CN114320466A - 一种分体式架构的分布式长时供电多参量智能传感器 - Google Patents

一种分体式架构的分布式长时供电多参量智能传感器 Download PDF

Info

Publication number
CN114320466A
CN114320466A CN202111553674.0A CN202111553674A CN114320466A CN 114320466 A CN114320466 A CN 114320466A CN 202111553674 A CN202111553674 A CN 202111553674A CN 114320466 A CN114320466 A CN 114320466A
Authority
CN
China
Prior art keywords
probe
sensor
data
power supply
point
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.)
Pending
Application number
CN202111553674.0A
Other languages
English (en)
Inventor
刘见中
张志刚
张庆华
隆清明
陈德敏
赵旭生
苏莉
邱飞
孙海涛
饶家龙
梁军
常宇
江旭
张卫东
瞿宝华
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.)
CCTEG Chongqing Research Institute Co Ltd
Original Assignee
CCTEG Chongqing Research Institute 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 CCTEG Chongqing Research Institute Co Ltd filed Critical CCTEG Chongqing Research Institute Co Ltd
Priority to CN202111553674.0A priority Critical patent/CN114320466A/zh
Publication of CN114320466A publication Critical patent/CN114320466A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及一种分体式架构的分布式长时供电多参量智能传感器，属于智能监测设备技术领域。该传感器由主机及多个不同类型探头组成；所述主机包括路由资源管理模块、数据融合模块、信息管理模块和分析控制模块，根据探头监测数据对矿井通风参数实现边缘计算，以指导矿井智能通风，并将数据通过监测分站上传至地面控制系统或通过矿井无线网络实时上传至云平台。本发明能实现井下环境多元信息采集与交叉融合，以及井下环境实时感知信息的近应用端专业化分析处理。

Description

一种分体式架构的分布式长时供电多参量智能传感器
技术领域
本发明属于智能监测设备技术领域，涉及一种分体式架构的分布式长时供电多参量智能传感器。
背景技术
当前煤矿智能化处于初级阶段，围绕井下环境数据开展智能识别、分析、控制决策是煤矿智能化提升的核心切入点，也是煤矿智能化建设公认的难题。
煤矿智能化是复杂的巨系统，数据是各类分析与智能应用的基石。近年来，矿井参数监测传感技术得到了较好的发展，但服务煤矿智能化的多参量智能感知技术还存在较大的差距，主要表现在：①有线多参量传感器已不能满足综掘、井下机器人等移动装备环境参数智能感知的需要，且多电缆的方式也给设备维护带来极大的不便；②一台主机内集成多个测量模块类多参量传感器的系统柔性和可扩展性较差，且传感器的研发周期较长，迫切需要探索一种分体式可扩展的传感器研发新架构和新生态；③现有的无线传感器因集成测量、显示、分析、通讯等模块，使得传感器本身耗电量剧增，需要频繁充电或更换电池；④传统的传感器的分析和控制决策能力远不能满足井下智能通风、智能抽采、智能掘进等场景对近服务端边缘计算的需求；⑤井下局部环境监测数据融合方式中间环节多，延时长，不同类型传感器数据难以自组网，制约多元数据的交叉融合和近端服务。
在此背景下，研发分体式多终端多参量智能传感器，实现井下环境多元信息采集与交叉融合，以及井下环境实时感知信息的近应用端专业化分析处理，对支撑煤矿智能化建设具有重要意义。
发明内容
有鉴于此，本发明的目的在于提供一种分体式架构的分布式长时供电多参量智能传感器，通过传感器主机与分布式长时供电多参量探头分体布置、无线传输的方式，实现井下环境多元信息采集及交叉融合，为矿井智能通风等应用场景提供技术和装备支撑。
为达到上述目的，本发明提供如下技术方案：
一种分体式架构的分布式长时供电多参量智能传感器，由主机及多个不同类型探头组成；所述主机包括路由资源管理模块、数据融合模块、信息管理模块和分析控制等模块，根据探头监测数据对矿井通风参数等实现边缘计算，以指导矿井智能通风，并将数据通过监测分站上传至地面控制系统或通过矿井无线网络实时上传至云平台，还可分发至多个移动终端。
进一步，所述分析控制模块用于实现分级预警、多场景边缘计算、近端服务和区域协同控制等功能；所述信息管理模块用于实现数据库管理、人机交互和信号源管理等功能，数据融合模块用于实现数据质量检测、数据清洗和数据转化等功能。
进一步，所述路由资源管理模块是支持蓝牙、红外、语义网关或RF射频等多种类型的通信模块，用于扩展多源异构数据采集探头，实现多源数据融合
进一步，所述探头包括甲烷浓度探头、氧气探头、压力探头、风速探头、风压探头、二氧化碳探头、一氧化碳探头、压差探头或温度探头等；同一类型探头可以根据需要布置在多个测点。
进一步，所述主机采用线缆供电，所述探头采用电池供电，所述探头上不集成显示器、数据分析和处理等耗电量较大的元器件，实现探头的低功耗运行和整机分体式长时供电；所述探头与主机采用无线连接。
进一步，主机和探头上集成声光报警功能，后根据设定的阀值和监测数据进行分级声光报警，主机报警提示超过所设阀值的参量、超过值以及监测点信息，还可通过分析控制模块对报警点的风机、抽采泵等发出控制指令，实现智能感知和协同控制一体化近端服务。
进一步，探头安装在抽采管道上时，探头与管道的连接形式为插接式，主机悬挂在方便人员观察和操作的部位。
进一步，所述传感器预测井下流场阻力的步骤为：
S1：井口基点安装压力传感器；
S2：巷道起始端位置i，安装压力传感器，湿度传感器，温度传感器，风速传感器；
S3：巷道末端位置j，安装压力传感器，温度传感器，湿度传感器，风速传感器；
S4：间隔时间同步采集传感器数据；
S5：计算检测段流场阻力；
(1)井口基点标高与监测点标高相差不超过400～600m时，空气按不可压缩流体的能量方程计算流场阻力为：
Figure BDA0003418490880000021
(2)井口基点标高与监测点标高相差超过600～1000m以上时，空气按照可压缩流体能力方程计算流场阻力为：
Figure BDA0003418490880000022
式中，K为基点气压计单位换算系数，k为测点气压计单位换算系数；pBj，pBi分别为测量起始端点及末端基点大气压值，pa；pi，pj分别为测量起始端点及末端基点气压值，pa；zi，zj分别为测量起始端点及末端基点标高，m；ρi，ρj分别为测量起始端点及末端基点空气密度，kg/m3；vi，vj分别为测量起始端点及末端基点风速，m/s；g为重力加速度，m/s2；ρi-j为测量起始端点及末端基点空气平均密度：
Figure BDA0003418490880000031
kg/m3；
Figure BDA0003418490880000032
S6：根据通风阻力历史检测记录对异常监测数据滤噪；
S7：监测点流场阻力预测预警。
本发明的有益效果在于：本发明通过传感器主机与分布式长时供电多参量探头分体布置、无线传输的方式，实现井下环境多元信息采集与交叉融合，以及多应用场景的近端边缘计算，为矿井智能通风、智能抽采和智能化掘进等提供技术和装备支撑。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明分布式长时供电多参量智能传感器的系统原理示意图
图2为本发明分布式长时供电多参量智能传感器的组成示意图；
图3为本发明分布式长时供电多参量智能传感器在井下智能通风上的应用示意图；
图4为本发明分布式长时供电多参量智能传感器在井下监测通风阻力流程图；
附图标记：主机1、氧气探头2、甲烷浓度探头3、一氧化碳探头4、风速探头5、二氧化碳探头6、温度探头7、智能手机8、主巷道21、轨道22、PPm级高精度甲烷浓度探头23、超声波对射式风速探头24、分巷道25、支巷道26、。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
请参阅图1～图4，图1为本发明提供的分体式架构的分布式长时供电多参量智能传感器，传感器由主机及多个不同类型探头组成。如图2所示，探头可以是甲烷浓度探头3、氧气探头2、压力探头42、风速探头5、风压探头、二氧化碳探头6、一氧化碳探头4、压差探头、温度探头7等类型，同一类型探头可以根据需要布置多个测点。主机集成路由资源管理、数据融合、信息管理、分析与控制等功能模块，可根据监测大数据对矿井通风参数等实现边缘计算，以指导矿井智能通风，并将数据通过监测分站上传至地面控制系统或通过矿井无线网络实时上传至云平台，还可分发至多个移动终端。
实施例1：
如图3所示，为分体式架构的分布式长时供电多参量智能传感器在井下智能通风上的应用实施例，包括主机1、PPm级高精度甲烷浓度探头23、超声波对射式风速探头24、一氧化碳探头4；另外，在此应用场景下，还包括主巷道21、分巷道25和支巷道26，以及安装在主巷道21和分巷道25中的双通道X型布置的轨道22，轨道22上分别安装有各种类型的探头。主机1安装在主巷道21方便观察的地方，同时控制主巷道21和分巷道25的探头。
主机1采集主巷道21传感器探头数据，计算主巷道21内的风量Q总，和分巷道25的风量Q1，则支巷道26的风量Q2＝Q总-Q1。PPm级高精度甲烷传感器探头23所测浓度值超过所设阀值即可报警，并根据需要加大通风量或者将信号反馈给智能通风系统，由智能通风系统调节风门开度。主机根据PPm级高精度甲烷传感器探头23、一氧化碳探头4等探头反馈的甲烷浓度值和一氧化碳浓度值，综合风量参数，实时反馈甲烷和一氧化碳纯量变化情况。
如图4所示，为分体式架构的分布式长时供电多参量智能传感器在井下通风阻力监测的应用实施例，传感器预测井下流场阻力的步骤为：
S1：井口基点安装压力传感器；
S2：巷道起始端位置i，安装压力传感器，湿度传感器，温度传感器，风速传感器；
S3：巷道末端位置j，安装压力传感器，温度传感器，湿度传感器，风速传感器；
S4：间隔时间同步采集传感器数据；
S5：计算检测段流场阻力；
(1)井口基点标高与监测点标高相差不超过400～600m时，空气按不可压缩流体的能量方程计算流场阻力为：
Figure BDA0003418490880000051
(2)井口基点标高与监测点标高相差超过600～1000m以上时，空气按照可压缩流体能力方程计算流场阻力为：
Figure BDA0003418490880000052
式中，K为基点气压计单位换算系数，k为测点气压计单位换算系数；pBj，pBi分别为测量起始端点及末端基点大气压值，pa；pi，pj分别为测量起始端点及末端基点气压值，pa；zi，zj分别为测量起始端点及末端基点标高，m；ρi，ρj分别为测量起始端点及末端基点空气密度，kg/m3；vi，vj分别为测量起始端点及末端基点风速，m/s；g为重力加速度，m/s2；ρi-j为测量起始端点及末端基点空气平均密度：
Figure BDA0003418490880000053
kg/m3；
Figure BDA0003418490880000054
S6：根据通风阻力历史检测记录对异常监测数据滤噪；
S7：监测点流场阻力预测预警。
在步骤S7中，时间序列预测分析法可采用“移动平均法”：根据时间序列资料、逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势。设定间隔10天，15天，30天间隔，计算移动平均值。分析监测点流场阻力长期变化趋势及速率(主要针对巷道变形或外部支护环境变化)。而预警值考察设定可根据巷道基本阻力，超过5％基本阻力则表示该监测点阻力异常(地质灾害或堆积杂物)。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种分体式架构的分布式长时供电多参量智能传感器，其特征在于，该传感器由主机及多个不同类型探头组成；所述主机包括路由资源管理模块、数据融合模块、信息管理模块和分析控制模块，根据探头监测数据对矿井通风参数实现边缘计算，以指导矿井智能通风，并将数据通过监测分站上传至地面控制系统或通过矿井无线网络实时上传至云平台。
2.根据权利要求1所述的分布式长时供电多参量智能传感器，其特征在于，所述分析控制模块用于实现分级预警、多场景边缘计算、近端服务和区域协同控制；所述信息管理模块用于实现数据库管理、人机交互和信号源管理，数据融合模块用于实现数据质量检测、数据清洗和数据转化。
3.根据权利要求1所述的分布式长时供电多参量智能传感器，其特征在于，所述路由资源管理模块是支持蓝牙、红外、语义网关或RF射频的通信模块，用于扩展多源异构数据采集探头，实现多源数据融合。
4.根据权利要求1所述的分布式长时供电多参量智能传感器，其特征在于，所述探头包括甲烷浓度探头、氧气探头、压力探头、风速探头、风压探头、二氧化碳探头、一氧化碳探头、压差探头或温度探头；同一类型探头根据需要布置在多个测点。
5.根据权利要求1所述的分布式长时供电多参量智能传感器，其特征在于，所述主机采用线缆供电，所述探头采用电池供电，所述探头上不集成耗电量较大的元器件；所述探头与主机采用无线连接。
6.根据权利要求1所述的分布式长时供电多参量智能传感器，其特征在于，所述主机还能将监测到的数据分发至多个移动终端。
7.根据权利要求1所述的分布式长时供电多参量智能传感器，其特征在于，所述主机和探头上集成声光报警功能，后根据设定的阀值和监测数据进行分级声光报警，主机报警提示超过所设阀值的参量、超过值以及监测点信息，还能通过分析控制模块对报警点的风机或抽采泵发出控制指令，实现智能感知和协同控制一体化近端服务。
8.根据权利要求1～6中任意一项所述的分布式长时供电多参量智能传感器，其特征在于，所述传感器预测井下流场阻力的步骤为：
S1：井口基点安装压力传感器；
S2：巷道起始端位置i，安装压力传感器，风速传感器，并选装湿度传感器，温度传感器等传感器，；
S3：巷道末端位置j，安装压力传感器，风速传感器，并选装温度传感器，湿度传感器等传感器；
S4：间隔时间同步采集传感器数据；
S5：计算检测段流场阻力；
(1)井口基点标高与监测点标高相差不超过400～600m时，空气按不可压缩流体的能量方程计算流场阻力为：
Figure FDA0003418490870000021
(2)井口基点标高与监测点标高相差超过600～1000m以上时，空气按照可压缩流体能力方程计算流场阻力为：
Figure FDA0003418490870000022
式中，k为基点气压计单位换算系数，k为测点气压计单位换算系数；pBj,pBi分别为测量起始端点及末端基点大气压值；pi,pj分别为测量起始端点及末端基点气压值；zi,zj分别为测量起始端点及末端基点标高；ρi,ρj分别为测量起始端点及末端基点空气密度；vi,vj分别为测量起始端点及末端基点风速；g为重力加速度；ρi-j为测量起始端点及末端基点空气平均密度：
Figure FDA0003418490870000023
Figure FDA0003418490870000024
S6：根据通风阻力历史检测记录对异常监测数据滤噪；
S7：监测点流场阻力预测预警。
CN202111553674.0A 2021-12-17 2021-12-17 一种分体式架构的分布式长时供电多参量智能传感器 Pending CN114320466A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111553674.0A CN114320466A (zh) 2021-12-17 2021-12-17 一种分体式架构的分布式长时供电多参量智能传感器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111553674.0A CN114320466A (zh) 2021-12-17 2021-12-17 一种分体式架构的分布式长时供电多参量智能传感器

Publications (1)

Publication Number Publication Date
CN114320466A true CN114320466A (zh) 2022-04-12

Family

ID=81052770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111553674.0A Pending CN114320466A (zh) 2021-12-17 2021-12-17 一种分体式架构的分布式长时供电多参量智能传感器

Country Status (1)

Country Link
CN (1) CN114320466A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207866303U (zh) * 2018-03-09 2018-09-14 中国长江电力股份有限公司 一种光纤f-p多参量智能流量传感器
CN109152098A (zh) * 2018-09-20 2019-01-04 济宁安通自控设备有限公司 基于边缘计算的wifi自组网环境污染监测智能控制系统
CN109752163A (zh) * 2017-11-08 2019-05-14 中国矿业大学 一种基于虚拟仪器的集约化矿井通风网络风阻在线测量方法
US20190158300A1 (en) * 2018-09-30 2019-05-23 Dario Sabella Multi-access edge computing (mec) billing and charging tracking enhancements
CN111208759A (zh) * 2019-12-30 2020-05-29 中国矿业大学(北京) 矿井无人化综采工作面数字孪生智能监控系统
CN111367250A (zh) * 2020-05-08 2020-07-03 兰州理工大学 具有边缘计算功能的复杂分布式网络控制系统及控制方法
CN111852395A (zh) * 2020-08-02 2020-10-30 维特力（深圳）流体工程有限公司 一种井口控制系统及控制方法
CN112738754A (zh) * 2020-12-30 2021-04-30 长江水利委员会长江科学院 一种基于边缘计算的山洪灾害预警监测系统
KR20210067957A (ko) * 2019-11-29 2021-06-08 주식회사 빅파워솔루션 지하 광산 및 폐쇄구역에서의 IoT센서 네트워크 단말기

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109752163A (zh) * 2017-11-08 2019-05-14 中国矿业大学 一种基于虚拟仪器的集约化矿井通风网络风阻在线测量方法
CN207866303U (zh) * 2018-03-09 2018-09-14 中国长江电力股份有限公司 一种光纤f-p多参量智能流量传感器
CN109152098A (zh) * 2018-09-20 2019-01-04 济宁安通自控设备有限公司 基于边缘计算的wifi自组网环境污染监测智能控制系统
US20190158300A1 (en) * 2018-09-30 2019-05-23 Dario Sabella Multi-access edge computing (mec) billing and charging tracking enhancements
KR20210067957A (ko) * 2019-11-29 2021-06-08 주식회사 빅파워솔루션 지하 광산 및 폐쇄구역에서의 IoT센서 네트워크 단말기
CN111208759A (zh) * 2019-12-30 2020-05-29 中国矿业大学(北京) 矿井无人化综采工作面数字孪生智能监控系统
CN111367250A (zh) * 2020-05-08 2020-07-03 兰州理工大学 具有边缘计算功能的复杂分布式网络控制系统及控制方法
CN111852395A (zh) * 2020-08-02 2020-10-30 维特力（深圳）流体工程有限公司 一种井口控制系统及控制方法
CN112738754A (zh) * 2020-12-30 2021-04-30 长江水利委员会长江科学院 一种基于边缘计算的山洪灾害预警监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
戴亚平等: "《多传感器数据智能融合理论与应用》", vol. 1989, 中国矿业大学出版社, pages: 36 - 41 *

Similar Documents

Publication Publication Date Title
CN108681781B (zh) 一种基于三维物联网技术的地铁运维管理信息系统及方法
CN103676819B (zh) 整合能源消耗的管控系统及方法
CN103978996A (zh) 一种高速铁路环境信息采集、评估和预警装置与方法
CN103244188A (zh) 一种基于物联网技术的煤矿井下综合监控系统
CN203035263U (zh) 一种井下通风监控系统
CN103291360A (zh) 基于混合传感网络的矿井监测系统
CN109948935B (zh) 一种煤矿风险智能分析系统
CN113639651A (zh) 一种露天矿边坡稳定性预测装置及其预测方法
CN112377260B (zh) 一种巷道全断面风量测量系统及方法
CN102704979A (zh) 一种煤矿通风智能管理系统
CN106150554A (zh) 一种基于地层施工的电气通信检测预警系统
CN108230624A (zh) 基于cc2530的山体滑坡监测系统
CN103899357A (zh) 矿井底板水害实时可视化监测预警系统与方法
CN111963246A (zh) 矿压监测分析系统
CN111737313A (zh) 一种地下综合管廊的监控系统
CN203257469U (zh) 基于混合传感网络的矿井监测系统
CN104020464B (zh) 基于加速度传感器和无线测距技术的混合定位系统及其定位方法
CN113530589B (zh) 一种煤矿掘进工作面按需供风的智能局部通风系统及方法
CN202628154U (zh) 一种煤矿通风智能管理系统
CN114320466A (zh) 一种分体式架构的分布式长时供电多参量智能传感器
CN211240092U (zh) 定位系统及定位装置
CN116163810A (zh) 一种煤矿环境安全监测系统及方法
CN203809053U (zh) 新型矿井水害监测预警系统
CN201828661U (zh) 一种自动测绘地下巷道的装置
KR20060130988A (ko) 차량 검지기를 이용한 교통관리 시스템

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