CN113623004A - 一种用于水害预警的判断方法 - Google Patents
一种用于水害预警的判断方法 Download PDFInfo
- Publication number
- CN113623004A CN113623004A CN202111015757.4A CN202111015757A CN113623004A CN 113623004 A CN113623004 A CN 113623004A CN 202111015757 A CN202111015757 A CN 202111015757A CN 113623004 A CN113623004 A CN 113623004A
- Authority
- CN
- China
- Prior art keywords
- early warning
- data
- grade
- water inrush
- water
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 64
- 230000000875 corresponding effect Effects 0.000 claims description 107
- 238000012423 maintenance Methods 0.000 claims description 77
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000001514 detection method 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
- 239000011435 rock Substances 0.000 description 1
Images
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
-
- 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
- E21F16/00—Drainage
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Alarm Systems (AREA)
Abstract
本发明属于矿井监测技术领域,具体公开了一种用于水害预警的判断方法,包括以下步骤:步骤一、利用不同的前端采集设备对矿井内的所有的突水类型对应的监测数据进行同步采集,得到监测数据;步骤二、利用数据关联模型对得到的监测数据进行关联,得到每一类突水对应的采集数据;步骤三、根据每一类突水对应的采集数据匹配到对应的数据判断模型;步骤四、利用数据判断模型对对应的采集数据进行判断,得到对应采集数据的预警等级;步骤五、根据得到的预警等级进行相应的预警。本方案通过数据关联模型和数据判断模型来完成前后两次的确认实现对突水的类型准确的判断,达到了对突水的准确预警。
Description
技术领域
本发明属于矿井监测技术领域,尤其涉及一种用于水害预警的判断方法。
背景技术
矿井水害会造成大量的人员伤亡,是煤矿特大事故之一。矿井水害监控和预警是减少矿井水害事故人员伤亡的有效措施。
矿井下的水害对应众多类型,其中突水是一种比较常见的水害之一,而突水也对应有多种类型,其中有正常岩层突水、断层活化突水等,不同突水类型所对应的影响因数都是不同的且影响因素比较多,即突水影响因素众多,且每一类突水都是不相同的。
现有的水害预警系统在对突水进行监测的时候,通常都是只能针对其中一种突水类型,通过采集这一种突水类型所对应的影响因素来对其进行判断。但是矿井下的突水类型众多,如果只能对其中的一种突水类型进行监测的话,进而就需要部署多套系统来完成不同突水类型的监测,以确保矿井下的安全,这就使得整个水害检测的成本比较高,同时工作人员在进行操作多套系统时,很不好操作。
基于此,需要一种能够同时对多种类型的水害进行检测的用于水害预警的判断方法。
发明内容
本发明的目的在于提供一种能够同时对多种类型的水害进行检测的用于水害预警的判断方法。
为达到上述目的,本发明的技术方案提供一种用于水害预警的判断方法,其特征在于,包括以下步骤:
步骤一、利用不同的前端采集设备对矿井内的所有的突水类型对应的监测数据进行同步采集,得到监测数据;
步骤二、利用数据关联模型对得到的监测数据进行关联,得到每一类突水对应的采集数据;
步骤三、根据每一类突水对应的采集数据匹配到对应的数据判断模型;
步骤四、利用数据判断模型对对应的采集数据进行判断,得到对应采集数据的预警等级;
步骤五、根据得到的预警等级进行相应的预警。
本方案的原理和效果是:为了得到所有突水类型所涉及到的数据,在矿井下提前设置用来采集突水的前端采集设备,通过这些设备把对应突水的所有类型的需要采集的数据进行采集,得到对应的监测数据;为了将采集到的数据与每一类突水进行关联,再利用数据关联模型来对监测数据进行关联,使得每一类突水对应的数据得到关联,形成对应的采集数据;匹配到了每一类突水类型所对应的数据,就需要匹配到与各个数据相对应的数据处理上,之后利用这些采集数据确定对应的突水类型,以此来确定对应的数据判断模型,然后利用数据判断模型对各自的采集数据进行判断,得到对应的预警等级,通过预警等级来进行相对应的预警。
本申请通过将采集到的监测数据与对应的突水类型进行关联,得到对应的采集数据,使得每一类突水都对应有各自的监测数据,实现了每一类突水对应的需要判断的数据的确认,完成了对每一类突水对应的影响因素即需要的数据的确认的同时也是对该突水类型的确认。之后在根据得到的采集数据来完成对应数据判断模型的确认以及利用对应的数据判断模型对采集数据进行判断,以实现对数据的判断以及之后的预警,实现了对应突水类型的数据判断模型的确认,完成了对应突水类型的数据判断模型的确认即正确的将数据输入到正确的模型中,实现了同时对多种水害进行检测的功能。
进一步的,步骤一中利用不同的前端采集设备对矿井内的所有的突水类型对应的监测数据进行同步采集,得到监测数据的步骤为:
将不同的前端采集设备安装到矿井下对应的监测位置上;
同步启动对应的前端采集设备,对数据进行实时的采集,得到监测数据;
将实时得到的监测数据上传至服务器。
在矿井下安装不同的前端采集设备实现了对各种突水的数据的采集,使得每一种突水的影响因素都能被采集到,以便于之后的数据的处理和判断,避免出现某种突水没有及时的监测到,造成不必要的损失。同时将数据上传到服务器上可以接收存储的空间,实现数据的快速处理。
进一步的,步骤二中利用数据关联模型对得到的监测数据进行关联,得到每一类突水对应的采集数据的步骤为:
从服务器上调用实时得到的监测数据,将监测数据带入到数据关联模型中进行数据关联;
数据关联模块会根据每一类突水所需要的所有类型数据将对应的数据进行关联,得到每一突水对应的采集数据。
每一类突水对应的监测数据是不尽相同的,利用数据关联模型来每一类突水所需要的数据进行数据的关联,实现每一类突水都对应着各自需要监测的数据,这样就初步完成了对每一类突水的影响因素的确认。
进一步的,步骤四中所述预警等级包括低风险等级、中风险等级和高风险等级;所述低风险等级为对应的突水现象不严重,矿井下的工作人员解决;所述中风险等级为对应的突水现象较为严重,需要专业的维修人员进行维修;所述高风险等级为对应突水现象严重,需要及时疏散人群。
预警等级的设置可以更加清晰的对突水的严重程度有一个判断,这样在发生预警的警报时,在不同的预警等级下进行合理的预警,可以使得整个预警过程更加的合理化。
进一步的,步骤五还包括在得到相应的预警之后,根据预警等级发出相应的维修指令。
维修指令的设置使得在发生突水预警时,可以根据预警等级及时的对维修位置处的维修点进行维修,可以在突水情况不是很严重的时候及时的对突水问题进行控制,及时的止损。
进一步的,步骤五中根据得到相应的预警之后,根据预警等级发出相应的维修指令的具体步骤为:
当预警等级为低风险等级时,对矿井下的工作人员进行位置搜索定位,匹配到离监测位置最近的工作人员,并向该工作人员发出维修指令,所述维修指令包括维修位置、突水类型以及维修方法;
当预警等级为中风险等级时,对矿井下的维修人员进行位置搜索定位,匹配到离监测位置最近的维修人员,并向该维修人员发出维修指令,所述维修指令包括维修位置和突水类型。
当预警等级为高风险等级时,进行语音播报,告知矿井下所有的工作人员和维修人员及时撤离。
根据不同的预警等级进行不同的维修指令的传达,在突水问题不严重时,利用工作人员来完成对突水的控制,在突水较为严重的时候,派上专业的维修人员进行及时的维修,当突水严重的时候,及时疏散工作人员,这样既可以合理的进行突水的维修同时也能尽最大程度的确保工作人员的安全。
进一步的,步骤五中根据得到相应的预警之后,根据预警等级发出相应的维修指令的具体步骤还包括:
获取到工作人员的操作输入,但输入为等级提升操作时,向服务器发生预警等级提升请求;
当服务器接收到对应的预警等级提升请求后,会对预警等级在原有的基础上提高一个等级,之后进行对应预警等级的操作。
在工作人员和维修人员面对各自的预警等级下时,当他们无法对各自对应的突水问题进行解决时,通过对预警等级提升的方式来对突水问题进行解决,在工作人员解决不了时,说明突水问题严重起来了,这时通过获取工作人员的操作输入,在输入为等级提升操作时,会进行预警等级的提升,就可以通过专业的维修人员来进行维修,这样就可以及时的避免突水问题的严重化,而当维修人员解决不了时,说明突水已经很严重了,需要赶快安排矿井下的工作人员进行撤离,确保工作人员的生命安全。
进一步的,所述维修指令包括监测位置、突水类型和维修方案。
通过监测位置、突水类型和维修方案可以使得对应的接收人能第一时间对所要处理的突水有一个大概的了解,在赶到现场之后可以更快的进入到维修状态。
进一步的,步骤五中根据得到相应的预警之后,根据预警等级发出相应的维修指令的具体步骤还包括:
在该工作人员或者该维修人员接收到维修指令之后,会对该工作人员或者该维修人员从当前位置到监测位置处的路径进行最短路径规划;
在得到最短路径规划之后,会对语音播报。
通过对该工作人员或者该维修人员的当前位置到监测位置的最短路径的规划,使得该工作人员或者该维修人员能够在最短的时间内赶往监测位置,实现对突水问题的快速解决。
附图说明
图1为本发明实施例一中用于水害预警的判断方法的流程图。
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:一种用于水害预警的判断方法,包括以下步骤:
步骤一、利用不同的前端采集设备对矿井内的所有的突水类型对应的监测数据进行同步采集,得到监测数据。
具体的,将不同的前端采集设备安装到矿井下对应的监测位置上;同步启动对应的前端采集设备,对数据进行实时的采集,得到监测数据;将实时得到的监测数据上传至服务器。
在本实施例中,将所有突水类型所要涉及的影响因素都通过不同的前端采集设备实现采集,同时将这些前端采集设备实时采集到的数据都上传到服务器上,以确保数据的安全。当然在本实施例中,矿井被分为若干个单元,每一个单元上都对应采集了所有突水类型的所有数据,并对每一个单元进行编号,通过这种编号的方式方便之后对突水发生的位置进行确认。
步骤二、利用数据关联模型对得到的监测数据进行关联,得到每一类突水对应的采集数据。
具体的,从服务器上调用实时得到的监测数据,将监测数据带入到数据关联模型中进行数据关联;数据关联模块会根据每一类突水所需要的所有类型数据将对应的数据进行关联,得到每一突水对应的采集数据。
在本实施例中,数据关联模型为BP神经网络模型,利用BP神经网络技术对数据对应的突水类型进行判断并生成每一类突水对应的采集数据。具体的首先构建一个三层的BP神经网络模型,包括输入层、隐层和输出层,所有的监测数据为输入层,每一类突水对应的数据为输出层,在本实施例中,通过数据关联模型使得每一类突水所需要的数据都关联在一起,同时不同的突水类型的影响因素不可能完全不同,即有可能采集到数据a即是B类突水的影响因素也是C类突水的影响因素,所以a就会同时被分配到B类突水和C类突水中。
例如当前端采集到数据a、b、c、d和e,这些数据对应的突水类型有A类、B类和C类,其中A类需要采集的是数据a、b、c,B类需要采集的是数据b、c、d和e,C类需要采集的是数据d和e。这样的话,在数据a、b、c、d和e作为输入层输入到对应的数据关联模型中时,会将a、b和c三个数据进行关联,将b、c、d和e四个数据进行关联,将d和e这两个数据进行关联,得到与每一类突水对应的采集数据。
步骤三、根据每一类突水对应的采集数据匹配到对应的数据判断模型。
在本实施例中,通过每一类的突水对应的采集数据来确定对应的突水类型,在根据突水类型来确定与该突水类型对应的数据判断模型。
步骤四、利用数据判断模型对对应的采集数据进行判断,得到对应采集数据的预警等级。
在本实施例中,每一类突水都对应一个数据判断模型,其中所有的数据判断模型也都为BP神经网络模型,利用BP神经网络模型对对应的采集数据进行判断并生成对应的预警等级。本实施例中预警等级包括低风险等级、中风险等级和高风险等级;所述低风险等级为对应的突水现象不严重,矿井下的工作人员解决即可;所述中风险等级为对应的突水现象较为严重,需要专业的维修人员进行维修;所述高风险等级为对应突水现象严重,需要及时疏散人群。
例如,A类突水对应的采集数据分别为a、b和c。当要对A类突水的采集数据进行判断的时候,会将采集到的数据输入到提前构建好的用来处理A类突水对应的采集数据的三层的BP神经网络模型,包括输入层、隐层和输出层,本实施例中,以数据a、b和c作为输入层的输入,因此输入层有3个节点,而输出层对应的输出为预警等级,因此共有1个节点。针对隐层,本实施例中使用一些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,本实施例中取为6,因此隐层共有8个节点。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。
步骤五、根据得到的预警等级进行相应的预警。
在本实施例中,当预警等级为低风险等级时,会进行蓝色灯光报警告知系统维护人员,此时系统维护人员会与对应的工作人员进行通话连线,了解对应的突水情况。
当预警等级为中风险等级时,会进行黄色灯光报警和语音播报告知系统维护人员,此时系统维护人员会与对应的维修人员进行通话连线,以了解对应突水情况。
当预警等级为高风险等级时,会进行红色灯光报警告知系统维护人员,同时通知对应的救援人员进行人员的疏散和援救。
还包括在得到相应的预警之后,根据预警等级发出相应的维修指令。其中维修指令包括监测位置、突水类型和维修方案。
具体的步骤为:
当预警等级为低风险等级时,对矿井下的工作人员进行位置搜索定位,匹配到离监测位置最近的工作人员,并向该工作人员发出维修指令。
当预警等级为中风险等级时,对矿井下的维修人员进行位置搜索定位,匹配到离监测位置最近的维修人员,并向该维修人员发出维修指令。
当预警等级为高风险等级时,进行语音播报,告知矿井下所有的工作人员和维修人员及时撤离。
同时在该工作人员或者该维修人员接收到维修指令之后,会对该工作人员或者该维修人员从当前位置到监测位置处的路径进行最短路径规划。
在得到最短路径规划之后,会对语音播报。
获取到工作人员的操作输入,但输入为等级提升操作时,向服务器发生预警等级提升请求;
当服务器接收到对应的预警等级提升请求后,会对预警等级在原有的基础上提高一个等级,之后进行对应预警等级的操作。
例如在本实施例中当监测位置A处得到的预警等级为低风险等级时,会对矿井下的所有的工作人员的位置坐标进行定位,根据得到的坐标定位匹配到离监测位置最近的工作人员的位置坐标B,并向该工作人员CC发出维修指令,于此同时对B到A之间的路径进行规划,得到从A到B之间的最短路径。之后通过语音播报的形式实时的向该工作人员CC汇报行走路线使得CC及时赶到对应的监测位置A处。该工作人员CC在到达监测位置A并根据得到的维修指令中的维修方案对对应的突水类型进行维修,当该工作人员CC在面对现场的情况时,发现突水问题比之前更加严重了,且给出的维修方案无法对突水问题进行解决的时候,就可以进行操作输入,在系统获取到的工作人员的输入为等级提升操作的时候,就会向服务器发生预警等级提升请求,系统就会将预警等级提升到中风险等级,于此同时,会对矿井下的所有的维修人员的位置坐标进行定位,根据得到的坐标定位匹配到离监测位置最近的维修人员的位置坐标D,并向该维修人员FF发出维修指令,于此同时对D到A之间的路径进行规划,得到从A到D之间的最短路径。之后通过语音播报的形式实时的向该维修人员FF汇报行走路线使得维修人员FF及时赶到对应的监测位置A处。该维修人员FF在到达监测位置A并根据得到的维修指令中的维修方案对对应的突水类型进行维修,当该维修人员FF在面对现场的情况时,发现突水问题比之前更加严重了,且给出的维修方案无法对突水问题进行解决的时候,就可以向服务器发送预警等级提升请求,请求将预警等级提升到高风险等级,服务器接收到请求之后会及时的将预警等级提升到高风险等级,之后会进行语音播报,告知矿井下所有的工作人员和维修人员及时撤离,如“请所有的工作人员和维修人员尽快撤离,矿井下存在突水危险”。
实施例二
与实施例一相比,本实施例还包括以下步骤:
通过移动终端对工作人员的位置进行定位;
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;同时进行声音报警,所述声音报警理路径规划越远声音越响;
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;
对得到的危险类型进行显示。
在整个系统发出水害预警时,可能会出现一部分工作人员不把预警当一回事,没有按照系统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系统的采集盲点,使得整个系统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,工作人员甲在系统发出预警时,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)
1.一种用于水害预警的判断方法,其特征在于,包括以下步骤:
步骤一、利用不同的前端采集设备对矿井内的所有的突水类型对应的监测数据进行同步采集,得到监测数据;
步骤二、利用数据关联模型对得到的监测数据进行关联,得到每一类突水对应的采集数据;
步骤三、根据每一类突水对应的采集数据匹配到对应的数据判断模型;
步骤四、利用数据判断模型对对应的采集数据进行判断,得到对应采集数据的预警等级;
步骤五、根据得到的预警等级进行相应的预警。
2.根据权利要求1所述的用于水害预警的判断方法,其特征在于:步骤一中利用不同的前端采集设备对矿井内的所有的突水类型对应的监测数据进行同步采集,得到监测数据的步骤为:
将不同的前端采集设备安装到矿井下对应的监测位置上;
同步启动对应的前端采集设备,对数据进行实时的采集,得到监测数据;
将实时得到的监测数据上传至服务器。
3.根据权利要求2所述的用于水害预警的判断方法,其特征在于:步骤二中利用数据关联模型对得到的监测数据进行关联,得到每一类突水对应的采集数据的步骤为:
从服务器上调用实时得到的监测数据,将监测数据带入到数据关联模型中进行数据关联;
数据关联模块会根据每一类突水所需要的所有类型数据将对应的数据进行关联,得到每一突水对应的采集数据。
4.根据权利要求3所述的用于水害预警的判断方法,其特征在于:步骤四中所述预警等级包括低风险等级、中风险等级和高风险等级;所述低风险等级为对应的突水现象不严重,矿井下的工作人员解决;所述中风险等级为对应的突水现象较为严重,需要专业的维修人员进行维修;所述高风险等级为对应突水现象严重,需要及时疏散人群。
5.根据权利要求4所述的用于水害预警的判断方法,其特征在于:步骤五还包括在得到相应的预警之后,根据预警等级发出相应的维修指令。
6.根据权利要求5所述的用于水害预警的判断方法,其特征在于:步骤五中根据得到相应的预警之后,根据预警等级发出相应的维修指令的具体步骤为:
当预警等级为低风险等级时,对矿井下的工作人员进行位置搜索定位,匹配到离监测位置最近的工作人员,并向该工作人员发出维修指令;
当预警等级为中风险等级时,对矿井下的维修人员进行位置搜索定位,匹配到离监测位置最近的维修人员,并向该维修人员发出维修指令;
当预警等级为高风险等级时,进行语音播报,告知矿井下所有的工作人员和维修人员及时撤离。
7.根据权利要求6所述的用于水害预警的判断方法,其特征在于,步骤五中根据得到相应的预警之后,根据预警等级发出相应的维修指令的具体步骤还包括:
获取到工作人员的操作输入,但输入为等级提升操作时,向服务器发生预警等级提升请求;
当服务器接收到对应的预警等级提升请求后,会对预警等级在原有的基础上提高一个等级,之后进行对应预警等级的操作。
8.根据权利要求7所述的用于水害预警的判断方法,其特征在于:所述维修指令包括监测位置、突水类型和维修方案。
9.根据权利要求8所述的用于水害预警的判断方法,其特征在于,步骤五中根据得到相应的预警之后,根据预警等级发出相应的维修指令的具体步骤还包括:
在该工作人员或者该维修人员接收到维修指令之后,会对该工作人员或者该维修人员从当前位置到监测位置处的路径进行最短路径规划;
在得到最短路径规划之后,会对语音播报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015757.4A CN113623004B (zh) | 2021-08-31 | 2021-08-31 | 一种用于水害预警的判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015757.4A CN113623004B (zh) | 2021-08-31 | 2021-08-31 | 一种用于水害预警的判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113623004A true CN113623004A (zh) | 2021-11-09 |
CN113623004B CN113623004B (zh) | 2024-02-13 |
Family
ID=78388705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111015757.4A Active CN113623004B (zh) | 2021-08-31 | 2021-08-31 | 一种用于水害预警的判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113623004B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015013249A2 (en) * | 2013-07-22 | 2015-01-29 | Saint Louis University | Apparatus and method for providing environmental predictive indicators to emergency response managers |
WO2018121035A1 (zh) * | 2016-12-29 | 2018-07-05 | 山东科技大学 | 一种个性化确定采煤工作面底板突水危险等级的方法 |
CN110847974A (zh) * | 2019-12-06 | 2020-02-28 | 西安科技大学 | 一种基于神经网络的煤矿突水灾害预警的辅助方法 |
CN110992651A (zh) * | 2019-11-25 | 2020-04-10 | 厦门帝嘉科技有限公司 | 一种防误报应急预警发布系统 |
CN111239840A (zh) * | 2020-02-25 | 2020-06-05 | 华北科技学院 | 一种基于高密度电法的底板突水预警方法 |
CN111950994A (zh) * | 2020-09-03 | 2020-11-17 | 深圳市不动产评估中心(深圳市地质环境监测中心) | 一种地质环境及监测信息管理方法、系统、终端及存储介质 |
CN112116163A (zh) * | 2020-09-27 | 2020-12-22 | 广州东塑石油钻采专用设备有限公司 | 一种井控设备的智能监控管理方法、系统及装置 |
CN112324505A (zh) * | 2020-11-06 | 2021-02-05 | 河北煤炭科学研究院有限公司 | 一种承压水上采煤微震突水预警方法、装置及终端设备 |
US20210041398A1 (en) * | 2019-08-05 | 2021-02-11 | Transportation Ip Holdings, Llc | Infrastructure detection and monitoring system |
-
2021
- 2021-08-31 CN CN202111015757.4A patent/CN113623004B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015013249A2 (en) * | 2013-07-22 | 2015-01-29 | Saint Louis University | Apparatus and method for providing environmental predictive indicators to emergency response managers |
WO2018121035A1 (zh) * | 2016-12-29 | 2018-07-05 | 山东科技大学 | 一种个性化确定采煤工作面底板突水危险等级的方法 |
US20210041398A1 (en) * | 2019-08-05 | 2021-02-11 | Transportation Ip Holdings, Llc | Infrastructure detection and monitoring system |
CN110992651A (zh) * | 2019-11-25 | 2020-04-10 | 厦门帝嘉科技有限公司 | 一种防误报应急预警发布系统 |
CN110847974A (zh) * | 2019-12-06 | 2020-02-28 | 西安科技大学 | 一种基于神经网络的煤矿突水灾害预警的辅助方法 |
CN111239840A (zh) * | 2020-02-25 | 2020-06-05 | 华北科技学院 | 一种基于高密度电法的底板突水预警方法 |
CN111950994A (zh) * | 2020-09-03 | 2020-11-17 | 深圳市不动产评估中心(深圳市地质环境监测中心) | 一种地质环境及监测信息管理方法、系统、终端及存储介质 |
CN112116163A (zh) * | 2020-09-27 | 2020-12-22 | 广州东塑石油钻采专用设备有限公司 | 一种井控设备的智能监控管理方法、系统及装置 |
CN112324505A (zh) * | 2020-11-06 | 2021-02-05 | 河北煤炭科学研究院有限公司 | 一种承压水上采煤微震突水预警方法、装置及终端设备 |
Non-Patent Citations (1)
Title |
---|
任文永;贾文;张耀明;: "井下风险预警机器人的远程控制和结构设计", 煤炭科技, no. 03, 25 September 2018 (2018-09-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN113623004B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9836939B2 (en) | Emergency services system and method comprising a mesh communications network, a plurality of communication nodes, and a plurality of personal tags | |
US20200370408A1 (en) | Method and system for guaranteeing safety of offshore oil well control equipment | |
US20070194922A1 (en) | Safe warn building system and method | |
CN102137511A (zh) | 一种地下矿井的无线传感网络系统及其应用 | |
CN112767624B (zh) | 基于通信网络的智能楼宇安全联防系统及方法 | |
CN113027530A (zh) | 一种基于互联网数据交互的煤矿安全监控系统及监控方法 | |
CN106976778A (zh) | 一种电梯救援应急处理系统和方法 | |
CN103152945A (zh) | 一种消防应急照明和疏散指示系统 | |
CN114323248B (zh) | 一种四通道地埋光缆分布式光纤振动传感预警方法及系统 | |
KR101986224B1 (ko) | Ict를 이용한 재난현장 긴급복구 시스템 | |
CN113623004A (zh) | 一种用于水害预警的判断方法 | |
CN112799324B (zh) | 一种基于区块链技术的应急可视化安全监管系统 | |
CN105137436A (zh) | 消防通道感应器、感应方法、消防通道检查系统及其方法 | |
CN115860415A (zh) | 一种油气输送管道事故应急辅助模型 | |
CN113565570B (zh) | 一种用于水害预警的指标设置方法 | |
CN113653534B (zh) | 一种矿井水害预警系统及方法 | |
KR102505765B1 (ko) | 건설현장 근로자 안전을 위한 IoT 기반 웨어러블 안전가시화 시스템 | |
CN105139327A (zh) | 交通线网指挥平台的联动系统与方法 | |
CN112348419B (zh) | 一种物联网处理系统和方法 | |
CN110841235B (zh) | 一种基于公共楼层安全用消防系统的施工方法 | |
CN113095959A (zh) | 一种景区消防安全信息系统的设计方法 | |
JPH09107410A (ja) | 保守員の位置把握システム | |
KR20180049958A (ko) | 비상제어기능을 가진 이중모드 교통신호 제어 시스템 및 방법 | |
JP2010020376A (ja) | 遠隔監視故障時通報代行システム | |
CN105629857A (zh) | 一种用于监控飞行训练设备环境的系统 |
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 |