CN101806229B - 基于多目标监测数据融合的煤矿顶板安全评价方法 - Google Patents

Abstract

本发明公开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，主要特点是：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；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，并输出顶板安全状态辨识结果，从而实现煤矿顶板安全状况的评价。本发明建立了煤矿顶板安全评估的概念框架，给出了基于D-S证据理论的多源数据分析、处理、分配、融合等信息处理步骤，极大地提高顶板评价指标信息的质量和可信度。

Description

基于多目标监测数据融合的煤矿顶板安全评价方法

技术领域

本发明是基于多源监测数据融合的煤矿顶板安全评价方法，属于监测与信息处理技术领域。

背景技术

近年来，煤矿开采过程中频繁发生的重大安全事故，已引起全社会的广泛关注。在各类煤矿事故中，顶板事故仍居前位。分析发生这些事故的原因，主要是在煤矿生产过程中缺乏有效的监测手段及信息处理技术。目前，许多煤矿建立了一系列顶板安全监测系统，采取的主要监测手段有：顶板压力监测、顶板离层监测、电磁辐射监测、常规矿压监测和微地震监测等，这些手段虽从不同的侧面反映了顶板安全状况，但具有很多不确定因素，因而无法全面评价顶板安全状况，且目前这些手段监测的数据离散性较大，数据处理手段相对落后，反馈指导生产的时间滞后，无法在事故发生前临近报警或预警。因此，针对煤矿顶板管理存在的这些问题，开展基于多目标监测数据融合技术研究顶板安全评估模型，对于预防煤矿顶板事故具有十分重要的意义。

信息融合技术是近年来发展起来的一种自动化信息综合处理技术，通过对来自不同传感器的信息进行处理，以改善信息的质量，提高信息的精度。数据融合的方法有很多，如聚类分析法、人工神经网络法、D-S证据理论法等等，与本发明有关的技术是D-S证据理论法。

发明内容

本发明的目的是：基于D-S证据理论的多源监测数据融合技术，提供一种煤矿顶板安全评价方法，该方法可以有效消除多源信息的不确定因素，提高顶板安全评价的准确度，克服仅凭一种监测信息做出决策从而可能影响顶板安全评价结果不准确的缺陷。

为达到上述目的，本发明采取的技术方案包括以下步骤：

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}，各状态的含义见表1。

表1顶板安全状态表

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。

本发明基于煤矿顶板安全评价这一技术领域，提出以下分类决策规则：①顶板安全的目标状态应具有最大基本概率分配值；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；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；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；

第三步：计算机采集某一周期煤矿顶板安全监测系统中的传感器数据，包括顶板压力、顶板离层、电磁辐射、微地震和常规矿压等数据，并将采集到的监测数据进行预处理，具体做法是：对采集到的各类监测数据进行归一化处理，按比例进行缩放，使其对顶板安全状况的判定值落在[0，1]范围内。这样可以将采集到的各类监测数据转化为对应证据的基本可信度分配值，使其具有统一表达方式，便于数据融合。

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，凸现顶板安全的某一状态，实现顶板安全状态的辨识。融合算法描述如下：

对于同一辨识框下的两个信度函数Bel₁，Bel₂，m₁，m₂为对应的基本可信度分配，则对两个信度函数的正交和为：A＝A_i∩B_j，其总概率为：

${\mathrm{Bel}}_1\left(A\right)=\underset{A_i\&cap;B_j=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)<1---\left(1\right)$

如果A_i∩B_j＝Ф，而因总概率为1，所以必须将A_i∩B_j＝Ф部分删除，重新进行概率分配，利用归一化因子，公式(1)可改写为：

$m\left(C\right)=\left\{\begin{array}{c}0,A=\mathrm{\&Phi;}\\ \frac{\underset{A_i\&cap;B_j=C}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)}{1-\underset{A_i\&cap;B_j=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)},A\&NotEqual;\mathrm{\&Phi;}\end{array}\right.---\left(2\right)$

其中，

为归一化因子。若令

，则公式(2)可改写为：

$m\left(C\right)=\left\{\begin{array}{c}0,A=\mathrm{\&Phi;}\\ \frac{1}{1-K}\underset{A_i\&cap;B_j=C}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right),A\&NotEqual;\mathrm{\&Phi;}\end{array}\right.---\left(3\right)$

对于多个信度函数，其合成法则如下：设Bel₁，Bel₂，…，Bel_n为辨识框X上的信度函数，m₁，m₂，…m_n为对应的基本可信度分配，如果Bel₁，Bel₂，…，Bel_n存在且基本可信度分配为m，则

(Z≠X)。对n个证据源的合成公式定义为：

$m\left(Z\right)=\frac{1}{1-K}\underset{A_i\&cap;B_j\&cap;C_k\&cap;...=Z}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)m_3\left(C_k\right)...---\left(4\right)$

其中，

$K=\underset{A_i\&cap;B_j\&cap;C_k\&cap;...=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)m_3\left(C_k\right)...---\left(5\right)$

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，并输出顶板安全状态辨识结果，从而实现煤矿顶板安全状况的评价。

本发明的积极效果是：本发明利用信息融合的理论和方法，建立了煤矿顶板安全评估的概念框架，给出了基于D-S证据理论的多源数据分析、处理、分配、融合等信息处理步骤。通过信息融合技术可以充分利用顶板监测多源信息的互补性、综合性，极大地提高顶板评价指标信息的质量和可信度。整个算法结构及过程简单，且能有效消除煤矿顶板多源监测数据信息的不确定因素，提高了顶板安全状态评估的准确度。

具体实施方式

下面以三类传感器为例具体说明本发明的技术方案。

假设某煤矿顶板安全监测系统使用三种传感器：M₁-综采支架压力传感器、M₂-顶板离层仪、M₃-电磁辐射仪，目标识别框架为S＝{S₁，S₂，S₃}，分别表示顶板安全的危险、临界、安全三种不同状态，在某一采样周期对应的基本概率赋值如表2所示，其中A表示不确定命题基本概率赋值。

表2三类传感器的基本概率赋值

通过证据理论组合规则，M₁与M₂传感器融合的基本概率M_1×2组合情况如表3所示。

表3M₁、M₂组合情况

由表2，根据上述公式(5)的计算，可得到M₁(*)，M₂(*)类证据的冲突因子：

K＝0.07+0.03+0.1+0.06+0.075+0.105＝0.44

M₁、M₂传感器融合后的基本概率值为：

$M_{1\&times;2}\left(S_1\right)=\frac{0.05+0.05+0.025}{1-K}\&ap;0.223$

$M_{1\&times;2}\left(S_2\right)=\frac{0.14+0.1+0.035}{1-K}\&ap;0.491$

$M_{1\&times;2}\left(S_3\right)=\frac{0.045+0.075+0.015}{1-K}\&ap;0.241$

$M_{1\&times;2}\left(S\right)=\frac{0.025}{1-K}\&ap;0.045$

同理可以计算出传感器M₁、M₂及M₃的证据冲突因子K＝0.4998，融合后的基本概率值见表4。

表4融合后的基本概率值

从表2中虽然能看出每一个传感器的基本概率赋值在S₂状态都为最大值，但不确定性的基本概率赋值也很大，因此不能清晰地从单个传感器判断目标处于哪种状态，随着多个证据的融合，对状态判断的不确定性逐渐下降，而且S₂状态的基本概率值也凸显出来。

结合表4的计算结果，根据第四步顶板安全状态分类决策规则可以判定，状态S₂为最大可信度，且符合顶板安全状态分类决策规则设定的阈值，故状态S₂满足融合规则，本次顶板安全状态识别的结果为S₂，即临界状态。

Claims (2)

1.一种基于多目标监测数据融合的煤矿顶板安全评价方法，其特征在于，包括以下步骤：

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；

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：

①顶板安全的目标状态应具有最大基本概率分配值；

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；

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；

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；

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，并将采集到的监测数据进行预处理，具体做法是：对采集到的各类监测数据进行归一化处理，按比例进行缩放，使其对顶板安全状况的判定值落在[0，1]范围内，这样将采集到的各类监测数据转化为对应证据的基本可信度分配值，使其具有统一表达方式，便于数据融合；

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，凸现顶板安全的某一状态，实现顶板安全状态的辨识；融合算法描述如下：

对于同一辨识框下的两个信度函数Bel₁，Bel₂，m₁，m₂为对应的基本可信度分配，则对两个信度函数的正交和为：A＝A_i∩B_j，其总概率为：

${\mathrm{Bel}}_1\left(A\right)=\underset{A_i\&cap;B_j=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)<1---\left(1\right)$

如果A_i∩B_j＝Φ，而 $\underset{A_i\&cap;B_j=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)>0,$ 因总概率为1，所以必须将A_i∩B_j＝Φ部分删除，重新进行概率分配，利用归一化因子，公式(1)改写为：

$m\left(C\right)=\left\{\begin{array}{c}0,A=\mathrm{\&Phi;}\\ \frac{\underset{A_i\&cap;B_j=C}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)}{1-\underset{A_i\&cap;B_j=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)},A\&NotEqual;\mathrm{\&Phi;}\end{array}\right.---\left(2\right)$

其中，

为归一化因子，若令 $K=\underset{A_i\&cap;B_j=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right),$ 则公式(2)改写为：

$m\left(C\right)=\left\{\begin{array}{c}0,A=\mathrm{\&Phi;}\\ \frac{1}{1-K}\underset{A_i\&cap;B_j=C}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right),A\&NotEqual;\mathrm{\&Phi;}\end{array}\right.---\left(3\right)$

对于多个信度函数，其合成法则如下：设Bel₁，Bel₂，…，Bel_n为辨识框X上的信度函数，m₁，m₂，…，m_n为对应的基本可信度分配，如果Bel₁，Bel₂，…，Bel_n存在且基本可信度分配为m，则

；对n个证据源的合成公式定义为：

$m\left(Z\right)=\frac{1}{1-K}\underset{A_i\&cap;B_j\&cap;C_k\&cap;...=Z}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)m_3\left(C_k\right)...---\left(4\right)$

其中， $K=\underset{A_i\&cap;B_j\&cap;C_k\&cap;...=\mathrm{\&Phi;}}{\mathrm{\&Sigma;}}{m}_1\left(A_i\right)m_2\left(B_j\right)m_3\left(C_k\right)...---\left(5\right)$

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，并输出顶板安全状态辨识结果，从而实现煤矿顶板安全状况的评价。

2.如权利要求1所述的基于多目标监测数据融合的煤矿顶板安全评价方法，其特征在于，所述的多目标传感器数据包括顶板压力、顶板离层、电磁辐射、微地震和常规矿压数据。