CN117556978A - 一种基于大数据分析的煤矿井下运维方法及系统 - Google Patents
一种基于大数据分析的煤矿井下运维方法及系统 Download PDFInfo
- Publication number
- CN117556978A CN117556978A CN202311841790.1A CN202311841790A CN117556978A CN 117556978 A CN117556978 A CN 117556978A CN 202311841790 A CN202311841790 A CN 202311841790A CN 117556978 A CN117556978 A CN 117556978A
- Authority
- CN
- China
- Prior art keywords
- dangerous
- data
- roadway
- area
- plan
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 75
- 239000003245 coal Substances 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000007405 data analysis Methods 0.000 title claims abstract description 30
- 238000010586 diagram Methods 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 230000007613 environmental effect Effects 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims description 3
- 231100001261 hazardous Toxicity 0.000 claims 3
- 238000007726 management method Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002341 toxic gas Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明适用于煤矿井下运维技术领域，尤其涉及一种基于大数据分析的煤矿井下运维方法及系统，所述方法包括：获取煤矿井下的巷道信息，生成巷道平面图；采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对，所述数据对至少包括：危险热力值和预测表；将所述危险热力值叠加到所述巷道平面图上，获得危险热力图；划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在。本发明通过判断高危区域中是否存在无权限人员，可避免维保人员误入危险区域，保障维保人员安全，通过确定危险解除时间和热力图预报，使得维保人员得以更好地规划维保工作，保证工作的正常进行。
Description
技术领域
本发明涉及煤矿井下运维技术领域，尤其涉及一种基于大数据分析的煤矿井下运维方法及系统。
背景技术
煤矿井下运维是指对煤矿井下设备的运行和维护，由于煤矿井下环境恶劣，设备种类繁多，因此维保工作十分重要；维保人员需要定期巡检设备，进行预防性维护，及时发现并修复设备故障，但是煤矿井下地理环境复杂，意外状况频发，维保人员容易误入危险区域(如爆炸作业区域、高温区域和有毒气体区域等)，对维保人员的安全造成了极大地隐患，现有的做法是，通过对讲机系统或是有线通讯系统进行沟通，这样的沟通方式较为传统，容易产生理解偏差。
因此，如何对煤矿井下进行危险监测，并将监测结果直观地展现给维保人员，同时避免维保人员误入危险区域，保障维保人员安全是本发明所需要解决的技术问题。
发明内容
本发明的目的在于提供一种基于大数据分析的煤矿井下运维方法及系统，以解决上述背景技术中提出“对煤矿井下进行危险监测，保障维保人员安全”的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于大数据分析的煤矿井下运维方法，所述方法包括：
获取煤矿井下的巷道信息，生成巷道平面图；
采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对，所述数据对至少包括：危险热力值和预测表；
将所述危险热力值叠加到所述巷道平面图上，获得危险热力图；划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报；
基于所述预测表，确定危险解除时间，并生成热力图预报。
进一步的，所述获取煤矿井下的巷道信息，生成巷道平面图的步骤包括：
获取煤矿井下的基础图，向所述基础图中添加巷道信息，生成巷道平面图；
向所述巷道平面图中添加标注。
进一步的，所述采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对的步骤包括：
选取多任务学习架构，确定输出层及数量，将所述输出层整合到多任务学习架构中，创建分析模型；
获取测试集，利用所述测试集对分析模型进行训练，将所述环境数据输入到训练好的分析模型中，确定输出层的输出数据，定义所述输出数据为数据对。
进一步的，所述将所述危险热力值叠加到所述巷道平面图上，获得危险热力图的步骤包括：
选取数据对中的危险热力值，切分所述巷道平面图，获取巷道分图，建立所述危险热力值与所述巷道分图的对应关系，基于所述对应关系，将所述危险热力值叠加到所述巷道平面图上。
进一步的，所述划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报的步骤包括：
对所述危险热力图进行划分，确定高危区域、戒备区域和安全区域；
基于预先设定的策略，确定人员权限，获取高危区域的视频监控数据，遍历所述视频监控数据，判断高危区域是否存在无权限人员，当发现无权限人员时，向中控系统发出警报。
进一步的，所述基于所述预测表，确定危险解除时间，并生成热力图预报的步骤包括：
确定煤矿井下的实时环境数据，利用所述实时环境数据，更新所述预测表和危险热力图，确定危险解除时间；
将所述危险解除时间推送到中控系统中。
进一步的，所述方法还包括：
将高危区域定义成危险源，构建危险源分布图；
对所述危险源分布图进行风险评估，制定风险管理计划，并利用所述环境数据更正所述风险管理计划。
进一步的，所述系统包括：
生成模块，能够获取煤矿井下的巷道信息，生成巷道平面图；
输出模块，能够采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对，所述数据对至少包括：危险热力值和预测表；
判断模块，用于将所述危险热力值叠加到所述巷道平面图上，获得危险热力图；划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报；
确定模块，能够基于所述预测表，确定危险解除时间，并生成热力图预报。
进一步的，所述生成模块包括：
添加单元，用于获取煤矿井下的基础图，向所述基础图中添加巷道信息，生成巷道平面图；
标注单元，可以向所述巷道平面图中添加标注。
进一步的，所述输出模块包括：
创建单元，选取多任务学习架构，确定输出层及数量，将所述输出层整合到多任务学习架构中，创建分析模型；
测试单元，能够获取测试集，利用所述测试集对分析模型进行训练，将所述环境数据输入到训练好的分析模型中，确定输出层的输出数据，定义所述输出数据为数据对。
与现有技术相比，本发明的有益效果是：
1、通过生成巷道平面图，可以保证维保人员及时掌握巷道内的变动，便于维保人员规划巡检路线；通过将环境数据输入到分析模型中，可确定出煤矿井下的危险热力图，使得维保人员得以直观地掌握煤矿井下的危险状况，充分保障自身安全；通过判断高危区域中是否存在无权限人员，可避免维保人员误入危险区域，保障维保人员安全，通过确定危险解除时间和热力图预报，使得维保人员得以更好地规划维保工作，保证维保工作的正常进行。
2、通过构建危险源分布图，可以提醒维保人员在危险源巡检时，格外注意安全；通过制定风险管理计划，可以保证维保人员在发现异常时，得以及时处理或是撤退，进一步提高了维保人员的安全性。
附图说明
图1为本发明实施例提供的基于大数据分析的煤矿井下运维方法的流程框图；
图2为本发明实施例提供的基于大数据分析的煤矿井下运维方法的第一子流程框图；
图3为本发明实施例提供的基于大数据分析的煤矿井下运维方法的第二子流程框图；
图4为本发明实施例提供的基于大数据分析的煤矿井下运维方法的第三子流程框图；
图5为本发明实施例提供的基于大数据分析的煤矿井下运维方法的第四子流程框图；
图6为本发明实施例提供的基于大数据分析的煤矿井下运维系统的组成框图；
图7为本发明实施例提供的基于大数据分析的煤矿井下运维系统中生成模块的组成框图；
图8为本发明实施例提供的基于大数据分析的煤矿井下运维系统中输出模块的组成框图；
图9为本发明实施例提供的基于大数据分析的煤矿井下运维系统中判断模块的组成框图；
图10为本发明实施例提供的基于大数据分析的煤矿井下运维系统中确定模块的组成框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在实施例1中，图1示出了本发明实施例提供的基于大数据分析的煤矿井下运维方法实现流程，以下进行详述，如下：
S100：获取煤矿井下的巷道信息，生成巷道平面图。
从煤矿生产管理方获取煤矿井下的巷道信息，其中包括：巷道的深度、走向、位置和宽度等，根据这些巷道信息绘制巷道平面图。
S200：采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对，所述数据对至少包括：危险热力值和预测表；
采集煤矿井下的环境数据，其中环境数据包括：瓦斯浓度、有害气体浓度、温度和湿度等，此类数据的采集可以通过传感器或是数据采集设备完成，将采集到的环境数据输入到训练完成的分析模型中，利用分析模型进行处理，输出数据对，其中数据对包括危险热力值和预测表等。
S300：将所述危险热力值叠加到所述巷道平面图上，获得危险热力图；划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报。
将危险热力值叠加到巷道平面图中，获得危险热力图，危险热力图用于表征该区域的危险程度，其可以通过红色、蓝色和绿色等表示，红色、蓝色和绿色应该与高危区域、戒备区域和安全区域一一对应；也就是说如果某区域在危险热力图中为绿色，则代表该区域为安全区域，可以正常开展工作，如果某区域的危险热力图为红色，则说明该区域为高危区域，维保人员应禁止进入，同样地，戒备区域应用蓝色表示，维保人员可以进入到戒备区域内工作，但是需要提高警惕。通过监测高危区域，对进入到高危区域内的人员进行判断，可以防止维保人员误入高危区域，如果无权限人员进入到高危区域，则向中控系统发出警报。
其中高危区域并未为不能进入的区域，其可能存在少量毒气，需要穿着防护设备的工作人员进入，但是对于维保人员来说，其风险较大；而戒备区域可能是地形复杂区域，所以当维保人员进入后，需要格外注意，通过利用视频监控等手段，可对高危区域进行实时监控；虽然高危区域风险较高，但是仍然需要开展工作，所以要向部分工作人员分发权限，以便进入到高危区域中进行取样、检测等工作。
S400：基于所述预测表，确定危险解除时间，并生成热力图预报。
分析预测表中的内容，预测出危险解除时间，并生成热力图预报，通过利用热力图预报，可以更为简单直观的展现出巷道内危险的变化情况，方便维保人员规划维保工作，如果在条件允许的情况下，可以将热力图预报、环境数据等推送到井下的显示终端中。
在实施例2中，图2示出了本发明实施例提供的基于大数据分析的煤矿井下运维方法实现流程，以下对所述获取煤矿井下的巷道信息，生成巷道平面图的步骤进行详述，如下：
S101：获取煤矿井下的基础图，向所述基础图中添加巷道信息，生成巷道平面图。
从煤矿管理者处获取井下的基础图，矿区边界、采矿井口位置、主要通道、巷道、工作区域和开采区域等，向基础图中添加获取到的巷道信息，完善细节，生成巷道平面图；巷道平面图在企业生产中，作用较大，可以辅助进行设计、规划、监测、维护和紧急情况处理等工作。
S102：向所述巷道平面图中添加标注。
在巷道平面图中添加标注，此处的标注主要是针对维保人员的标注，例如维保巡检的路线、重点关注设备等。
在实施例3中，图3示出了本发明实施例提供的基于大数据分析的煤矿井下运维方法实现流程，以下对所述采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对的步骤进行详述，如下：
S201：选取多任务学习架构，确定输出层及数量，将所述输出层整合到多任务学习架构中，创建分析模型。
从现有的MTL-NN、TF-MTL等架构中，选取合适的多任务学习架构，除了确定输出层的数量，还需要在多任务学习架构中，确定共享层，共享层主要用于提取通用特征，便于分析模型同时输出多个数据，将输出层整合到多任务学习架构中，创建分析模型。
S202：获取测试集，利用所述测试集对分析模型进行训练，将所述环境数据输入到训练好的分析模型中，确定输出层的输出数据，定义所述输出数据为数据对。
从公开资料或是数据提供商等处，获取测试集，利用测试集到分析模型进行训练，并获得训练完成的分析模型，将环境数据输入到分析模型中，确定输出数据；每个输出层都会对应着一个输出数据，将获得的所有输出数据定义为数据对。
在实施例4中，图4示出了本发明实施例提供的基于大数据分析的煤矿井下运维方法实现流程，以下对将所述危险热力值叠加到所述巷道平面图上，获得危险热力图的步骤进行详述，如下：
S301：选取数据对中的危险热力值，切分所述巷道平面图，获取巷道分图。
在实际使用中，通过传感器和测量设备等，采集巷道内的环境数据，该环境数据的数量较多，所以危险热力值的数量也不止一个，准确来说，危险热力值表示的是传感器和测量设备附近的危险程度；切分巷道平面图，将巷道平面图分成多个巷道分图，其中每个巷道分图都对应一组危险热力值。
S302：建立所述危险热力值与所述巷道分图的对应关系，基于所述对应关系，将所述危险热力值叠加到所述巷道平面图上。
将危险热力值与巷道分图整合，获得巷道平面图，通过查阅巷道平面图，即可确定巷道内各区域的危险情况。
在实施例5中，图4示出了本发明实施例提供的基于大数据分析的煤矿井下运维方法实现流程，以下对所述划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报的步骤进行详述，如下：
S303：对所述危险热力图进行划分，确定高危区域、戒备区域和安全区域。
根据危险热力值，将巷道划分为高危区域、戒备区域和安全区域，其中高危区域禁止维保人员进入，维保人员可以在戒备区域和安全区域内正常开展工作。
S304：基于预先设定的策略，确定人员权限，获取高危区域的视频监控数据，遍历所述视频监控数据，判断高危区域是否存在无权限人员，当发现无权限人员时，向中控系统发出警报。
根据实际生产需求的需要，上述实施例提及，高危区域可能是含有有毒气体的区域，需要工作人员进入到危险区域进行取样和检测等，所以需要给这些工作人员进入权限。
获取高危区域的视频监控数据，通过分析，判断出视频监控数据中是否存在无权限人员，如果无权限人员进入到高危区域，则向中控系统发出警报，此处的无权限人员可能是维保人员，也可能是其他工作人员。
在实施例6中，图5示出了本发明实施例提供的基于大数据分析的煤矿井下运维方法实现流程，以下对所述基于所述预测表，确定危险解除时间，并生成热力图预报的步骤包括：
S401：利用所述环境数据，更新所述预测表和危险热力图，确定危险解除时间；
根据传感器和测量设备，采集到的实时环境数据，对预测表和危险热力图进行更新，提高预测表的正确率，同时保证危险热力图的有效性，根据预测表，确定危险解除时间。
S402：将所述危险解除时间推送到中控系统中。
在确定好危险解除时间后，推送到中控系统中，从而为维保人员的工作安排提供数据支撑。
在实施例7中，与实施例1不同的是，在本发明实施例中，所述方法还包括：
将高危区域定义成危险源，构建危险源分布图；
对所述危险源分布图进行风险评估，制定风险管理计划，并利用所述环境数据更正所述风险管理计划。
如果在煤矿井下某区域被确定为高危区域，但是危险已经解除，此时依然可以将此区域定义为危险源，并根据危险源构建危险源分布图，根据危险源分布图对维保的巡检路线进行评估，确定巡检路线安全有效可靠，根据危险源分布图，制定风险管理计划，此处的风险管理计划可以为应急方案，也可以为巡检路线的管理计划等，根据实时环境数据对应急方案进行更新。
图6示出了本发明实施例提供的基于大数据分析的煤矿井下运维方法及系统的组成结构框图，所述基于大数据分析的煤矿井下运维系统1包括：
生成模块11，能够获取煤矿井下的巷道信息，生成巷道平面图；
输出模块12，能够采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对，所述数据对至少包括：危险热力值和预测表；
判断模块13，用于将所述危险热力值叠加到所述巷道平面图上，获得危险热力图；划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报；
确定模块14，能够基于所述预测表，确定危险解除时间，并生成热力图预报。
图7示出了本发明实施例提供的基于大数据分析的煤矿井下运维系统的组成结构框图，所述生成模块11包括：
添加单元111，用于获取煤矿井下的基础图，向所述基础图中添加巷道信息，生成巷道平面图；
标注单元112，可以向所述巷道平面图中添加标注。
图8示出了本发明实施例提供的基于大数据分析的煤矿井下运维系统的组成结构框图，所述输出模块12包括：
创建单元121，选取多任务学习架构，确定输出层数量，并将所述输出层整合到多任务学习架构中，创建分析模型；
测试单元122，能够获取测试集，利用所述测试集对分析模型进行训练，将所述环境数据输入到训练好的分析模型中，确定输出层的输出数据，定义所述输出数据为数据对。
图9示出了本发明实施例提供的基于大数据分析的煤矿井下运维系统的组成结构框图，所述判断模块13包括：
切分单元131，能够选取数据对中的危险热力值，切分所述巷道平面图，获取巷道分图；
叠加单元132，可以建立所述危险热力值与所述巷道分图的对应关系，基于所述对应关系，将所述危险热力值叠加到所述巷道平面图上；
划分单元133，用于对所述危险热力图进行划分，确定高危区域、戒备区域和安全区域；
遍历单元134，能够基于预先设定的策略，确定人员权限，获取高危区域的视频监控数据，遍历所述视频监控数据，判断是否存在无权限人员，当发现无权限人员时，向中控系统发出警报
图10示出了本发明实施例提供的基于大数据分析的煤矿井下运维系统的组成结构框图，所述确定模块14包括：
更新单元141，用于利用所述环境数据，更新所述预测表和危险热力图，确定危险解除时间；
推送单元142，可以将所述危险解除时间推送到中控系统中。
生成模块11主要用于完成步骤S100，输出模块12主要用于完成步骤S200，判断模块13主要用于完成步骤S300，确定模块14主要用于完成步骤S400；
添加单元111主要用于完成步骤S101，标注单元112主要用于完成步骤S102；创建单元121主要用于完成步骤S201，测试单元122主要用于完成步骤S202，切分单元131主要用于完成步骤S301，叠加单元132主要用于完成步骤S302，划分单元133主要用于完成步骤S303，遍历单元134主要用于完成步骤S304，更新单元141主要用于完成步骤S401，推送单元142主要用于完成步骤S402。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据分析的煤矿井下运维方法，其特征在于，所述方法包括：
获取煤矿井下的巷道信息，生成巷道平面图；
采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对，所述数据对至少包括：危险热力值和预测表；
将所述危险热力值叠加到所述巷道平面图上，获得危险热力图，划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报；
基于所述预测表，确定危险解除时间，并生成热力图预报。
2.根据权利要求1所述的方法，其特征在于，所述获取煤矿井下的巷道信息，生成巷道平面图的步骤包括：
获取煤矿井下的基础图，向所述基础图中添加所述巷道信息，生成巷道平面图；
向所述巷道平面图中添加标注。
3.根据权利要求1所述的方法，其特征在于，所述采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对的步骤包括：
选取多任务学习架构，确定输出层及数量，将所述输出层整合到多任务学习架构中，创建分析模型；
获取测试集，利用所述测试集对分析模型进行训练，将所述环境数据输入到训练好的分析模型中，确定输出层的输出数据，定义所述输出数据为数据对。
4.根据权利要求1所述的方法，其特征在于，所述将所述危险热力值叠加到所述巷道平面图上，获得危险热力图的步骤包括：
选取数据对中的危险热力值，切分所述巷道平面图，获取巷道分图；
建立所述危险热力值与所述巷道分图的对应关系，基于所述对应关系，将所述危险热力值叠加到所述巷道平面图上。
5.根据权利要求4所述的方法，其特征在于，所述划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报的步骤包括：
对所述危险热力图进行划分，确定高危区域、戒备区域和安全区域；
基于预先设定的策略，确定人员权限，获取高危区域的视频监控数据，遍历所述视频监控数据，判断高危区域是否存在无权限人员，当发现无权限人员时，向中控系统发出警报。
6.根据权利要求5所述的方法，其特征在于，所述基于所述预测表，确定危险解除时间，并生成热力图预报的步骤包括：
利用所述环境数据，更新所述预测表和危险热力图，确定危险解除时间；
将所述危险解除时间推送到中控系统中。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将高危区域定义成危险源，构建危险源分布图；
对所述危险源分布图进行风险评估，制定风险管理计划，并利用所述环境数据更正所述风险管理计划。
8.一种基于大数据分析的煤矿井下运维系统，其特征在于，所述系统包括：
生成模块，能够获取煤矿井下的巷道信息，生成巷道平面图；
输出模块，能够采集煤矿井下的环境数据，将所述环境数据输入到训练好的分析模型中，输出得到数据对，所述数据对至少包括：危险热力值和预测表；
判断模块，用于将所述危险热力值叠加到所述巷道平面图上，获得危险热力图；划分所述危险热力图为高危区域、戒备区域和安全区域，判断所述高危区域中是否存在无权限人员，如果存在，则向中控系统发出警报；
确定模块，能够基于所述预测表，确定危险解除时间，并生成热力图预报。
9.根据权利要求8所述的系统，其特征在于，所述生成模块包括：
添加单元，用于获取煤矿井下的基础图，向所述基础图中添加巷道信息，生成巷道平面图；
标注单元，可以向所述巷道平面图中添加标注。
10.根据权利要求8所述的系统，其特征在于，所述输出模块包括：
创建单元，能够选取多任务学习架构，确定输出层及数量，将所述输出层整合到多任务学习架构中，创建分析模型；
测试单元，能够获取测试集，利用所述测试集对分析模型进行训练，将所述环境数据输入到训练好的分析模型中，确定输出层的输出数据，定义所述输出数据为数据对。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311841790.1A CN117556978B (zh) | 2023-12-29 | 一种基于大数据分析的煤矿井下运维方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311841790.1A CN117556978B (zh) | 2023-12-29 | 一种基于大数据分析的煤矿井下运维方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117556978A true CN117556978A (zh) | 2024-02-13 |
| CN117556978B CN117556978B (zh) | 2024-06-25 |
Family
ID=
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1715615A (zh) * | 2005-08-05 | 2006-01-04 | 郑州煤炭工业(集团)有限责任公司 | 煤矿生产矿井瓦斯防治导航系统 |
| CN102682341A (zh) * | 2012-04-30 | 2012-09-19 | 山西潞安环保能源开发股份有限公司常村煤矿 | 煤矿应急救援指挥信息管理系统及其方法 |
| CN109685248A (zh) * | 2018-11-20 | 2019-04-26 | 上海大学 | 一种煤矿井下安检人员巡检路径和任务高效统筹方法 |
| CN110761843A (zh) * | 2019-11-06 | 2020-02-07 | 天地（常州）自动化股份有限公司 | 井下巷道图自动生成及智能煤矿达标评测的方法 |
| CN115150589A (zh) * | 2022-06-30 | 2022-10-04 | 合肥恒翔电子科技有限公司 | 一种用于煤矿企业的视频监控运维管理系统 |
| CN115311241A (zh) * | 2022-08-16 | 2022-11-08 | 天地（常州）自动化股份有限公司 | 一种基于图像融合和特征增强的煤矿井下行人检测方法 |
| CN115596509A (zh) * | 2022-09-21 | 2023-01-13 | 贵州安和矿业科技工程股份有限公司（Cn） | 一种煤矿巷道掘进过程中的瓦斯预警方法 |
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1715615A (zh) * | 2005-08-05 | 2006-01-04 | 郑州煤炭工业(集团)有限责任公司 | 煤矿生产矿井瓦斯防治导航系统 |
| CN102682341A (zh) * | 2012-04-30 | 2012-09-19 | 山西潞安环保能源开发股份有限公司常村煤矿 | 煤矿应急救援指挥信息管理系统及其方法 |
| CN109685248A (zh) * | 2018-11-20 | 2019-04-26 | 上海大学 | 一种煤矿井下安检人员巡检路径和任务高效统筹方法 |
| CN110761843A (zh) * | 2019-11-06 | 2020-02-07 | 天地（常州）自动化股份有限公司 | 井下巷道图自动生成及智能煤矿达标评测的方法 |
| CN115150589A (zh) * | 2022-06-30 | 2022-10-04 | 合肥恒翔电子科技有限公司 | 一种用于煤矿企业的视频监控运维管理系统 |
| CN115311241A (zh) * | 2022-08-16 | 2022-11-08 | 天地（常州）自动化股份有限公司 | 一种基于图像融合和特征增强的煤矿井下行人检测方法 |
| CN115596509A (zh) * | 2022-09-21 | 2023-01-13 | 贵州安和矿业科技工程股份有限公司（Cn） | 一种煤矿巷道掘进过程中的瓦斯预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宋继祥 等: "基于数据融合智能判别的矿压风险预警和防控系统平台的开发", 菏泽学院学报, vol. 42, no. 5, 31 October 2020 (2020-10-31), pages 41 - 46 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108490889B (zh) | 基于te模型的智能工厂安全大数据数据源发生方法及装置 | |
| US20190080565A1 (en) | Safety Management System for Worker at Tunnel Construction Site | |
| CN107424380A (zh) | 城市地下综合管廊监测预警系统及其方法 | |
| CN106020154A (zh) | 一种用于乙烯生产的安全动态健康评估方法及评估系统 | |
| Yinghua et al. | Discussion on application of IOT technology in coal mine safety supervision | |
| Chen et al. | An accident causation model based on safety information cognition and its application | |
| KR101713253B1 (ko) | 가상사고 기반 방사선비상 현장탐사 훈련방법 | |
| CN111860960A (zh) | 基于大数据互联网+区块链预测预控云智慧监理共享平台 | |
| CN111178828A (zh) | 一种建筑消防安全预警的方法和系统 | |
| Debrincat et al. | Assessing organisational factors in aircraft accidents using a hybrid Reason and AcciMap model | |
| KR20190018192A (ko) | 유해화학물질의 다층적 확산분석정보 제공방법 | |
| CN113554540A (zh) | 一种海上危化品突发事故应急处理方法和系统 | |
| CN110987815A (zh) | 空天地一体水环境监测预警系统 | |
| CN109508844B (zh) | 一种用于协同作业的安全风险分析方法及系统 | |
| CN116384741A (zh) | 一种危险源辨识与管理系统及装置 | |
| CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
| Forcina et al. | Exploring Industry 4.0 technologies to improve manufacturing enterprise safety management: A TOPSIS-based decision support system and real case study | |
| CN117556978B (zh) | 一种基于大数据分析的煤矿井下运维方法及系统 | |
| CN117556978A (zh) | 一种基于大数据分析的煤矿井下运维方法及系统 | |
| RU2536657C1 (ru) | Система оценки безопасности и эффективности проектных решений по обеспечению безопасности опасного производственного объекта | |
| JP2011210173A (ja) | 導管巡回評価システム | |
| CN113391605A (zh) | 基于数字矿山技术的自动化采矿方法 | |
| CN105116821A (zh) | 一种石化装置投料试车安全监护平台及使用方法 | |
| Botrugno et al. | Building Information Modelling Supporting Safety and Security Threats Management: A Literature Review | |
| CN112179397A (zh) | 一种化工装置无人巡检方法 |
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 |