当前数据集的局部相似度大于设定的局部相似度阈值的第一历史数据集，将提取的第一历史数据集与第二子集的巷道节点进行映射；
步骤205，生成计算模型并对其进行训练；
步骤206，基于当前的数据终端采集的数据计算判断巷道顶板是否存在联动以及巷道顶板是否需要查看；
步骤207，基于计算判断的结果生成人员派出策略。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。

Claims (9)

1.一种矿用本安型数据分析展示报警终端，其特征在于，包括：人员管理模块，其用于存储人员信息；数据终端，其用于采集巷道顶板的运行参数；服务器，其用于处理数据；人员终端，其用于接收服务器的数据处理结果；服务器包括：
计算模型生成模块，其用于生成计算模型，计算模型包括第一层、第二层和第三层；其中第一层包括5N个第一节点，其中第5i-4、5i-3、5i-2、5i-1、5i-0个第一节点分别代表第i个数据终端的第一事件、第二事件、第三事件、第***、第五事件，其中i≤N；第二层包括N-1个第二节点，每个第二节点对应一个第六事件；Li-1＝li-1表示第i-1个第二节点的第六事件；第三层包括N个第三节点，每个第三节点对应于一个第七事件；Si＝si表示第i个第三节点的第七事件；训练模块，其基于历史数据训练计算模型；
计算执行模块，其基于当前的数据终端采集的数据输入计算模型计算A(Si＝1)、A(Si＝0)、B(Li-1＝0)和B(Li-1＝1)；
A(Si＝1)和A(Si＝0)的计算公式如下：A(si)＝P(si，li-1，x5i-4，x5i-3，x5i-2)，其中，A(si)是A(Si＝si)的简化表示，P(si，li-1，x5i-4，x5i-3，x5i-2)表示Si＝si、Li-1＝li-1、X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝x5i-2的联合概率；
如果A(Si＝1)≥A(Si＝0)，且A(Si＝1)大于设定的第一观测阈值，则派遣人员前往第i个数据终端对应的巷道顶板查看；
B(Li-1＝0)和B(Li-1＝1)的计算公式如下：B(li-1)＝P(li-1，x5i-1，x5i)，B(li-1)是B(Li-1＝li-1)的简化表示，P(li-1，x5i-1，x5i)表示Li-1＝li-1、X5i-1＝x5i-1、X5i＝x5i的联合概率；
如果B(Li-1＝0)≥B(Li-1＝1)，则确定第i-1个数据终端与第i个数据终端对应的巷道顶板不存在联动，否则确定第i-1个数据终端与第i个数据终端对应的巷道顶板存在联动；
X5i-4＝x5i-4，X5i-3＝x5i-3，X5i-2＝x5i-2，X5i-1＝x5i-1，X5i＝x5i分别表示第一事件、第二事件、第三事件、第***和第五事件，其中第一事件、第二事件、第三事件、第***和第五事件分别关联锚杆应力、锚索应力、顶底板移近量、钻孔应力、钻孔水平倾角；
第六事件表示为Li-1＝li-1，li-1的取值为0或1；
Li-1＝0表示第i-1个数据终端与第i个数据终端对应的巷道顶板不存在联动；
Li-1＝1表示第i-1个数据终端与第i个数据终端对应的巷道顶板存在联动；
第七事件表示为Si＝si，si的取值为0或1；
Si＝0表示第i个数据终端对应的巷道顶板不需要派遣人员前往查看；
Si＝1表示第i个数据终端对应的巷道顶板需要派遣人员前往查看；
人员行动管理模块，其基于计算执行模块计算判断的结果来生成人员派出策略。
2.根据权利要求1所述的一种矿用本安型数据分析展示报警终端，其特征在于，数据终端设有多个，一个数据终端用于采集一个巷道顶板的运行参数；
巷道顶板的运行参数包括：锚杆应力、锚索应力、顶底板移近量、钻孔应力、钻孔水平倾角。
3.根据权利要求1所述的一种矿用本安型数据分析展示报警终端，其特征在于，还包括：数据采集分站，其用于与数据终端和人员终端进行通信；
数据传输分站，其用于与数据采集分站和服务器进行通信；
显示模块，其与数据传输分站和服务器通信连接，用于显示巷道顶板的运行参数和服务器的处理结果。
4.根据权利要求1所述的一种矿用本安型数据分析展示报警终端，其特征在于，还包括：历史数据处理模块，其基于历史数据生成第一历史数据集；当前数据处理模块，其基于当前的巷道顶板的运行参数生成当前数据集；第一数据处理模块，其用于计算第一历史数据集与当前数据集的局部相似度；第二数据处理模块，其用于提取与当前数据集的局部相似度大于设定的局部相似度阈值的第一历史数据集；第三数据处理模块，其用于将第二数据处理模块提取的第一历史数据集与第二子集的巷道节点进行映射；第一历史数据集包括两个以上的巷道顶板的运行参数，第一历史数据集中存在一个以上的巷道顶板的运行状态是需要派遣人员前往查看的，第一历史数据集中的巷道顶板是存在相邻关系的。
5.根据权利要求4所述的一种矿用本安型数据分析展示报警终端，其特征在于，局部相似度的计算方法包括：
步骤101，遍历第一历史数据集的巷道节点的数量；
步骤102，基于当前数据集生成一个以上的第一子集，第一子集的巷道节点是连续的，并且第一子集的巷道节点的数量与第一历史数据集的巷道节点的数量相同；
步骤103，计算第一历史数据集与生成的第一子集的第一相似度；
步骤104，提取与第一历史数据集的第一相似度最大的第一子集作为第二子集，并将第二子集与第一历史数据集的第一相似度作为第一历史数据集与当前数据集的局部相似度。
6.根据权利要求5所述的一种矿用本安型数据分析展示报警终端，其特征在于，计算第一相似度Simila1的公式：
其中，Eac表示第一历史数据集的第a个巷道节点的第c个运行参数，Fac表示第一子集的第a个巷道节点的第c个运行参数，b表示第一历史数据集的巷道节点的总数量，d表示巷道节点的运行参数的数量。
7.根据权利要求1所述的一种矿用本安型数据分析展示报警终端，其特征在于，i≥2时，A(si)＝P(si|li-1，x5i-4，x5i-3，x5i-2)P(x5i-4)×P(x5i-3)P(x5i-2)P(li-1|x5i-1，x5i)
i＝1时，A(si)＝P(si|x5i-4，x5i-3，x5i-2)P(x5i-4)P(x5i-3)P(x5i-2)
B(li-1)＝P(x5i-3)P(x5i-2)P(li-1|x5i-1，x5i)
其中，P(x5i-4)是P(X5i-4＝x5i-4)的简化表示；A(si)是A(si＝si)的简化表示；P(li-1|x5i-1，x5i)表示在X5i＝x5i和X5i-1＝x5i-1的条件下Li-1＝li-1的概率；
P(x5i-3)是P(X5i-3＝x5i-3)的简化表示，P(x5i-2)是P(X5i-2＝x5i-2)的简化表示，P(si|li-1，x5i-4，x5i-3，x5i-2)是在Li-1＝li-1、X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝x5i-2的条件下Si＝si的概率；P(si|x5i-4，x5i-3，x5i-2)是在X5i-4＝x5i-4、X5i-3＝x5i-3、X5i-2＝x5i-2的条件下Si＝si的概率；
B(li-1)是B(Li-1＝li-1)的简化表示。
8.根据权利要求1所述的一种矿用本安型数据分析展示报警终端，其特征在于，对于一个被判断为需要查看的巷道顶板，需要对其派出的人员的人数persons通过以下公式进行计算：
其中persons表示第s个巷道顶板需要派出的人员的人数，Gs表示与第s个巷道顶板存在直接联动或间接联动的巷道顶板的数量，Ms表示与第s个巷道顶板存在直接联动或间接联动的巷道顶板中被判断为需要查看的数量。
9.一种矿用本安型数据分析方法，其特征在于，应用如权利要求1-8任一所述的一种矿用本安型数据分析展示报警终端执行以下步骤：
步骤201，基于历史数据生成第一历史数据集；
步骤201，基于当前的巷道顶板的运行参数生成当前数据集；
步骤203，计算第一历史数据集与当前数据集的局部相似度；
步骤204，提取与当前数据集的局部相似度大于设定的局部相似度阈值的第一历史数据集，将提取的第一历史数据集与第二子集的巷道节点进行映射；
步骤205，生成计算模型并对其进行训练；
步骤206，基于当前的数据终端采集的数据计算判断巷道顶板是否存在联动以及巷道顶板是否需要查看；
步骤207，基于计算判断的结果生成人员派出策略。
CN202310576114.XA 2023-05-22 2023-05-22 一种矿用本安型数据分析展示报警终端及使用方法 Active CN116307644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310576114.XA CN116307644B (zh) 2023-05-22 2023-05-22 一种矿用本安型数据分析展示报警终端及使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310576114.XA CN116307644B (zh) 2023-05-22 2023-05-22 一种矿用本安型数据分析展示报警终端及使用方法

Publications (2)

Publication Number Publication Date
CN116307644A CN116307644A (zh) 2023-06-23
CN116307644B true CN116307644B (zh) 2023-08-11

Family

ID=86815276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310576114.XA Active CN116307644B (zh) 2023-05-22 2023-05-22 一种矿用本安型数据分析展示报警终端及使用方法

Country Status (1)

Country Link
CN (1) CN116307644B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10356985A1 (de) * 2003-12-05 2005-07-07 Cooper Crouse-Hinds Gmbh Datenübertragungseinrichtung
CN104533525A (zh) * 2014-12-22 2015-04-22 中国矿业大学(北京) 基于图像的煤矿掘进工作面煤与瓦斯突出报警方法
WO2019195490A1 (en) * 2018-04-03 2019-10-10 Aegex Technologies, Llc Intrinsically safe modular sensor devices and systems for use in hazardous locations
CN110439618A (zh) * 2019-08-16 2019-11-12 山东道宽智能科技有限公司 一种矿用光纤顶板动态监测与破碎治理***
CN110486091A (zh) * 2019-08-31 2019-11-22 河南迈凯恩信息科技有限公司 一种多网融合矿用无线物联网通讯***
CN111629070A (zh) * 2020-06-25 2020-09-04 安徽理工大学 一种基于视频联动的无极绳绞车应急处理***
CN114613103A (zh) * 2022-05-10 2022-06-10 广东阿尔创通信技术股份有限公司 基于大数据的报警定位处理方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8924594B2 (en) * 2011-05-18 2014-12-30 Barbara J. Manges Network architecture for synchronized display

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10356985A1 (de) * 2003-12-05 2005-07-07 Cooper Crouse-Hinds Gmbh Datenübertragungseinrichtung
CN104533525A (zh) * 2014-12-22 2015-04-22 中国矿业大学(北京) 基于图像的煤矿掘进工作面煤与瓦斯突出报警方法
WO2019195490A1 (en) * 2018-04-03 2019-10-10 Aegex Technologies, Llc Intrinsically safe modular sensor devices and systems for use in hazardous locations
CN110439618A (zh) * 2019-08-16 2019-11-12 山东道宽智能科技有限公司 一种矿用光纤顶板动态监测与破碎治理***
CN110486091A (zh) * 2019-08-31 2019-11-22 河南迈凯恩信息科技有限公司 一种多网融合矿用无线物联网通讯***
CN111629070A (zh) * 2020-06-25 2020-09-04 安徽理工大学 一种基于视频联动的无极绳绞车应急处理***
CN114613103A (zh) * 2022-05-10 2022-06-10 广东阿尔创通信技术股份有限公司 基于大数据的报警定位处理方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于多***数据级融合的煤矿监测监控逻辑报警分析;杜刚;;山西煤炭(第05期);第18-26页 *

Also Published As

Publication number Publication date
CN116307644A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN110633855B (zh) 一种桥梁健康状态检测与管养决策***及方法
CN102765643B (zh) 基于数据驱动的电梯故障诊断与预警方法
CN101819411B (zh) 一种基于gpu的改进加权关联规则的设备故障预警与诊断方法
CN100538761C (zh) 基于数据融合模式识别的嵌入式故障智能诊断装置及方法
CN102930253B (zh) 一种基于图像离散多小波变换的煤岩识别方法
CN108242149A (zh) 一种基于交通数据的大数据分析方法
CN201898519U (zh) 带有风险控制的设备维修预警装置
CN108398934B (zh) 一种用于轨道交通的设备故障监控的***
CN112785458A (zh) 一种桥梁健康大数据智能管养***
CN204113701U (zh) 一种矿井风机在线监测与故障诊断***
CN103678881B (zh) 一种基于人工免疫与证据理论相结合的复合故障诊断方法
CN115186917A (zh) 一种主动预警式风险管控***及方法
CN110348614A (zh) 一种获取乘客od的方法及公交客流的预测方法
CN104268375A (zh) 基于知识petri网的船用电站故障诊断方法
KR101864222B1 (ko) 보행자 통행량 빅데이터 분석 시스템 및 방법
Akhavian et al. Productivity analysis of construction worker activities using smartphone sensors
CN114519923A (zh) 一种电厂智能诊断预警方法和***
CN103885406A (zh) 基于多数据融合的工业制气设备故障智能诊断和监控***
Jiang et al. Improvement of random forest by multiple imputation applied to tower crane accident prediction with missing data
CN109189044A (zh) 一种纯电动汽车远程监控故障形成数据库的方法
CN116307644B (zh) 一种矿用本安型数据分析展示报警终端及使用方法
CN108805427B (zh) 一种基于大数据的配电网运行状态风险预警***
CN116777085B (zh) 基于数据分析和机器学习技术的煤矿水害预测***
CN116703148B (zh) 基于云计算的矿山企业风险画像方法
CN116523722A (zh) 一种具备机器学习能力的环境监测分析***

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