CN112235295B - 一种煤矿安全隐患排查与预警方法 - Google Patents
一种煤矿安全隐患排查与预警方法 Download PDFInfo
- Publication number
- CN112235295B CN112235295B CN202011095882.6A CN202011095882A CN112235295B CN 112235295 B CN112235295 B CN 112235295B CN 202011095882 A CN202011095882 A CN 202011095882A CN 112235295 B CN112235295 B CN 112235295B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- block
- coal mine
- nodes
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000013024 troubleshooting Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 51
- 238000003860 storage Methods 0.000 claims description 41
- 238000012795 verification Methods 0.000 claims description 22
- 238000012550 audit Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 6
- 230000007246 mechanism Effects 0.000 description 44
- 230000008569 process Effects 0.000 description 32
- 238000011156 evaluation Methods 0.000 description 26
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 17
- 238000013075 data extraction Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000011160 research Methods 0.000 description 14
- 230000006854 communication Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 10
- 239000012634 fragment Substances 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000013467 fragmentation Methods 0.000 description 6
- 238000006062 fragmentation reaction Methods 0.000 description 6
- 231100000279 safety data Toxicity 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000000370 acceptor Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000013524 data verification Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/02—Protecting privacy or anonymity, e.g. protecting personally identifiable information [PII]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mining & Mineral Resources (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Geology (AREA)
- Geochemistry & Mineralogy (AREA)
- Health & Medical Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种煤矿安全隐患排查与预警方法,包括:移动终端传输井下数据至私有链,所述井下数据由井下传感器和井下监控模块采集;移动终端获得工作人员根据所述井下数据的判断结果,所述判断结果为是否存在安全隐患;移动终端将所述判断结果传输至私有链,私有链选取有隐患的位置信息发送至处理移动终端;处理移动终端发送处理结果至私有链,所述处理结果为处理人员对隐患位置的处理结果。本实施例实施时,移动终端传输井下数据至私有链,所述井下数据由井下传感器和井下监控模块采集;移动终端获得工作人员根据所述井下数据的判断结果,所述判断结果为是否存在安全隐患;处理移动终端发送处理结果至私有链,所述处理结果为处理人员对隐患位置的处理结果,实现对矿井的安全隐患排查与预警。
Description
技术领域
本发明涉及矿井安全技术领域,尤其是涉及一种煤矿安全隐患排查与预警方法。
背景技术
煤矿开采产业受地质环境限制和影响,矿井工作环境恶劣且复杂,以及煤矿行业中安全管理水平不足,从业人员整体素质的高低不一,煤炭行业一直是事故的高发领域,安全生产形势极为严峻。近些年,随着计算机信息化技术的不断提高,煤矿行业的信息化建设取得了飞速的发展。我国煤矿安全生产形势不断好转,但是随着煤炭行业对于煤矿安全的整体水平要求的日益提升,现有的一些煤矿安全信息管理系统中数据孤立,对于煤矿安全大数据,没有得到有效利用,煤矿安全并没有做到人人参与,人人有责。安全数据易被篡改,没有全面识别、排查煤矿安全风险,对煤矿生产中产生的风险没有定量分析,不能有效实现煤矿风险层次化动态预警、不能实时全面掌握全国煤矿安全数据等问题显得愈发严重。因此通过将区块链技术运用于现代煤矿安全管理系统,构建一套适合全国煤矿安全隐患大数据存储、隐私保护、管理、监测、智能分析、全员参与、跟踪追溯与一体的煤矿安全隐患智能分析模型是当前重大煤矿危险监管的迫切任务。
发明内容
本发明的目的在于克服现有技术中重大煤矿危险监管的技术问题,提供一种煤矿安全隐患排查与预警方法。
为实现上述技术目的,达到上述技术效果,本发明是通过以下技术方案实现:
一种煤矿安全隐患排查与预警方法,包括:
移动终端传输井下数据至私有链,所述井下数据由井下传感器和井下监控模块采集;
移动终端获得工作人员根据所述井下数据的判断结果,所述判断结果为是否存在安全隐患;
移动终端将所述判断结果传输至私有链,私有链选取有隐患的位置信息发送至处理移动终端;
处理移动终端发送处理结果至私有链,所述处理结果为处理人员对隐患位置的处理结果。
本发明所述的煤矿安全隐患排查与预警方法,其中,移动终端传输井下数据至私有链包括:
新的数据记录向全网进行广播,只要数据记录能够抵达足够多的节点,那么它们将很快被整合到一个区块中;
每一个节点都将对收到的数据记录信息进行校验,校验通过后,记录被纳入到内存中的一个临时区块;
每个节点都执行共识算法,矿工节点将新区块通过P2P网络进行全网广播,其他节点对该区块的有效性进行验证;
网络中节点通过新区块的验证,并将新产生的区块添加到区块链中,每个节点拥有当前时刻区块链的最新状态。
本发明所述的煤矿安全隐患排查与预警方法,其中,移动终端将所述判断结果传输至私有链,私有链选取有隐患的位置信息发送至处理移动终端包括:
主节点将从各个节点接收到的数据进行排序整理后,生成一个区块,将数据填充到区块中,加上自己的签名以及该区块的哈希,将其广播到区块链网络中;
从节点接收到新区块后,对该区块进行哈希审计,若哈希与主节点发来的一致则通过验证,并将验证结果信息广播到煤矿安全存储链;
各个节点在验证主节点所广播区块的同时也接受其他节点的验证结果,在收集到2f+1个以上其他节点发来的commit正确性确认消息后,认可该区块的有效性,将该区块加入到本地所拥有的链账本中。
本发明所述的煤矿安全隐患排查与预警方法,其中,包括:
客户端选择一个主节点发送请求消息,主节点负责新区块的生成;
主节点接收请求消息,并将请求分类、排序后广播给所有从节点;
从节点根据接收到的消息进行验证,并将结果广播给其他节点;
节点间互相验证接收到的消息,若验证结果一致则向客户端广播一条消息;
客户端收到2f+1条消息,则共识达成。
本发明所述的煤矿安全隐患排查与预警方法,其中,包括:
客户端从诚信值在IV以上的节点中随机选取一个节点作为主节点,新区块由主节点进行生成;
主节点会把从客户端发来的消息向全网进行广播,从节点如果认可证书消息内容则向主节点回复认可信息;
如果主节点收到的认可信息大于等于2f,则将认可信息打包再发给从节点,从节点能够去验证其他节点的认可消息是否正确,通过验证后即可进入Commit状态;
如果客户端收到2f+1条Commit信息,则可将新区块链接到区块链尾部。
与现有技术相比,本发明的有益效果是:
本实施例实施时,移动终端传输井下数据至私有链,所述井下数据由井下传感器和井下监控模块采集;移动终端获得工作人员根据所述井下数据的判断结果,所述判断结果为是否存在安全隐患;移动终端将所述判断结果传输至私有链,私有链选取有隐患的位置信息发送至处理移动终端;处理移动终端发送处理结果至私有链,所述处理结果为处理人员对隐患位置的处理结果,实现对矿井的安全隐患排查与预警。
附图说明
图1为本发明提供的区块链煤矿安全隐患排查与预警系统实施例结构视图;
图2为本发明提供的一种基于区块链的煤矿数据存储架构视图;
图3为本发明提供的一种煤矿安全隐患区块链基础架构视图;
图4为本发明提供的一种基于煤矿数据特性的优化区块链结构视图;
图5为本发明提供的一种数据基本入链流程视图;
图6为本发明提供的一种基于改进后PBFT的上链流程视图;
图7为本发明提供的一种基于rPaxos的上链流程视图;
图8为本发明提供的一种PBFT算法流程视图;
图9为本发明提供的一种改进的PBFT算法流程视图;
图10为本发明提供的一种提案者出现无限循环竞争异常的消息传递过程视图;
图11为本发明提供的一种rPaxos消息传递过程视图;
图12为本发明提供的一种增强型轻量级节点模型视图;
图13为本发明提供的一种数据抽取与查询优化流程设计视图;
图14为本发明提供的一种系统风险评价预警体系视图;
图15为本发明提供的一种工作面风险评价预警指标体系视图;
图16为本发明提供的一种煤矿风险评价预警指标体系视图;
具体实施方式
请参阅图1-16所示,煤矿开采产业受地质环境限制和影响,矿井工作环境恶劣且复杂,以及煤矿行业中安全管理水平不足,从业人员整体素质的高低不一,煤炭行业一直是事故的高发领域,安全生产形势极为严峻。近些年,随着计算机信息化技术的不断提高,煤矿行业的信息化建设取得了飞速的发展。我国煤矿安全生产形势不断好转,但是随着煤炭行业对于煤矿安全的整体水平要求的日益提升,现有的一些煤矿安全信息管理系统中数据孤立,对于煤矿安全大数据,没有得到有效利用,煤矿安全并没有做到人人参与,人人有责。安全数据易被篡改,没有全面识别、排查煤矿安全风险,对煤矿生产中产生的风险没有定量分析,不能有效实现煤矿风险层次化动态预警、不能实时全面掌握全国煤矿安全数据等问题显得愈发严重。因此通过将区块链技术运用于现代煤矿安全管理系统,构建一套适合全国煤矿安全隐患大数据存储、隐私保护、管理、监测、智能分析、全员参与、跟踪追溯与一体的煤矿安全隐患智能分析模型是当前重大煤矿危险监管的迫切任务。
区块链中节点云集、跨度较为广泛以及通信延迟于不同节点之间的存在,因此为了保证不同节点之间数据的一致性,决定新区块记账权的算法成为刚需,这种算法被称为共识机制。共识机制记账权的归属在各节点互相平等,并且将每个诚实节点数据的一致性作为目标的情况下进行的。区块链通过多个分布式链上参与节点的共识,来实现可信区块链的产生和验证,保证数据的不可篡改特性,针对区块链共识机制,国内外研究机构和学者进行了大量的研究,提出了许多新的适合不同场景的共识算法。主要研究算法包括PoW、Raft、PBFT、Paxos和PoS等。区块链网络中的需求是多样的,因此需要不同的共识机制。在共识机制的基础上进行按需改进,形成了一系列适合各行各业的共识算法。区块链的目的是保证存储信息的安全、方便追踪和风险评价功能,利用区块链技术提高了煤矿信息存储的安全和安全生产风险预警防控能力,为了提升高煤炭行业的管理水平和安全技术水平。在共识机制中,采用双链结构,联盟链、私有链分别采用PBFT、Paxos共识算法。PBFT共识算法虽是一种成熟的共识算法,但算法在效率问题、可拓展性问题和非诚实结点问题存在不足。Paxos算法应用情景很多,但会出现提案者发生冲突导致出现循环竞争情况。为提高共识效率减少通信过程中的成本耗费,对联盟链和私有链中的共识算法进行改进,并提出了一些改进策略,优化提升区块链网络共识效率,极大缩减通信负载量,保证数据的一致性和准确性。
从数据角度来看,区块链实际上是一个去中心化的分布式数据库,由系统参与者共同维护。近年来,区块链在数字加密货币、供应链金融、数据公证、资源共享等领域有许多的应用场景。区别于传统煤矿信息化应用,区块链与煤矿的结合,能够带来独特的优势和效益。建立基于区块链的煤矿隐患防御与排查系统,能够使各个煤矿通过数据挖掘等手段从这些宝贵的数据中得到更多有利的信息,从而防止事故的发生。这样的系统还可以通过收集各个煤矿的信息,分析全国煤矿在安全隐患问题上总体的情况。区块链使用链式的结构和一致性协议保证区块数据不可篡改和可追溯,但无休止的的数据追加对每个煤矿内部单个节点的存储造成很大压力。对每个设备采用完全副本(每个节点保存一份)的数据存储方式,对系统存储空间造成很大浪费。若完全采用轻量级,其完全依赖于全节点,容易遭受拒绝服务攻击、女巫攻击等安全性问题。因此设计一个既能保证系统正常稳定地运行,又能有效的减轻大部分节点存储压力的系统节点模型,是一个非常有必要的工作。基于区块链的煤矿隐患防御与排查系统中包含着大量的数据资源,要达到隐患的预测与防御的目的,必须使区块链中的数据容易被频繁且大量地查询和分析。但是因为底层的存储模式levelDB的限制,大部分区块链应用查询功能过于简单、查询性能较低,这导致区块链上的数据资源很难被人们利用起来。在数据存储上,部分区块链应用采用不同数据分别存储的方式来达到数据的有效利用,如ethDrive、Blockchain-IoT等。要达到对基于区块链的煤矿安全隐患排查与预警系统中的数据进行充分分析,从而达到隐患防御与排查的目的,对解决区块链数据分析和查询难的问题也是非常必要的一项研究。
作为我国的主要能源之一,煤炭扮演着举足轻重的地位,是我国国民经济的重要组成部分和经济发展的不竭动力。时常发生的煤矿事故,不仅对煤矿财产造成巨大的损失,而且也对工作人员的生命安全造成极大的隐患。“人”、“机”、“环”、“管”、“隐患”五个方面是煤炭生产过程中导致事故的主要原因,影响着煤矿产业的健康发展。目前国内煤矿企业在隐患排查治理与安全管理信息化建设上均获得了很大的进步,对隐患处理的能力也越来越强,有效地保保障了煤矿的安全生产。但对于风险分级管控的认识尚处于起步阶段,虽然对风险分级管控流程、制度建设有一定的成果,但还没有建立健全的风险分级管控信息化系统,管控的效果还没有达到标准化建设要求。对风险预警的研究,国内主要集中在两个方面,首先是对风险预警的理论与方法方面的研究,深入研究了特定行业的综合风险预警模式、风险预警方法及风险预警预控机制,为其他行业的风险预警研究提供了系统的研究方法及理论。其次是风险预警相关装备及技术的研究与应用,主要是根据对危险对象的实时监测监控数据,利用传感器、物联网等先进的技术方法实现风险预警。对煤矿行业的风险预警研究,主要集中在煤矿安全生产系统的综合性风险预警方面,通过建立风险预警等级体系、研究风险预警模型及预警系统,实现煤矿生产系统的安全风险预警。加强管理煤矿安全生产影响要素,促进其协同发展对保障煤炭行业从业者的生命安全,改进煤矿安全生产水平,减少煤矿企业经济损失都显得尤为重要。
本发明实施例公开了一种区块链煤矿安全隐患排查与预警系统,是基于双链区块链系统(私有链与联盟链)和大数据分析的隐患排查与预警系统,包括井下智能处理移动终端、地面终端、大数据分析中心、井下传感模块和井下监控模块。采用区块链技术,可以形成煤矿内去中心化、信息安全可靠、多点上传、低存储压力的信息与通信系统。整个系统以双链区块链系统为中心,双链中的私有链由各煤矿的井下智能处理移动终端和地面终端组成,其中井下智能处理移动终端按照增强型轻量级节点的存储机制进行存储,而地面终端按照全节点的存储机制进行存储。井下智能处理移动终端在井下排查隐患时收集到井下传感模块和井下监控模块的数据,之后将数据上传至煤矿自身的私有链上,链上其他井下智能处理移动终端以及地面终端都会收到上传的数据并将其保存,本系统的排查工作流程包括排查、治理、验收、消除四个环节。
本发明的实施例包括:
(1)区块链煤矿安全隐患排查与预警系统结构
通过对矿井作业环境、信息采集系统和系统需求进行分析,在继承和应用已有模型的基础上,通过一定的自主创新研究,将理论与实践相结合,建立煤矿安全信息结构模型与煤矿安全信息管理体系。
该区块链煤矿安全隐患排查与预警系统,是基于双链区块链系统(私有链与联盟链)和大数据分析的隐患排查与预警系统,包括井下智能处理移动终端、地面终端、大数据分析中心、井下传感模块和井下监控模块。
本系统的隐患排查过程如下:
井下工作人员手持井下智能处理移动终端在井下进行排查,井下智能处理移动终端通过其通信模块,接收一定区域范围内的井下传感模块和井下监控模块的数据,将这些接收到的数据存储并上传至私有链。井下智能处理移动终端将接收到的数据与预先设定阀值自动对比,或由工作人员通过接收到的视频监控判断是否存在安全隐患。如果判断结果有安全隐患,则将本次排查出来的安全隐患信息存储,并上传至私有链。
其他井下或者井上的工作人员通过区块链系统的p2p网络等特点,可以及时收到其他节点上传的井下传感模块的数据以及安全隐患的数据结果。系统将上传的隐患状态标记为“未治理”,负责治理隐患的相关工作人员收到隐患信息后,立刻前往隐患地点,对其进行治理,治理完成后治理人员将系统内该隐患的状态标记改为“已治理”;之后验收人员前往隐患地点,核实治理结果,合格后验收人员将系统内该隐患的状态标记改为“已验收”。井上工作人员接收到验收信息,如果验收合格,则将系统内该隐患的状态标记改为“已消除”。如果未通过检查,则其状态改为“未治理”,其他工作人员节点收到该条信息后,上述操作流程重新执行。
本系统的预警过程如下:
各煤矿的地面终端在私有链中都是全节点,它存储了区块链上完整的数据。全国各个煤矿的地面终端相连组成国家煤矿联盟链,实现煤矿之间的信息互通,数据共同存储与分享,为宏观把控全国煤矿安全隐患形势奠定基础。
各煤矿大数据分析中心从本煤矿内的私有链下载各指标数据,国家级煤矿大数据分析中心从国家煤矿联盟链下载各指标数据。通过对煤矿生产过程中“人、机、环、管、隐患”等方面的风险指标进行分析,对风险因素进行层次划分,使煤矿事故风险真正实现层次化和精细化。构建出动态的煤矿风险评价预警模型,能够实现对煤矿工作面和整个煤矿分别进行评价预警,从而对煤矿安全生产实现保障。
区块链煤矿安全隐患排查与预警系统结构图如图1所示:
(2)区块链系统架构
通过对矿井作业环境、信息采集系统和系统需求进行分析,在继承和应用已有模型的基础上,通过一定的自主创新研究,将理论与实践相结合,建立煤矿安全信息结构模型与煤矿安全信息管理体系。
由于矿井采集的安全信息有“人-机-环-管-隐患”五大类信息,针对采集信息的数量庞大,种类繁多,相互关联及时效性各异等特性,结合“全员参与,动态预警”的设计思想,采用区块链信息存储技术,设计信息存储、信息分析和风险跟踪三个模块,达到保障煤矿安全的目的。利用区块链自身特性将煤矿安全信息有效保存,并进行实时分析与统筹分析,达到对风险进行预测与追踪的目的,为实现煤矿安全信息高效存储、层次化分析和动态预警,设计煤矿信息网络的保存与研究,建立煤矿信息管理机制,如图2:
煤矿区块链中主要涉及的技术包括分布式网络、P2P网络传输、密码学技术、智能合约、共识算法等。煤矿区块链系统架构的层次划分为数据层、网络层、共识层、激励层、合约层和应用层,如图3。
基于层次化分析和风险追踪的需求,根据区块链本身存储模式的特性,在区块原有架构的进行创新,根据安全信息有效存储、实时查询及动态预警的思想,构建身份识别机制与指针机制,如图4所示,通过对区块记录中加入身份信息以对安全信息进行分类以满足后续的层次化分析;同时对区块存储的安全信息记录中加入记录的身份信息,达到系统对信息层次化分析的目的,同时对安全风险信息中加入指针,表明其在“风险上报-风险处理-风险消解”流程中的位置,实现系统对煤矿风险后续的跟踪处理。
(3)数据结构
针对我国煤矿数据量较大,种类较多,且获取方式多样的特点,需对煤矿数据进行标准化处理。而后采用链接存证的方式进行数据上链。该方法只需在区块链上记录文件的地址和其对应的哈希值。第一个阶段先把预存数据进行哈希运算,得到数据的哈希值也即数据内容的“数字指纹”,由于哈希值的长度都比较有限,这样长度的内容存储上链对区块链来讲毫无压力;第二个阶段是在此基础上添加预存数据的URI地址,这样区块链上就存储了“文件地址+文件数字指纹”这两套东西了。通过“文件地址”取出数据文件,进行哈希运算得到该数据文件的哈希值,验证该哈希值与链上存储的“文件数字指纹”是否一致来验证文件内容是否被篡改。由于煤矿数据产生的连续性和实时性,设置时钟周期来处理数据,生成包含多条记录的数据块。
联盟链上可能存在恶意节点,即拜占庭将军问题,故采用改进后的PBFT共识算法保证各节点数据的一致性问题;私有链上各节点为可信节点不存在拜占庭将军问题,只考虑因为系统或者网络原因导致的故障节点。
数据上链基本流程:如图5所示。新区块的入链分为四个过程:数据的产生及广播、制造区块、验证区块和链接区块。假设网络中有4个节点,BCn为新的区块链。
1)新的数据记录向全网进行广播,只要数据记录能够抵达足够多的节点,那么它们将很快被整合到一个区块中;
2)每一个节点都将对收到的数据记录信息进行校验,校验通过后,记录被纳入到内存中的一个临时区块;
3)每个节点都执行共识算法(工作量证明、权益证明等),矿工节点将新区块通过P2P网络进行全网广播,其他节点对该区块的有效性进行验证;
4)网络中节点通过新区块的验证,并将新产生的区块添加到区块链中,每个节点拥有当前时刻区块链的最新状态;
联盟链上节点用于存储数据,各节点为预先选取的服务器。在该链中先通过选举方法选定一个主节点,该节点只起共识过程的发起与引导作用,比如对上链请求进行排序,并不能占据共识中的投票优势。通过改进后的PBFT算法选举诚信值较高的节点来担任主节点,其余节点作为从节点。主节点在接收到由客户端上报的数据后,采用改进后的PBFT共识机制将其同步到煤矿安全存储链中。基本步骤如下:
1)主节点将从各个节点接收到的数据进行排序整理后,生成一个区块,将数据填充到区块中,加上自己的签名以及该区块的哈希,将其广播到区块链网络中。
2)从节点接收到新区块后,对该区块进行哈希审计,若哈希与主节点发来的一致则通过验证,并将验证结果信息广播到煤矿安全存储链。
3)各个节点在验证主节点所广播区块的同时也接受其他节点的验证结果,在收集到2f+1个以上其他节点发来的commit正确性确认消息后,认可该区块的有效性,将该区块加入到本地所拥有的链账本中。
至此,各个节点完成煤矿数据的同步操作。f为该链可允许的发生错误或者恶意攻击节点的个数,即PBFT机制能够容忍不超过整个网络节点数目1/3的节点发生错误,如图6所示:
私有链中数据上链采用rPaxos共识机制。在本系统中只允许权威提案者Leader提出数据同步议案,其基本流程如下,见图7:
1)客户端向权威提案者Leader提出上链请求,由Leader唯一地提交Proposal给Acceptors进行表决;
2)Leader将客户端请求进行排序整理生成一个区块并向超过一半的接受者Acceptors发送propose请求信息;
3)Acceptor收到Propose请求后,针对收到的Propose请求进行Accept处理;
4)如果Leader接收到多数Acceptors的Accept后,决议形成,将形成的决议发送给所有Learners,各节点通过区块Hash进行区块追加;
至此,各个节点完成评估风险数据上链操作。
只有在需要选举Leader节点时,才会执行Prepare阶段,从而使得Leader的连续提交只需执行一次Prepare阶段,后续只要执行Accept阶段即可,将两阶段缩减为一阶段,提高了入链效率。
(4)共识算法
通过分析PBFT共识算法,PBFT算法虽是一种成熟的共识算法,但算法依然存在一些不足。首先,算法的可拓展性问题,由于PBFT算法三阶段广播过程均需要2/3n+1个节点同意,在这个过程中,节点之间要通过互相转发消息进行拜占庭容错,并且通信成本将伴随着节点数目的增多而呈多项式级的升高,高昂的通信成本影响了算法的可拓展性;其次,算法效率问题,为了保证异步模式下的安全性,三阶段广播过程需要消耗多项式级的通信成本;最后,PBFT算法中主节点的随机选取过程可能会导致选取的主节点是无效的恶意节点,导致重复选举的发生,进而影响算法效率。从煤矿安全隐患的实际出发,在继承和应用已有共识算法的基础上,对算法机制进行改进优化。其中,在PBFT机制的基础上,减少广播次数、设置结点诚信值IV、诚信阈值IVT以及使用诚信值优先协议,降低通信成本、减少重复选举,进而提高算法效率。基于Paxos共识机制,深入研究和优化设计区块链网络节点中各角色的行为,为提升优化区块链网络的共识效率,分布式共识机制rPaxos应运而生。
PBFT算法的具体步骤如下,见图8。
1)Request阶段:客户端(Client)选择一个主节点发送请求消息,主节点负责新区块的生成。
2)Pre-Prepare阶段:主节点(Primary)接收请求消息,并将请求分类、排序后广播给所有从节点(Replica)。
3)Prepare阶段:从节点根据接收到的消息进行验证,并将结果广播给其他节点。
4)Commit阶段:节点间互相验证接收到的消息,若验证结果一致则向客户端广播一条消息。
5)Reply阶段:客户端收到2f+1条消息,则共识达成(f为错误节点个数)。
针对联盟链中PBFT共识算法存在的问题提出以下改进方案:首先,由于一次共识过程中主节点只能随机确定一个,所有节点担任主节点的概率是相等的,而非诚实节点担任主节点会极大程度的破坏共识效率。所以在选取主节点时进行改进:设置结点诚信值IV和诚信阈值IVT(所有节点诚信值的平均数)。使用诚信值优先协议,在成功完成一轮共识后,对于非诚实结点,将IV值减10;除了主节点之外达成共识的节点,将IV值加5;主节点成功建块后获得收益,IV值加1。多次成功建块后的节点将获得更多的诚信值,只有IV值在IVT以上的节点才能优先成为主节点。诚信值越高的节点发生错误的可能性就越小,从而减少重复选举的发生,进而提高算法效率。其次,三阶段广播过程需要消耗多项式级的通信成本,针对此问题通过减少广播次数来降低消耗成本。广播由三次减少为一次,有效降低了通信成本。
改进PBFT算法具体步骤如下:
1)客户端从诚信值在IV以上的节点中随机选取一个节点作为主节点,新区块由主节点进行生成。
2)主节点会把从客户端发来的消息向全网进行广播,从节点如果认可证书消息内容则向主节点回复认可信息。
3)如果主节点收到的认可信息大于等于2f(f为宕机节点个数),则将认可信息打包再发给从节点,从节点能够去验证其他节点的认可消息是否正确,通过验证后即可进入Commit状态。
4)如果客户端收到2f+1条Commit信息,则可将新区块链接到区块链尾部。
通过分析Paxos算法中结点的角色,Paxos算法在执行的过程中会有五种情况的运行结果:所有节点都正常运行、接受者异常、学习者出现异常、提案者出现异常、两提案者发生冲突。在Paxos算法执行过程中,若两个提案者发生冲突是算法执行过程中最坏的情况,例如,当前的leader可能会失败,然后恢复,但是其他提议者已经重新选择了一个新的leader,而恢复的领导人还没有学会这一点,并试图重新开始,此时就会与当前领导人产生冲突,在该情况下,算法将永远不可能完成。算法将会无限循环。
提案者角色出现无限循环竞争的消息传递过程如图10所示:
针对私有链Paxos共识算法存在的问题提出以下改进方案:优化角色提案者的行为。针对算法进入无限循环竞争的情况,对算法Paxos中的角色提案者进行优化改进提出rPaxos机制,rPaxos是在提案者集合中选出一个权威提案者,提案只能由权威提案者提出,这样可以防止活锁现象的发生。在选取权威提案者过程中,为每个提案者设置随机时钟,若有提案者在随机时钟内与其他提案者达成一致,该提案者就被选为权威提案者。通过随机值协调方法选出权威提案者,进而解决了活锁问题。对提案者角色的行为进行优化,减轻了区块链网络中Paxos共识机制在运行过程中共识达成时间过长以及通信负载量过大等问题。
rPaxos消息传递过程如图11所示。
(5)节点模型与数据提取
通过分析煤矿内部物理场景、信息传输机制、煤矿安全信息时效性以及设备的适用性,结合设置多环境、多场景、多种设备的设计思想,采用由增强型轻量级节点和全节点组成的定时清除陈旧数据的自清除混合节点组合模型,形成煤矿内去中心化、信息安全可靠、多点上传、低存储压力的设备节点结构;设计数据提取、数据验证以及数据查询三个模块,分析数据挖掘等分析手段在区块链数据上的应用,针对区块链系统中数据查询功能简单、查询性能较低等情况,构建数据提取与查询优化机制。分析煤矿设备存储容量、设备可携带性等特点,结合全国性联盟链对节点设备的要求,将设备分为增强型轻量级节点和全节点。
1)井下智能处理移动终端采用增强型轻量级节点模型
完备的煤矿系统节点功能包括数据存储和数据共享,结合对较新的煤矿各项指标信息的查看较为频繁的特点,分析煤矿内部安全隐患排查机制以及检查周期,寻找一个时间节点,将区块链中的数据分为新区块和旧区块。系统中各节点有必要接收煤矿内各项信息的最新数据,在涉及隐患的排查、处理和验收以及其他人-机-环-管等数据时,节点对后面最近生成的部分区块的数据请求比较频繁,于是构想通过保存最近生成的部分区块,让增强型轻量级节点具备查看煤矿的最近信息的功能。对于旧区块,主要用途是查看较久远的信息,请求量较少,并且几乎所有已完成隐患排查机制流程的数据都存储在旧区块中,数据一般不会再发生修改,因此节点不需要全部冗余保存。因此采用数据分片存储技术,降低系统内数据的冗余度,减轻设备存储压力。旧区块分片保存于各节点后,为保证少量的旧数据请求以及数据可用性,设计适当的路由机制,加快节点间数据检索速度。增强型轻量级节点模型如图12所示:
增强型轻量级节点模型通过不同的端口与煤矿系统内其他节点进行数据共享。通过端口1进行区块的发送与接受;通过端口2获取共享路由信息;通过端口3进行区块头的发送与接受。
新区块存储,根据网络中的节点对于新区块的请求量较大,为网络带宽型的特点,为避免系统内过多的网络请求与反馈,增强型轻量级节点采用完全冗余的存储策略来保存新区块数据,即保存一定窗口大小的新区块数据。
节点在刚接入系统时,查询煤矿区块链上最新的区块高度H,根据窗口大小x,从链上下载(H-x)至H,数量为x的最近区块链数据,节点接入之后生成的区块,节点将其全部保存,以此保证节点可以通过自身存储数据查看最近某个隐患排查的进度以及煤矿其他信息的最新情况。为降低节点的存储压力,设计根据某时间节点或区块链某高度节点的数据清除机制,对节点设备内存储的超出x的区块链旧数据进行自动删除。关于x的具体参数,可以根据设备情况进行自定义配置,以适应不同设备的硬件环境和需求。
旧区块存储,基于系统对旧区块数据的请求量较小,为非带宽型,结合降低系统内数据冗余、减少节点设备存储压力等思想,增强型轻量级节点对旧区块采用分片存储的方式。系统将旧区块数据以分片的形式划分,节点通常需要获取连续的区块数据,所以进行分片时采用连续、固定存储空间大小的方式较为合适。为保证区块链数据的完整性,每个分片至少需要保存到1/3系统节点总数上,在减少数据冗余时防止由于节点的退出而遗失系统数据。以保存所有区块头的方式,为节点请求各自未保存的分片数据提供现实可行。对于已不具备查看价值的久远分片数据,结合进一步降低节点存储压力的思想,分析煤矿安全信息时效性,建立按照时间节点定时删除久远分片数据的自清除机制。分片存储技术采用随机节点保存的方式,使系统在降低设备存储压力的同时,保证了节点之间去中心化这一重要特征。
分片区块路由表,分析旧区块的存储方式,设计一种新的路由机制:分片区块路由表。路由表以Map形式存储,key为分片起始块号。通过该机制,实现了高效响应各节点之间的请求与反馈。
每个分片由连续的、固定存储空间大小的一串区块构成,因此以分片的第一个区块高度h作为key来标记整个分片。当节点向系统请求某旧区块y的数据时,系统会以某种随机形式为该节点分配一个保存了y区块的目标节点。目标节点会查询比y大、并且离y最近的key值分片,该分片包含了y区块数据,目标节点查找到请求数据后进行反馈并发送数据。节点在加入网络后可以从其它节点获取路由表信息,并且定期检测节点的连通性以及自清除机制带来的节点存储分片数据的改变,从而更新路由表。
2)地面终端采用全节点模型
根据煤矿联盟链对节点设备的要求,全节点设备同步保存所有区块信息,构建全国性联盟链的同时,负责反馈各自煤矿内部较久远信息的请求,因此全节点适合建立在存储能力强的设备上。全节点同样具备数据存储和数据共享功能,由于其存储了区块链上的所有数据,必要情况下全节点能满足增强型轻量级节点对于久远数据的查看,同时负责向煤矿内安全预警大数据分析中心和国家煤矿数据的分析提供数据,实现从链上获得数据的数据抽取机制。
3)数据提出机制
数据抽取与查询优化,基于区块链数据存储模式的限制、区块链系统中数据查询功能简单、查询性能较低等特征,研究煤矿安全预警理论与预测方法,根据数据挖掘等分析手段,采用数据提取、验证以及查询一体化的软件系统体系结构,构建数据提取与查询优化机制。煤矿内安全预警中心和国家级煤矿数据中心采用相同的数据抽取与查询优化系统。
数据提取模块,数据提取模块负责从煤矿的区块链上中提取关键数据,包括区块信息、智能合约信息等,并将数据放入数据仓库中。
在区块链系统中通常会含有某一区块或数据的生成时间戳,新生成的合法区块的时间戳一定晚于已有的最新合法区块。由此可以利用区块数据具有时间先后的这一特性,建立基于时间戳顺序的数据提取方式。抽取的数据内容在装载过程中以对象的方式存在,通过使用不同的持久层连接驱动(如JDBC、MongoDriver等)将对象转化为表内容或文档的形式存入区块链仓库中。
数据验证模块,数据验证模块对数据进行两方面的验证:一是数据中心的数据仓库与煤矿区块链系统内的数据是否同步,即进度一致性验证。在模型中设置装载进度日志,该日志中保存当前已装载区块号及时间戳。通过对比数据仓库的当前已装载区块号信息和区块链系统的最新生成的区块链信息,结合煤矿安全隐患预警的时效性,建立实时进度校验机制,在煤矿内部实现对煤矿隐患的及时有效地预警。二是区块链仓库与区块链数据内容是否相同,即数据内容一致性验证。读取系统中已加载的区块以及该区块头的额外信息(如子区块头等),通过将逆推算法规则应用到目标区块上得到相应区块头及其额外信息,对比此信息与系统中已加载信息完成校验。在该过程中如有任何不一致以致校验失败,则整个校验过程返回失败。
数据查询模块,查询建立在区块链仓库之上,对外提供查询API,同时将热点数据缓存以提高查询效率。丰富的查询API可以实现区块链所不能提供的高性能数据查询,实现数据挖掘等技术在区块链数据上的应用,为煤矿安全预警提供现实可行的方法。
在进行数据查询时,查询系统首先对查询层的缓存进行检验,反馈是否有查询所需内容,若存在则直接返回。如果缓存中不存在,则从数据仓库中查找,并将查询结果同步到查询层缓存中。数据抽取与查询优化流程设计图如图13所示:
(6)煤矿安全隐患链上及链下(云端)大数据分析
煤矿区块链上和云端数据分析评价预警体系从子系统预警开始分析,再到工作面系统预警,整个煤矿系统预警,各系统均设计对应的指标体系及评价模型,通过模型计算后根据预警准则得到对应的预警级别。若预警级别为Ⅰ,Ⅱ,Ⅲ级,则返回上一级别系统进行综合分析,找出详细的风险隐患,并采取措施及时进行处理,然后判断记录;若预警级别达Ⅳ级,需要进行记录并及时排查后,再进行煤矿生产。煤矿系统风险评价预警体系如图14所示。具体系统的评价预警模型设计过程如下:
1)工作面风险评价预警
工作面风险评价预警系统实现对整个微观工作面的评价预警,因此采用微观指标,将风险指标体系按照一级-二级-三级的递阶指标结构分成三个层次。一级指标包括人(A1)、机(A2)、环(A3)、管(A4)和隐患(A5)五个指标,二级指标(B1,B2,B3...)在一级指标的基础上向下细分,三级指标(C1,C2,C3...)在二级指标的基础上向下细分。如图15所示:
基于煤矿工作面风险因素很强的耦合性,提出一种基于动态权值的非线性加权微观工作面风险评价预警模型,该模型风险计算中的算法采用非线性加权综合加权法(单项指标值的权值的幂次方进行累乘),指标权值的确定采用动态权方法。模型建立过程如下:
a.评价系统的建立
整个评价系统假设为S,S中包含n个对应属性(n>1),分别记为xi(i=1,2,...,n),标准化后的指标值仍采用xi表示,其对应的权值为wi(i=1,2,...,n),综合评价值为S,则有
b.引入动态权函数计算指标权值
当系统处于不安全状态可以及时发出警报,并可根据建立的预警模型找出导致不安全状态的原因。因此,在计算权重时,应随着指标的改变采用动态权函数来不断计算权值。
指标xi的取值范围假设为[ai,bi],首先采用熵值法确定xi对应的基础权值wi,设θi为动态权函数的阀值,当θi<xi≤bi时,xi指标处于安全状态,wi(xi)保持基础权值不变,wi(xi)=wi;当ai≤xi≤θi时,xi指标处于风险状态,wi(xi)随着xi指标值的降低而升高,wi(xi)采用指数型分布函数,则wi(xi)为:
式子中,σi为调节参数,σi∈(0,1)。
使用动态权函数wi(xi)(i=1,2,…,n)代替xi对应的权值wi,则评价系统S修改为:
c.系统评价预警流程
工作面风险评价预警系统依据指标体系采用逐级计算的方式实现各级的预警功能及工作面的预警功能。三级指标(C1,C2,C3...)的基础权值由熵值法确定,动态权值随着指标变化采用动态权函数计算,依据模型S和三级指标值分别确定二级指标B1,B2,B3...的风险值及其危险性等级。人(A1)、机(A2)、环(A3)、管(A4)和隐患(A5)五个一级指标的风险值危险性等级同样由模型S和二级指标值计算确定。最终,以此方法计算出整个工作面的风险值以及确定其危险性等级。
2)煤矿风险评价预警系统
煤矿风险评价预警系统实现对整个宏观煤矿的评价预警,因此采用宏观指标,按照一级指标-二级指标的结构,将风险指标体系分成两个层次。一级指标分为人、机、环、管和隐患五个指标因素,在一级指标下二级指标进一步细分,包括一级指标相对应的判断属性指标,如图16所示:
煤矿风险评价预警采用基于博弈论权值的物元可拓宏观煤矿风险评价预警模型。物元可拓模型采用事物(N)、特征(C)和量值(V)3个要素对煤矿安全进行描述,“物N”是煤矿安全,“特征C”是预警指标,“量值V”是预警指标的值,创建有序三元组U=(N,C,V)作为描述煤矿安全的物元。模型建立思想如下:首先,将煤矿风险评价预警详细划分成j个等级,根据实际情况确定每个等级的取值范围。然后,利用关联函数计算出各指标与经典域的关联度,指标在关联度最大的等级的隶属度最大,即待评价煤矿处于该安全等级。模型建立需要以下四步:煤矿安全经典域、节域物元、待评物元的建立、安全关联度确定,基于博弈论确定指标权重,计算指标等级关联度,根据各煤矿的实际数据确定其预警等级。
a.确定煤矿安全的经典域和节域物元矩阵,以及待评煤矿节域物元矩阵煤矿安全经典域物元矩阵Uj的表示方法:
式中:Nj(j=1,2,3,4)--煤矿安全预警的4个评价等级;
Ci(i=1,2,...,n)–安全等级Nj下的安全预警指标特征;
vji(aj1,bj1)--安全等级Nj下,预警指标Ci所对应的量值范围。
煤矿安全节域物元矩阵Rp的表示方法:
式中:Np--煤矿安全等级的全体;
vpi--指标Ci所取的值域,即煤矿安全的节域。
待评煤矿Ml(l=1,2,…,m)的物元矩阵Uml的表示方法:
式中:vli--待评煤矿的各预警指标具体数值。
b.基于博弈论确定指标权重
假设待评煤矿有m个,对应预警指标n个,构建原始评价矩阵X=(vl1)m×n,其中(l=1,2,...,m;i=1,2,...,n)。博弈论组合赋权法的思想是:组合优化传统权重计算方法(比如,神经网络算法、熵权法、层次分析法等)确定的权值,实现指标具有最优的权重结果。如果对每个指标运用k种方法进行赋权,可以确定k个权重向量。
W(q)=[wq1,wq2,...,wqn],(q=1,2,...,k)
式中:W(q)为第q种方法确定的权重向量。
则此k个权重向量的线性组合为:
式中:αq为线性组合系数,αq>0;W为所有的权重向量集。
寻求不同权重的相似点和异同点,对其进行最佳的优化组合,即以离差极小化为目标,优化由k个权重向量组合的系数αq,得到最合适的权重W。
式中:W(i)为第i种方法确定的权重向量。
最优化一阶导数条件由矩阵微分性质确定为:
对应的线性方程组形式为:
归一化处理计算得到的优化组合系数αq得到:
最后,整理后得到博弈组合赋权的最终权重:
W=[w1,w2,…,wn]
式中,w1,w2,…,wn分别为预警指标C1,C2,…,Cn的权重。
c.计算指标等级关联度
在计算关联度时,采用可拓学中距Kj(vi)的方法,计算公式为:
其中,指标值与经典域的关联函数为:
式中:Kj(vi)--vi的关联函数;
vi--在各特征Ci下,待评物元对应的实际量值;
vji--|vji|=|bji-aji|,各特征Ci下,经典域中对应的量值范围(aji,bji),
便于分析和比较,规范化处理关联度Kj(vi),得到规范化关联度Kji,采用的规范化处理公式为:
d.判定煤矿安全等级
式中:Kj(UM)--待评煤矿UM符合预警等级Nj的隶属度。
确定待评煤矿UM最可能处于的安全等级时,采用关联度最大的原则,选择Kj(UM)最大值来确定,即如果Kj(UM)=max{Kj(UM)}(j=1,2,3,4),则待评煤矿UM属于预警等级Nj。
本发明实施例的优点
(1)构建基于区块链的煤矿数据存储架构,确定煤矿中数据分区并行传输机制,突破了由于区块链的吞吐量与煤矿上传的信息之间的数量级差距,建立了基于煤矿数据的区块结构,实现确保煤矿信息的高效、可靠存储的前提下,进行煤矿数据的有效使用和准确追溯。
(2)提出采用链接存证的方式进行数据上链,不会显著增加区块链的存储容量;在联盟链中采用改进的PBFT共识机制达成一致,在私有链中采用rPaxos共识算法保证一致性完成数据上链,在入链过程中优化区块入链的工作流程,提高区块入链的时间效率。
(3)提出了煤矿安全链中共识机制优化模型,针对Paxos机制中提案者因冲突引发的活锁状况以及PBFT机制效率、可拓展性和非诚实结点问题。建立rPaxos和改进PBFT处理机制。实现整个煤矿安全链高效率、低负载、低成本、短时间的的优化运行机制。
(4)建立一套适应煤矿内部复杂环境,具有去中心化以及低存储压力等特点的自清除混合节点组合模型,实现整个煤矿信息快速、有效、低成本地传输与上链。建立区块链数据提取、转换、验证模块与查询优化机制,对链上数据进行实时或延时性的预警和分析。
(5)构建云端煤矿安全隐患大数据分析模型,研究煤矿事故风险的致因机理,在大数据对煤矿安全生产的预测展开深入研究,建立基于工作面和煤矿的多指标安全指标体系,使安全风险因素具有可视化和可量化;提出细微-微-宏三层煤矿安全分析预警模型,提出基于动态权值的非线性加权细微观工作面风险评价预警模型、基于博弈论权值的物元可拓微观和宏观煤矿风险评价预警模型,建立基于多指标、动态的煤矿事故风险评价方法,并研究建立基于煤矿事故动态指标的风险评价算法,为煤矿提供基于事故风险的预警方法及模型。
以上所述的实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (4)
1.一种煤矿安全隐患排查与预警方法,其特征在于,包括:
移动终端传输井下数据至私有链,所述井下数据由井下传感器和井下监控模块采集;
移动终端获得工作人员根据所述井下数据的判断结果,所述判断结果为是否存在安全隐患;
移动终端将所述判断结果传输至私有链,私有链选取有隐患的位置信息发送至处理移动终端;
处理移动终端发送处理结果至私有链,所述处理结果为处理人员对隐患位置的处理结果;
移动终端将所述判断结果传输至私有链,私有链选取有隐患的位置信息发送至处理移动终端包括:
主节点将从各个节点接收到的数据进行排序整理后,生成一个区块,将数据填充到区块中,加上自己的签名以及该区块的哈希,将其广播到区块链网络中;
从节点接收到新区块后,对该区块进行哈希审计,若哈希与主节点发来的一致则通过验证,并将验证结果信息广播到煤矿安全存储链;
各个节点在验证主节点所广播区块的同时也接受其他节点的验证结果,在收集到2f+1个以上其他节点发来的commit正确性确认消息后,认可该区块的有效性,将该区块加入到本地所拥有的链账本中;其中f表示所述煤矿安全存储链允许的发生错误或者恶意攻击节点的个数。
2.根据权利要求1所述的煤矿安全隐患排查与预警方法,其特征在于,移动终端传输井下数据至私有链包括:
新的数据记录向全网进行广播,只要数据记录能够抵达足够多的节点,那么它们将很快被整合到一个区块中;
每一个节点都将对收到的数据记录信息进行校验,校验通过后,记录被纳入到内存中的一个临时区块;
每个节点都执行共识算法,矿工节点将新区块通过P2P网络进行全网广播,其他节点对该区块的有效性进行验证;
网络中节点通过新区块的验证,并将新产生的区块添加到区块链中,每个节点拥有当前时刻区块链的最新状态。
3.根据权利要求1所述的煤矿安全隐患排查与预警方法,其特征在于,包括:
客户端选择一个主节点发送请求消息,主节点负责新区块的生成;
主节点接收请求消息,并将请求分类、排序后广播给所有从节点;
从节点根据接收到的消息进行验证,并将结果广播给其他节点;
节点间互相验证接收到的消息,若验证结果一致则向客户端广播一条消息;
客户端收到2f+1条消息,则共识达成。
4.根据权利要求1所述的煤矿安全隐患排查与预警方法,其特征在于,包括:
客户端从诚信值在IV以上的节点中随机选取一个节点作为主节点,新区块由主节点进行生成;
主节点会把从客户端发来的消息向全网进行广播,从节点如果认可证书消息内容则向主节点回复认可信息;
如果主节点收到的认可信息大于等于2f,则将认可信息打包再发给从节点,从节点能够去验证其他节点的认可消息是否正确,通过验证后即可进入Commit状态;
如果客户端收到2f+1条Commit信息,则可将新区块链接到区块链尾部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011095882.6A CN112235295B (zh) | 2020-10-14 | 2020-10-14 | 一种煤矿安全隐患排查与预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011095882.6A CN112235295B (zh) | 2020-10-14 | 2020-10-14 | 一种煤矿安全隐患排查与预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112235295A CN112235295A (zh) | 2021-01-15 |
CN112235295B true CN112235295B (zh) | 2022-02-11 |
Family
ID=74112679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011095882.6A Active CN112235295B (zh) | 2020-10-14 | 2020-10-14 | 一种煤矿安全隐患排查与预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112235295B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785474A (zh) * | 2021-01-28 | 2021-05-11 | 深圳博沃智慧科技有限公司 | 安全隐患监管方法、装置及设备 |
CN113153431A (zh) * | 2021-04-02 | 2021-07-23 | 山东科技大学 | 基于5g通信的煤岩动力灾害监测预警可视化系统及方法 |
CN113408338A (zh) * | 2021-05-11 | 2021-09-17 | 精英数智科技股份有限公司 | 一种矿工异常行为监测方法、装置及系统 |
CN113111427B (zh) * | 2021-05-12 | 2022-08-09 | 广州番禺职业技术学院 | 一种基于区块链技术监测地下结构的方法和装置 |
CN113642986B (zh) * | 2021-08-02 | 2024-04-16 | 上海示右智能科技有限公司 | 构建数字公证的方法 |
CN114912856B (zh) * | 2022-07-19 | 2022-09-30 | 安胜(天津)飞行模拟系统有限公司 | 一种基于区块链的飞行模拟器维护方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103726881A (zh) * | 2014-01-23 | 2014-04-16 | 安徽理工大学 | 煤矿安全隐患信号采集处理系统及方法 |
CN108429759A (zh) * | 2018-03-28 | 2018-08-21 | 电子科技大学成都研究院 | 去中心化存储安全实现方法 |
CN108952814A (zh) * | 2018-08-15 | 2018-12-07 | 常州普纳电子科技有限公司 | 一种基于大数据分析的煤矿安全监控系统及其工作方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10542046B2 (en) * | 2018-06-07 | 2020-01-21 | Unifyvault LLC | Systems and methods for blockchain security data intelligence |
CN111541657A (zh) * | 2020-04-13 | 2020-08-14 | 成都链向科技有限公司 | 一种基于区块链的安全位置验证方法 |
-
2020
- 2020-10-14 CN CN202011095882.6A patent/CN112235295B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103726881A (zh) * | 2014-01-23 | 2014-04-16 | 安徽理工大学 | 煤矿安全隐患信号采集处理系统及方法 |
CN108429759A (zh) * | 2018-03-28 | 2018-08-21 | 电子科技大学成都研究院 | 去中心化存储安全实现方法 |
CN108952814A (zh) * | 2018-08-15 | 2018-12-07 | 常州普纳电子科技有限公司 | 一种基于大数据分析的煤矿安全监控系统及其工作方法 |
Non-Patent Citations (1)
Title |
---|
煤矿智能监测与预警技术研究现状与发展趋势;郑学召等;《工矿自动化》;20200616;摘要、正文第1页第1节-第4页第3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN112235295A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112235295B (zh) | 一种煤矿安全隐患排查与预警方法 | |
Jiang et al. | A dynamic trust evaluation and update mechanism based on C4. 5 decision tree in underwater wireless sensor networks | |
CN112348204B (zh) | 一种基于联邦学习和区块链技术的边缘计算框架下海洋物联网数据安全共享方法 | |
She et al. | Blockchain trust model for malicious node detection in wireless sensor networks | |
CN110945853B (zh) | 基于联盟链投票共识算法产生及管理多模标识网络的方法 | |
CN111092896B (zh) | 基于优化paxos的食品溯源分布式数据同步方法 | |
CN102088459A (zh) | 一种基于可信交换的大集中数据交换与集成平台 | |
Zhang et al. | Qpbft: Practical byzantine fault tolerance consensus algorithm based on quantified-role | |
Chai et al. | A hierarchical blockchain aided proactive caching scheme for internet of vehicles | |
CN110620820A (zh) | 一种泛在电力物联网智能管理系统 | |
Li et al. | An efficient DAG blockchain architecture for IoT | |
CN101242365B (zh) | 基于多维分布式哈希表的对等网络安全路由方法 | |
Chen et al. | An intelligent approval system for city construction based on cloud computing and big data | |
Wang et al. | Efficient concurrent execution of smart contracts in blockchain sharding | |
Liu et al. | Communitychain: Toward a Scalable Blockchain in Smart Home | |
CN114553458A (zh) | 一种电力物联网环境下的可信群体的构建与动态维护方法 | |
CN112463881B (zh) | 一种面向云边聚合计算环境的高效区块链系统及处理方法 | |
Li et al. | Comprehensive evaluation model of coal mine safety under the combination of game theory and TOPSIS | |
Dong et al. | Combination of D‐AHP and Grey Theory for the Assessment of the Information Security Risks of Smart Grids | |
Zadorozhny et al. | Data credence in iot: Vision and challenges | |
Cai et al. | Systematic research on information security based on blockchain technology | |
Pan et al. | Secure Data Access and Consensus Algorithm based on Consortium Blockchain in LVC | |
Guo | Design of anti-intrusion storage system for agricultural products sales data based on multi layer cross entropy | |
Yu et al. | Dynamic trust management for the edge devices in industrial internet | |
Xie et al. | Research and Design of an Automated Security Event Analysis and Handling Framework Based on Threat Intelligence |
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 |