矿井顶板危险报警的方法

暂无

矿井顶板危险报警的方法\n技术领域\n[0001] 本发明涉及矿井安全生产技术领域，尤其涉及一种矿井顶板危险报警的方法。\n背景技术\n[0002] 近年来，煤矿开采过程中频繁发生的重大安全事故。而在各类煤矿事故中，顶板事故仍居前位。\n[0003] 随着生产能力的提高、开采强度的增大和向深部开采转移，顶板安全等问题越来越凸现，主要体现在三个方面：一是以锚杆支护为主要形式的巷道稳定性。现有的支护参数到底有多大安全系数？需要监测手段进行评估及潜在的危险性预测。二是超前支承压力影响范围多大？压力集中程度多高？支承压力高峰位置在何处？支承压力前移速度是多少？等等，这些与超前支护和冲击地压密切相关传感要素监测问题；三是回采工作面支护稳定性和安全性。回采工作面支架工作状态怎样？支护是否满足控制顶板的要求？回采工作面上覆岩层初次来压与周期来压步距多大？来压时对目前支护系统有多大影响等。我国几乎所有煤矿都面临开采顶板安全问题，而这些问题往往由于局限于相对落后的监测手段和信息处理技术而被忽略，这是顶板管理不到位的主要原因。\n[0004] 参考文献1(专利申请号：201010126358.0)提供了一种基于多目标监测数据融合的煤矿顶板安全评价方法。该方法采用多目标监测数据融合技术，数据源包括综采支架压力传感器、顶板离层仪和电磁辐射仪。本方案中，根据煤矿实际生产状况，将煤矿顶板安全状态定义为3个级别，确定顶板安全状况的辨识框架。计算机利用基于D-S证据理论数据融合模型对多目标监测传感器数据的基本概率进行融合，凸显顶板安全的某一状态，实现顶板安全状态的辨识。计算机再根据顶板安全状态分类决策对融合后的基本概率分配值进行分析，并输出顶板安全状态辨识结果，从而实现煤矿顶板安全状况的评价。其步骤包括：\n[0005] 第一步：根据煤矿实际生产状况，将煤矿顶板安全状态定义为3个等级，确定顶板安全状况的辨识框架，表示为S＝{S1，S2，S3}，其中S1代表危险状态，S2代表临界状态，S3代表安全状态；\n[0006] 第二步：建立基于D-S证据理论的顶板安全状态分类决策规则，规则如下：\n[0007] 1、顶板安全的目标状态应具有最大基本概率分配值；\n[0008] 2、目标状态的基本概率分配必须大于不确定性基本概率分配值；\n[0009] 3、目标状态的基本概率分配与其他类别的基本概率分配值之差应大于或等于设定阈值0.20；\n[0010] 4、目标状态的不确定性基本概率分配值应小于设定阈值0.30。\n[0011] 第三步：计算机采集某一周期煤矿顶板安全监测系统中的多目标传感器数据，并将采集到的数据进行预处理；\n[0012] 第四步：计算机应用基于D-S证据理论的多源数据融合算法对各类传感器数据进行融合，凸显顶板安全的某一状态，实现顶板安全的辨识；\n[0013] 第五步：计算机根据第二步提出的顶板安全状态分类决策规则对融合后的基本概率分配值进行分析，并输出顶板安全辨识结果，从而实现煤矿顶板安全状况的评价。\n[0014] 然而，在实现本发明的过程中，申请人发现上述的矿井顶板安全分级方式存在如下技术缺陷：\n[0015] (1)由于不确定命题基本概率很难确定，方法看似简单但在实际场景下却很难实行；\n[0016] (2)安全状态表划分不详细，不利于煤矿根据不同危险情况制定预案，且增大了误判的概率，而一旦误判将会导致严重的后果。\n发明内容\n[0017] (一)要解决的技术问题\n[0018] 为解决上述的一个或多个问题，本发明提供了一种矿井顶板危险报警的方法，以提高其在实际场景下的实用性。\n[0019] (二)技术方案\n[0020] 根据本发明的一个方面，提供了一种矿井顶板危险报警的方法，该方法包括：步骤A，采集矿井顶板的传感要素集中每一传感要素的传感器值；步骤B，对于所述传感要素集中每一个传感要素，将传感器值分别代入相应评判集中每个安全级别的隶属函数，得到其隶属度，得到的多个隶属度组成该传感要素的模糊子集向量；步骤C，所述传感要素集中多个传感要素的所述模糊子集向量按序组成二维模糊关系矩阵；步骤D，将所述二维模糊关系矩阵与指标权重向量做矩阵乘法，其中，所述指标权重向量中的第k个值为传感要素集中第k个传感要素的权重；步骤E，从所述矩阵乘法的向量结果中提取最大分量，该最大分量对应相应评判集中的安全级别即为所述矿井顶板的安全级别；步骤F，如果该安全级别高于预设的安全级别，则发出报警信号。\n[0021] (三)有益效果\n[0022] 从上述技术方案可以看出，本发明矿井顶板危险报警的方法具有以下有益效果：\n[0023] (1)通过模糊综合评判作为煤矿顶板安全级别的评判方法，以传感器测量数据为依据，实用性好，评判结果准确性高；\n[0024] (2)通过模糊算法，更有利于评判出介于安全与严重危险之间的安全级别，避免引入概率因子有可能引起的误判；\n[0025] (3)5级安全评价分级更加准确的给出了煤矿顶板的状况。\n附图说明\n[0026] 图1为根据本发明实施例矿井顶板安全报警方法的流程图。\n具体实施方式\n[0027] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。\n[0028] 需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。\n[0029] 本发明矿井顶板安全报警的方法中，采集多传感器数据(包括支架压力值、立柱伸缩量值、钻孔应力值、锚杆(索)应力值和围岩移动值，其中支架压力值和立柱伸缩量值为基础值，其余传感器值为可选值)，利用模糊综合评定方法建立数学模型对采集的多传感器数据进行融合和分析，获得煤矿顶板安全级别的判定，并根据该安全级别进行报警[0030] 在本发明的一个示例性实施例中，提供了一种矿井顶板危险报警的方法。如图1所示，该方法包括：\n[0031] 步骤A，采集矿井顶板的传感要素集中每一传感要素的传感器值U；\n[0032] 以包含5个传感要素的传感要素集U＝{u1，u2，……，u5}为例，u1代表支架压力传感要素，u2代表立柱伸缩量传感要素，u3代表钻孔应力传感要素，u4代表锚杆/索应力传感要素，u5代表围岩移动传感要素，其中支架压力传感要素u1和立柱伸缩量传感要素u2为基础传感要素，其余传感要素为可选传感要素，并且传感要素的个数还可以扩展。\n[0033] 其中，传感要素集U中指标的顺序和后续的模糊关系矩阵与模糊子集W的顺序相关，其可以根据需要进行调整。\n[0034] 步骤B，对于传感要素集U中每一个传感要素，将传感器值分别代入相应评判集中每个安全级别的隶属函数，得到其隶属度，得到的多个隶属度组成该传感要素的模糊子集向量；\n[0035] 对于每一个传感要素，以包含5个安全级别的评判集V＝{v1,v2,v3,v4,v5}为例，其中：v1代表安全，v2代表轻度危险，v3代表中度危险，v4代表重度危险，v5代表严重危险。\n此外，评判集中危险级别的数目可根据现场实际应用确定，不局限于以上所列5种。\n[0036] 根据历史经验数据，确定传感要素集U中每个传感要素ui在评判集中每个安全级别vj中的上限aji，组成评价分级表，其中i＝1、2、3、4、5；j＝1、2、3、4、5。其中，评价分级表如下：\n[0037] 评价分级表\n[0038] \n[0039] 由传感要素集U中每个传感要素ui在评判集中每个安全级别vj中的上限aji，确定每个传感要素在每个安全级别的隶属函数。\n[0040] 为增加本发明的普适性，假设在矿井顶板安全分级相关传感要素有m个，安全级别有n个，则传感要素ui的传感器值x在其对应评判集V中安全级别vj的隶属函数为：\n[0041] \n[0042] \n[0043] 对于每一传感要素，将传感器值分别代入相应评判集中每个安全级别的隶属函数，得到其隶属度，得到的多个隶属度组成该传感要素的模糊子集向量。\n[0044] 步骤C，传感要素集U中多个传感要素的模糊子集向量按序组成二维模糊关系矩阵；\n[0045] 步骤D，将二维模糊关系矩阵与指标权重向量W＝(w1,w2,w3,w4,w5)做矩阵乘法，其中，指标权重向量W中的第k个值为传感要素集中第k个传感要素的权重；\n[0046] 本步骤中，传感要素集U中第k个传感要素uk的权重：\n[0047] \n[0048] 其中，xk为该传感要素uk的传感器值，pk为传感要素uk在其对应评判集中多个安全级别上限的平均值。\n[0049] 步骤E，获得所述矩阵乘法的向量结果，该矩阵乘法向量结果对应评判集的安全级别与各传感要素对应评判集的安全级别相对应；从该向量结果中提取最大分量，该最大分量对应相应评判集中的安全级别即为所述矿井顶板的安全级别；\n[0050] 本步骤中，所述矩阵乘法的向量结果中的各个分量为矿井顶板在对应评判集中安全级别的概率，从矩阵乘法的向量结果中提取最大分量，该最大分量对应相应评判集中的安全级别即可以作为矿井顶板的安全级别。\n[0051] 步骤F，如果该安全级别高于预设的安全级别，则发出报警信号。\n[0052] 本步骤中，报警信号可以为：(1)发出声/光报警信号；(2)向上位机发送报警信号；或(3)向矿井中作业的工作人员发出报警信号。\n[0053] 为了本领域技术人员以下以某矿井场景煤矿顶板为例对本发明进行具体说明：\n[0054] 传感要素集是U＝{u1,u2,u3,u4,u5}＝{支架压力值，立柱伸缩量值，钻孔应力值，锚杆(索)应力值，围岩移动值}。\n[0055] 评判集是V＝{v1,v2,v3,v4,v5}＝{安全，轻度危险，中度危险，重度危险，严重危险}。\n[0056] 根据历史经验数据，确定传感要素集U中每个传感要素ui在评判集中每个安全级别vj中的上限值aji，做成安全评价分级表如下：\n[0057] \n[0058] \n[0059] 在某监测点数据为支架压力32MPa，立柱伸缩量500mm，钻孔应力2.1MPa，锚杆(索)应力1.8MPa，围岩移动1.5mm。\n[0060] 用隶属函数表示安全级别，确定模糊评判矩阵R＝{rji}5×5。\n[0061] 仅举出监测点关于支架压力的隶属函数如下：\n[0062] V1级：\n[0063] V2级：\n[0064] V3级：\n[0065] V4级：\n[0066] V5级：\n[0067] 将监测点的支架压力传感器数据缩放后x1＝0.32代入上述5个隶属函数得检测值x1＝0.32归属5个安全级别的隶属度，即对指标支架压力传感器(u1)的模糊子集向量为：\n[0068] f(u1)＝(r11,r12,…,r15)\n[0069] ＝(μ1(0.32),μ2(0.32),…μ5(0.32))\n[0070] ＝(0.67,0.33,0,0,0)\n[0071] 类似地，可以分别求得立柱伸缩量、钻孔应力、锚杆(索)应力、围岩移动的隶属函数并计算出监测点所测立柱伸缩量、钻孔应力、锚杆(索)应力、围岩移动的检测值的隶属度(略)。\n[0072] 构成模糊矩阵R：\n[0073] \n[0074] 计算指标权重向量：记xi为第i指标实测值(x1,x2,x3,x4,x5)＝(0.32，0.5，\n0.021，0.018，0.015)，pi为该指标在评价分级表中5个数据的平均值，(p1,p2,p3,p4,p5)＝(0.369，0.6，0.042，0.05，0.042)。\n[0075] 从而得出指标权重向量：W＝(w1,w2,w3,w4,w5)＝(0.297，0.286，0.171，0.123，\n0.122)\n[0076] 指标权重向量W与模糊关系矩阵R作矩阵乘法，而获得模糊综合评价：\n[0077] \n[0078] 其中，向量(0.28459，0.70586，0.00855，0，0)中的各个分量为矿井顶板分别处于评判集(v1-安全，v2-轻度危险，v3-中度危险，v4-重度危险，v5-严重危险)中各安全级别的隶属度，即矿井顶板处于v1-安全状态的概率为0.28459，处于v2-轻度危险的概率为\n0.70586，处于v3-中度危险的概率为0.00855，处于v4-重度危险的概率为0，处于v5-严重危险的概率为0。\n[0079] 可知，矿井顶板处于轻度危险v2-的隶属度0.70586最大。所以监测点最大可能评价为轻度危险。预先设定为中度危险以上时进行报警，因此此次轻度危险不进行报警。\n[0080] 需要说明的是，上述对各元件的定义并不仅限于实施方式中提到的各种具体结构或形状，本领域的普通技术人员可对其进行简单地熟知地替换，例如：\n[0081] (1)传感要素集不局限于所列5种，可以由2种及以上传感要素组成，传感器种类还可以是顶板离层传感要素、电磁辐射传感要素、微地震传感要素和常规矿压数据传感要素等形式；\n[0082] (2)评价集不局限于5种评价结果，可以用3种、4种等评价来代替。\n[0083] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。