煤矿外因火灾早期探测方法研究.pdf

第 4 1卷 第 9 期 2 0 1 5年 9月 工矿 自 动化 I n dus t r y a nd M i n e Aut o ma t i on V0 I ． 41 No ． 9 S e p ． 2 0 1 5 i经验交流 - ．1 ⋯ ． ． { ◆ 文 章编 号 1 6 7 1 2 5 1 X 2 O 1 5 0 9 0 0 6 3 0 4 DOI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 X ． 2 0 1 5 ． 0 9 ． 0 1 6 王嫒彬 ， 马宪民． 煤矿外因火灾早期探测方法研究E J - 1 ． 工矿 自动化 ， 2 0 1 5 ， 4 1 9 6 3 6 6 ． 煤矿外因火灾早期探测方法研究 王媛 彬 ， 马 宪 民 西安科技大学 电气与控制工程学 院， 陕西 西安7 1 0 0 5 4 摘要 针对 煤矿 井下环 境特 点 ， 提 出了基 于数 字 图像 处 理和 支持 向量机 的煤矿 外 因 火 灾早期 探 测 方 法。 该 方 法根 据 火 灾初 期 的 变化特征 ， 用 图像 处 理 方法提 取 温度 变化 率 、 面积 增 长率 、 火焰 闪 烁频 率和 整 体 稳 定 性等特征值， 并将其作为输入信号 ， 利用支持 向量机进行数据融合后 实现 火灾探测。实验结果表 明， 该方法 能够对煤矿 井下高危火源和干扰信号进行分类识别 ， 具有探测率高、 误判率低 、 实时性好 、 鲁棒性强的特点。 关键 词 煤矿 ；外 因火 灾 ；火 灾探 测 ； 数 字 图像 处理 ；支持 向量机 中 图分类 号 T D7 5 2 ． 3 文献 标志 码 A 网络 出版 时间 2 0 1 5 0 8 2 9 1 5 4 7 网络 出版 地址 h t t p ／ ／ www． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． T P ． 2 0 1 5 0 8 2 9 ． 1 5 4 7 ． 0 1 6 ． h t ml Re s e a r c h o f e a r l y p r e d i c t i o n me t ho d f o r e x o g e n o u s f i r e i n c o a l mi n e W ANG Yua nbi n．M A Xi a nmi n Co l l e g e o f El e c t r i c a l a n d Co n t r o l En g i n e e r i n g，Xi a n Un i v e r s i t y o f S c i e n c e a n d Te c h n o l o g y， Xi a n 71 0 0 5 4，Chi n a Ab s t r a c t Ea r l y p r e di c t i on m e t ho d f or e x og e n ous f i r e i n c o a l m i ne b a s e d o n di g i t a l i m a ge pr o c e s s i ng a n d S V M wa s p r op os e d a c c or d i ng t o c o a l m i ne e n vi r o n m e n t c h a r a c t e r i s t i c s ．The m e t ho d us e s i ma ge pr o c e s s i ng m e t ho d t o e x t r a c t c ha r a c t e r i s t i c s v a l ue s o f t e m p e r a t u r e c ha n ge r a t e ． a r e a g r o wt h r a t i o， f l a me f l i c ke r f r e q u e n c y a n d o v e r a l l s t a b i l i t y a c c o r d i n g t o i n i t i a l c h a n g i n g f e a t u r e s o f f i r e ，a n d t a k e s t h e m a s i n p u t s i g n a l t o SVM f or d a t a f u s i on，S O a s t o a c hi e v e f i r e d e t e c t i o n．Th e e x pe r i m e nt a l r e s u l t s s ho w t h a t t h e m e t h od c a n r e a l i z e c l a s s i f i c a t i on a n d r e c o g ni t i on of hi g h r i s k f i r e s o ur c e a n d i n t e r f e r e nc e s i g na l o f c o a l m i n e，a nd ha s h i g h d e t e c t i o n r a t e ，l o w mi s j u d g me n t r a t e ，g o o d r e a l t i me p e r f o r ma n c e a n d r o b u s t n e s s ． Ke y wo r dsc o a l mi ne； e x o ge n ou s f i r e； f i r e pr e d i c t i o n； di gi t a l i m a ge p r oc e s s i ng； s up po r t ve c t or m a c hi ne 0 引言 矿 井火 灾 是 煤 矿 的 主要 灾 害 之 一 ， 其 中 由外 来 火 源 引起 的火 灾称 为外 因火灾 。外 因火 灾产 生 的 主 要 原 因有 明火 由 电焊 、 电炉 引起 、 电气 火 由电缆 、 开关 、 电动机过负荷、 短路 、 电火花 、 违规吸烟引起 、 违 规 爆破 、 瓦斯 、 煤 尘爆 炸 、 机 械摩 擦及 碰撞 可燃 物 。 例如 ， 发生“ 危险托辊” 时 ， 轴承座与滚筒筒皮 间的强 力摩 擦会 使轴 承腔 内的润 滑 脂 燃 烧 ， 3 O ～ 5 O S内产 生火 苗 ； 电缆 与胶 带 间 的摩 擦 会 造成 短 路 电缆 放炮 着火 ； 介质液力耦合器可能 因过负荷造成油带火喷 出 ， 酿成火 灾事 故 [ 1 ] 。外 因火灾 虽 占 比例不 高 ， 但一 般具有偶然性 、 突发性、 快速蔓延等特点 ， 造成的后 果 比较严 重 。因此 ， 对 外 因火 灾 进行 早 期 探 测 预警 尤为 重要 ， 对 于煤矿 安全 生产具 有 重大意 义 。 近年来煤矿放顶煤综采工作面 的数量不 断增 收稿 日期 2 0 1 5 一 O 4 2 4 ； 修回 日期 2 0 1 5 0 7 1 6 ； 责任编辑 胡娴 。 基金项 目 国家 自然科学基金项 目 5 1 2 7 7 1 4 9 ； 陕西省教 育厅专项项 目 1 4 J K1 4 6 7 ； 西安科技大学博士启动基金项 目 2 0 1 4 QD J 0 1 0 。 作者简介 王嫒彬 1 9 7 7 一 ， 女 ， 河南平顶 山人 ， 副教授 ， 博士 ， 从事矿井安全监控等方面的教学与科研工作 ， E ma i l wa n g y b 9 9 8 1 6 3 ． c o rn。 2 0 1 5年 第 9期 王媛彬 等 煤矿 外 因火灾早期 探 测方 法研 究 6 5 设火灾 图像 的变化速率 区间为 D ， D 可 由实 验 获得 。当 ， ∈D 时 ， 点 ， 咒 保 留 ， 相 反 ， 若 m， D ， 剔除。 3 ． 2 火焰 面积增 长 率 火灾 初期 火 焰面 积呈 连续 性 、 扩展 性趋 势 ， 图像 上表 现 为高亮 度 区域 持续 增 长及 空 间分布 变化 。计 算连续 5帧 图像 的面积及其 比值 ， 用面积增长率 G 作 为 判据 G 一 二 3 b 一 L J t。 t o 式 中 R 为 火 焰 区 域 ； S R 和 S R 分 别 为 t时 刻 、 t 。 时 刻 R 的 面 积 ， 其 值 可通 过 统 计 目标 物 体 的 像 素点 实现 。 根 据式 3 计 算 得到 的 实验结 果 见表 1 。 表 1 早期 火灾火焰及干扰源 的面积统计 由表 1可 以看 出 ， 静 止 的 白炽灯 面 积基本 不 变 ， 晃 动 的 白炽 灯 面积 在 一 定 范 围 内无 规 则跳 动 ， 而 行 进的机车前灯由于不断 向摄像头靠近 ， 探测到 的 目 标 面积 是逐 渐增 大 的 。 3 ． 3 火 焰跳 动频 率 火 焰 在燃烧 过 程 中 ， 会 按某 种频 率 闪烁 ， 利用 该 特 征可 将 火焰 和运 动 的干扰 物 区分 开来 。火 灾初 期 出现 明火 后 火 焰 的 主要 频 率 为 8 ～ 1 2 Hz ] 。 由于 火 焰整 体相 对稳 定 ， 可 假设 火 焰 随机 性 与 其 跳 动 频 率 有直 接关 系 。 设一定 时间内采集 H 帧序列图像 ， 得到 H 个 面积观测值 ， 对面积观测值进行傅里叶变换 ， 并分析 其频谱特性 厂 一 z e x p j 2 7 t ／ 4 式 中 s z 为 面积 观测 值 ； z 一1 ， 2 ， ⋯ ， H 。 根据式 4 ， 若跳动频率在 8 ～1 2 Hz 之 间强 占 优 ， 即可确定存在类似于火焰燃烧的红外辐射 ， 可判 定 为火 灾 。 3 ． 4 火 焰整体 移 动性 早期火灾火焰是不断发展的， 在整体上是连续 移 动 的[ 9 ] ， 满 足 相 对 稳 定 性 。火 焰 的整 体 移 动 性 可 通过坐标 ， 来体现 叉一[ ∑M 1 ， a ] ／ n一 1 _y一[ ∑M 2 ， a ／ n 1 2 1 式 中 M 是 一个 2行 列 的矩 阵 。 每帧图像 中心位置见表 2 。 表 2 整体 移动特性计算 结果 图像中心位置 图像来源 第 1帧 第 2帧 第 3帧 第 4帧 早期火焰 1 5 0 ， 1 9 1 1 5 2 ， 1 9 0 1 5 5 ， 1 9 1 1 5 5 。 1 9 2 1 5 8 ， 1 9 2 机车前灯 2 3 2 ， 7 8 2 2 4 ， 7 5 2 3 8 ， 6 3 2 5 4 ， 8 8 2 4 2 ， 9 0 静止的 1 9 O， 8 3 1 9 3， 8 0 1 9 4， 8 1 1 9 2， 8 4 1 9 1 ， 8 3 白炽灯 晃动 的 2 5 1， 9 9 21 3， 5 6 2 8 4， 7 8 3 25 ， 11 2 23 6 ， 8 4 白炽灯 由表 2可知 ， 静止 的 白炽灯 中心 位置基 本不 变 ， 而晃动 的 白炽灯 和行 进 的机 车前 灯 由于位 置发 生变 化 ， 呈现无规则跳动 。对于早期火灾火焰来说 ， 其中 心有连 续 运 动 且 变 化 的 特 征 。根 据 相 对 稳 定 性 分 析， 可将一些干扰源作为噪声加 以排除。 4基 于支 持 向量机 的火 灾识别 支 持 向量 机 S VM 以 结 构 风 险 最 小 为 原 则 寻 求最优分类 ， 具有结构简单、 训练速度快 、 泛化能力 强等优点 ， 在解决小样本、 非线性和高维模式分类问 题方 面有 显著优 势 。 由于火灾 探测信 号是 一类 典 型 的非线性信号 ， 所以本 文采用 S VM 来 区分井下 高 危 区域 与 干扰 源 。 S VM 的工作 原 理 是将 输 入 空 间通 过 用 非 线性 映射变换到一个高维空间， 转换成线性问题， 在高维 空 间中 寻 找 最 优 分 类 面 。假 设 N 个 线 性 可 分 的 k维 训 练数据 构 成 样 本集 { z ， Y i 一 1 ， 2 ， ⋯ ， N ， 其 中 z E R 是 第 i 个 训 练 样本 ， y E { 一 1 ， 1 是 相应 的类 别 号 ， 1或 一 1分 别 表 示 真 假 火 灾 。当 z 线 性 可 分 时 ， 构 造 最 优 分 类 超 平 面 方 程 为 W X6 0 ， 其 中 W是一 个 k维列 向量 ， b 是控 制 函数 的参数。两类间分类间隔为 2 w ll ， 为了达到分类 间隔最大， 需取}1 W ll 最小值口 ] 。 利用拉格朗 日因子 a ， 并将原始优化 问题对偶 化 ， 则 有 N N m a x L a 一∑a 一1 ／ 2 ∑ ， Y Y z i 1 i ， ， 一 1 7 - 一 ㈣㈤ 6 6 工矿 自动 化 2 0 1 5年 第 4 1卷 f Y w x 6 ≥ 1 s ． t ． N 8 l ∑ 一0 ， ≥ 0 由于火 灾是一个 线性不可分 的过程 ， z 需 要用核 函数 K x i x j 映射到高维空间， 从而在求解最优化 问题 和判别 函数 时可 避 免维 数灾 难 。引入 松 弛变 量 8， 按照风 险最小化理论 ， 上述优化 问题 可转化 为 f Y w o x { 6 ≥ 1一 a s ．t ．{ 一 N 1 0 l a i y 0， 0≤ 口 f ≤ C 式 中 z 为 非线性 变换 函数 ； C为 惩 罚 因子 ， 用 于 控 制对 错分 样本 惩罚 的程 度 。 最 终 的分类 器 为 厂 一 s g n l a ly K z z f b J 1 1 i 1 采 用 4组视 频作 为测 试数 据来 源来 验证 算法 性 能 。由于各 种数 据 的量 纲不 同 ， 量 级差 别也 很大 ， 所 以要将数据归一化到[ O ， 1 ] ， 然后再把这些特征量当 作 S VM 分类器的样本输人量 。实验时首先对视频 进 行分 帧 处 理 ， 从 有 火 视 频 和 干 扰 视 频 分 别 取 出 8 0帧作为训练 图像 ， 6 O帧图像作为测试数据 ， 干扰 源主 要 是 自炽 灯 、 机 车 前 灯 、 手 电 、 烟头 。为 比较 不 同核 函数 的 性 能 ， 分 别 采 用 多 项 式 核 函 数 、 径 向基 R B F核 函数 和 s i g mo i d核 函数 训 练 S VM。 实验 结 果表明， 径 向基核 函数在小样本 、 大样本 、 低维度和 高维度等试验中 R B F都能取得较好的性能， 表现出 了良好 的学习能力 ， 而且利用 RB F训练的 s V M 分 类识 别率 最高 ， 所 以选用 R B F核 函数 。 S VM 的参 数通 过 网格 搜 索 法 来 确 定 。惩 罚 因 子 Cff E e ～， 2 ] ， 核宽度 ∈E 2 。 ， 2 ] ， 其步长均取 1 。对 C和 寻优 获得 最 优解 C 一 2 ． 9 ， 0 ． 6 后 建立 S VM 模型 ， 对测试样本进行识别 ， 并对 S VM、 B P神经网络算法进行了比较 ， 结果见表 3 。 表 3 2 种算法识别 结果 从表 3可以看出， B P神经网络算法的训练耗时 明显多于 S VM 算法 ， 而识别率又低于 S VM 算法 。 这是因为 B P神经 网络建立时不断寻优 ， 迭代次数 较 多 ， 而 S VM 算 法 最 终 的分 类 器 仅 由少 数 的支 持 向量决定 ， 从而降低了计算的复杂度和计算耗时 ， 且 克 服 了 B P神 经 网络 算法 易产 生 过 学 习 和 陷入 局 部 最 小点 的缺 陷 。另 外 图像 质 量 、 预处 理 效 果 及 样 本 的选取 均会 影 响到识 别率 。实验 结果 表 明， 基 于 S VM 算法的早期火灾探测方法识别率较高， 对于真 假火源 的识别更为快速有效 ， 且无需通过多次实验 设 定 阈值来 区分 火源 和干 扰物 。 5 结 语 基于数字图像处理技术对矿井外因火灾探测方 法进行研究 ， 根据早期火灾火焰的动静态特性 ， 在提 取图像的 4个特征参数后 ， 选取合适 的核函数 ， 并优 化 惩罚 因子 和核 函数 参 数 ， 建 立 S VM 对 特 征 数 据 进行分类识别 ， 最后 与 B P神经 网络算法进行 了 比 较 。比较结 果 表 明 ， 基 于 S VM 算 法 的早 期 火 灾 探 测方法能够较好地识别高危信号和干扰信号 ， 具有 探测率高 、 鲁棒性强的特点 ， 对煤矿安全生产有一定 指 导意 义 。 参 考 文献 [1 ] 徐 晓明． 煤矿井下胶带输送机火灾 事故 分析及预防对 策 [ J ] ． 煤矿安全 ， 2 0 1 0 ， 4 1 9 1 3 2 1 3 5 ． [ 2] 刘 小杰． 矿 井火 灾发 生原 因与 防 治技 术 E J ] ． 煤 炭技 术 ， 2 0 0 9 ， 2 8 2 8 3 8 6 ． [ 3] 薛 毅 ， 邬剑 明， 王俊峰． 矿井 自燃火灾束 管监 测系统应 用研究 [ J ] ． 工矿 自动化 ， 2 0 1 4 ， 4 0 4 1 0 2 1 0 4 ． [ 4] 金华彪 ． 基于数字 图像处理 的火灾探 测技术 [ J ] ． 消 防 科 学与技术 ， 2 0 0 2 ， 2 1 3 4 6 4 7 ． [5 ] 薛博． 一种基于网络摄像机的火焰识别方法E J ] ． 电子 科 技大学学报 ， 2 0 0 6 ， 3 5 3 2 8 3 0 ． [ 6] 袁 庆辉． 基 于图像识别 的井下早期 火灾探测方法 的实 现E J ] ． 煤炭技术 ， 2 0 1 1 ， 3 0 1 1 0 6 1 0 8 ． [7 ] 安志伟 ， 袁宏永 ， 屈玉贵． 数据 采集 在火焰闪烁频率 的 测量研究及分析 中的应用 [ J ] ． 火 灾科学 ， 2 0 0 0 ， 9 2 4 3 4 7． [8] 朱 康 生． 基 于 视 频 图像 的火焰 识 别 软 件 设 计 [ D] ． 西安 西安 电子科技大学 ， 2 0 0 9 ． [9 ] 乔 继斌． 基 于 图像 处 理技 术 的火 灾 检测 E D] ． 沈 阳 沈 阳工业大学 ， 2 0 0 8 ． E l o ] 赵弼龙 ， 乔铁柱． 基于 支持 向量 机红外 图像 分割 的输 送带纵 向 撕 裂 检 测 方 法 [ J ] ． 工 矿 自动 化 ， 2 o 1 4 ， 4 0 5 3 0 3 3 ． [ 1 1 ] 谢理 ， 张认 成 ， 蔡钟 山． 支持向量机在火灾早期探 测 中 的应用 E J ] ． 广西大学学报 自然科学 版 ， 2 0 1 1 ， 3 6 2 24 6 2 50 ． [ 1 2 ] 贾岩峰， 王春雷， 解海东， 等． 支持向量机在煤炭营销 风险评 估 中 的 应 用 研 究 [ J ] ． 工 矿 自动 化 ， 2 0 1 1 ， 37 7 6 8 71 ． 9 Z z ／ K 口 ∑ 2 ／ 一 ∑ 一 a L X a m