基于物联网的煤矿塌陷监测预警系统.pdf

电子设计工程 Electronic Design Engineering 第28卷 Vol.28 第11期 No.11 2020年6月 Jun. 2020 收稿日期 2019-09-05稿件编号 201909035 基金项目 河南省高等学校重点科研项目计划支持 （17A520043； 16B520017） ； 河南省基础与前沿技术研究计划 项目 （162300410193） ； 郑州市重点实验室建设项目 （121PYFZX177） ； 郑州市急特需专业教学质量工 程资助项目 （ZZLG201608） 作者简介 韩 芳 （1981） ， 女， 河南新乡人， 硕士， 副教授。研究方向 通信网， 物联网技术。 煤炭资源推动了社会经济的发展， 随着煤炭开 采数量的剧增， 一旦发生塌陷会对土地资源带来严 重的破坏。采空塌陷会严重破坏耕地、 地面建筑物 和矿区等其它公共设施。因此煤矿采空塌陷的监测 是保障矿区安全、 灾害预警的必要工作， 设计煤矿塌 陷监测预警系统有助于对矿区地面塌陷进行科学评 估， 促进矿区及人民生命财产的安全性， 同时也促进 了矿区经济的可持续发展。 目前大部分的矿区监测系统主要用于矿井瓦斯、 矿井下复杂环境及煤矿安全生产等监测， 文献[1-3] 主要利用传感器建立无线网络对矿井瓦斯浓度进行 监控； 文献[4-6]主要是通过物联网技术对矿煤矿井 下的复杂环境进行安全智能监测； 文献[7-9]主要采 用层次分析法对煤矿的安全生产进行预警评价。本 文在以上研究的基础上， 采用物联网技术针对矿井塌 基于物联网的煤矿塌陷监测预警系统 韩 芳， 陶 然 （黄河科技学院 河南 郑州 450063） 摘要针对煤矿塌陷带来的灾害， 设计了基于物联网技术的煤矿塌陷监测预警系统。通过对煤矿 塌陷环境的分析， 设计监测预警系统的总体架构， 利用Knothe函数构建塌陷预测模型， 采用PHP开 发语言， 结合MySQL数据库设计了煤矿塌陷监测预警系统， 实现对煤矿塌陷区的预测预警、 数据统 计分析、 公告管理等功能。塌陷监测预警系统能够对煤矿塌陷区进行实时监管， 提高了矿区的信 息化水平， 保障了采空区的安全。 关键词传感器；塌陷监测；预测模型；预警 中图分类号 TN923文献标识码 B文章编号 1674-6236 （2020） 11-0137-05 DOI 10.14022/j.issn1674-6236.2020.11.031 Coal mine collapse monitoring and early warning system based on Internet of Things HAN Fang， TAO Ran （Huanghe Science Technology College， Zhengzhou 450063， China） Abstract In view of the disaster caused by coal mine collapse，a coal mine collapse monitoring and early warning system based on Internet of Things technology was designed.Through the analysis of the collapse environment of coal mine，the overall structure of the monitoring and early warning system is designed， the Knothe function is used to construct the collapse prediction model，the PHP development language is combined with the MySQL database to design the coal mine collapse monitoring and early warning system，thesystemrealizes thefunctions of forecastingandwarning， statistical analysis and announcement management of coal mine subsidence areas.The collapse monitoring and early warning system can supervise the coal mine subsidence area in real time，improve the ination level of the mining area， and ensure the safety of the goaf. Key words sensor； collapse monitoring； prediction model； early warning --137 电子设计工程 2020年第11期 陷进行监测， 实时采集塌陷数据， 利用Knothe函数塌 陷预测模型[10-11]， 设计塌陷监测预警系统， 及时公布预 警数据， 实时监测， 最大化的保障采空区安全。 1系统构建 为了能够对矿区进行实时监测和塌陷预警， 设 计了集数据采集与处理、 数据分析与发布的煤矿塌 陷监测预警系统。本系统由传感子系统、 数据采集 传输子系统和数据分析预警子系统组成。传感子系 统有传感器监测单元组成， 负责地表沉降区位移监 测点监测数据的采集； 数据采集传输子系统负责传 感器系统所采集数据实时的传输到控制中心； 数据 处理分析预警子系统由分布在监控中心的小型机系 统、 服务器系统及软件组成。图 1为系统整体架构， 由井上和井下两部分组成， 井上可以进行远程监控， 井下通过 WSN技术形成覆盖监测区域的无线网络， 实时感应矿井下煤层或者岩层内部应力变化， 测量 监测点区域内的结构突发或者缓慢变形， 实时采集 数据， 通过网络传输到监控中心， 向数据预警系统传 递参数， 与监控中心进行实时数据交互。 图1系统整体架构 在系统的监控中心建设有数据采集服务器、 监 控应用服务器、 大屏幕监控屏、 监测数据服务器等， 实现对现场监测数据的采集、 统计、 分析、 预警。图2 为监控中心的网络部署。 2系统设计 本系统采用物联网技术实现对矿区塌陷的监测 预警， 设计的主要功能模块包括发布数据、 统计数 据、 预警、 预警公告、 公告管理、 数据备份、 系统设置 等主要功能模块。图 3中列出了系统的主要功能模 块。系统提供工作人员能够对塌陷数据进行查询、 统计监测数据分布图、 及时公告预警、 数据及时存储 及恢复、 用户角色以及不同角色权限设置等功能。 图3系统主要功能模块 2.1塌陷预测模型 目前， 塌陷预测模型大概有五类方法 第一类为 经验法； 第二类为剖面函数法； 第三类为影响函数 法； 第四类为理论模型法； 第五类为物理模型法。本 文依据采煤塌陷区土地的动态沉降与时间的密切关 系， 构建基于Knothe函数塌陷预测模型， 将Knothe函 数引入概率积分模型[12]。 煤矿开采后， 地表下沉速度∂Wt/∂t与地表最大 下沉值Wmax和某一时刻t的动态下沉值Wt之差成正 比例关系[13]， 即 ∂Wt ∂t cWmax-Wt（1） 式中c为时间参数。 假定初始时刻边界条件t0， 那么 Wt0， 地表动态沉降计算模型为， WtWmax1-e -ct （2） 根据工程需要求取任意时间内的下沉， 由式 （2） 推导出 qt Wt Wmax 1-e -ct （3） 图2监控中心网络部署 --138 式中qt为任意时刻地表下沉系数。 实际的煤矿开采后地表下沉曲线Wx为 Wx qm 2 erf π r x-S 1（4） 式中， q为实际下沉系数， S为拐点偏移距， m 为 煤层开采厚度， r为主要影响半径， x为距采空区边界 的长度。 将式 （3） 的 qt代入式 （4） 中， 既可以得到任意时 刻地表下沉曲线Wtx， Wtx qtm 2 erf π r x-S 1（5） 由式 （5） 可计算出塌陷区某一阶段的下沉量 Wqx， 即 WqxWt 2x-Wt1x （6） 式子中Wt 1x 为起始的沉降曲线，Wt 2x 为起止 的沉降曲线。 通过 Wqx可求任一时间内矿区塌陷区域的下 沉量。 2.2数据分析与预警 通过 WSN 技术在采空区布置传感器形成覆盖 监测区域的无线网络， 根据矿井下煤层或者岩层内 部应力变化， 实时监测并通过网络将数据传输到监 控中心， 由监测预警系统进行实时监控和预警。 1） 实时数据分析 通过部署专用的数据采集终端从塌陷区通过感 应器来采集实时状态数据， 通过监控系统对数据进 行自动记录， 并对采集的现场数据进行综合处理， 分 析现场数据， 智能分析塌陷区的安全状况， 出现异常 实时报警。 2） 统计分析 工作人员通过系统可以查询显示具体时间历史 监测数据及沉降曲线图， 通过数据曲线展示现场监 测数据变化情况， 提供一定的数据分析功能。 3） 预警报警 依据预测模型， 通过对监测数据的综合分析， 系 统可以根据设定的警报条件进行报警提示， 提供事 故原因分析和应急预案的建议， 并提示相关区域人 员正确的排除安全隐患， 同时及时的识别错误的预 警信号， 确保矿区的安全运行。 3系统实现 本系统集成煤矿塌陷预测模型， 设计了煤矿塌 陷监测预警系统， 系统采用三层B/S架构， 基于UI人 机交互界面， 运用 HBuilder 工具、 PHP 技术， MySQL 数据库 [14]、 layui、 thinkPHP、 ECharts 框架组件等进行 开发[15-16]。系统实现了数据统计、 数据发布、 系统预 警、 公告管理等主要功能模块。 图4系统数据统计发布 3.1数据统计发布 数据发布模块是塌陷监测系统的核心之一， 工 作人员可以通过系统发布塌陷监测到的实时数据， 当工作人员对数据进行综合分析处理发布后， 系统 会将该发布的监测数据以图表的形式显示。图 4为 系统数据统计发布。 选取 X1， X2， X3， X4， X5 5 个观测点， 系统测试 数据表明， 图5中选取的5个观测点的平均水平位移 量均在0 mm附近， 其中X2观测点向外偏移， 最大位 移量-7.2 mm， X5 观测点位移向内偏移， 最大位移 韩 芳， 等基于物联网的煤矿塌陷监测预警系统 --139 电子设计工程 2020年第11期 量5.86 mm。 图5水平位移时间曲线 图 6 为垂直位移时间曲线， 从选取 V1， V2， V3， V4 4个观测点可以看出， 总体曲线变化是下降的， 垂 直位移变化较小， 最大位移值发生在 V2位置， 最小 位移发生在 V1位置， 数据监测曲线变化平稳， 没有 出现异常， 未达到报警预值。 图6垂直位移时间曲线 3.2系统预警 系统预警模块主要是根据系统设定的预警阈 值， 发布预警通知， 通知工作人员及时对煤矿采空塌 陷区域进行安全隐患排查。图7为系统预警模块。 图7系统预警模块 3.3系统公告管理 系统的公告管理模块主要是为了方便管理员和 工作人员之间处理预警的交互模块， 管理员可以通 过发布预警公告来通知相关工作人员， 工作人员可 以随时查看系统发布的预警通知， 及时处理煤矿采 空区域的安全隐患。图8为系统公告管理模块。 图8系统公告管理模块 --140 4结束语 文中设计的煤矿塌陷监测预警系统采用了物联 网技术， 根据Knothe函数设计了塌陷预测模型， 设计 了传感子系统、 数据采集传输子系统和数据分析预 警子系统， 对数据进行实时分析和塌陷预警， 并对数 据进行了及时备份， 为采矿区的塌陷预测提供了便 利的技术支撑和安全性保障， 很大程度上提高了塌 陷预警及工作效率， 给煤矿塌陷监测预警工作带来 了一定的参考价值。 参考文献 [1] 晏勇， 周相兵.基于物联网矿井瓦斯动态监测与 预警系统设计[J].实验室研究与探索， 2016， 35 （1） 93-96， 105. [2] 陈鸿. 基于物联网的矿井瓦斯及人员动态监管系 统设计与应用[J]. 矿业安全与环保，2011，38 （4） 28-30. [3] 田振辉， 黄兴海， 朱超， 等. 基于物联网的矿井瓦 斯灾害预警系统网络节点设计[J]. 电脑知识与技 术， 2014 （34） 8326-8327. [4] 付贵祥， 周红军， 郭继茹. 基于物联网的煤矿安 全综合智能预警系统[J]. 工矿自动化， 2014， 40 （4） 99-101. [5] 王军号. 基于物联网感知的煤矿安全监控信息处 理方法研究[D]. 淮南 安徽理工大学， 2013. [6] 杨阳， 秦晓慧， 付江龙. 面向煤矿安全的智能监 控及预警系统设计[J]. 物联网技术，2018，8 （12） 23-24， 27. [7] 郭锐. 基于层次分析法的煤矿安全生产智能预警 系统[D]. 西安 西安电子科技大学， 2008. [8] 方刚， 迪明， 刘韩勇， 等. 基于模糊层次分析法的 煤矿安全生产预警系统[J]. 工矿自动化，2013 （11） 98-102. [9] 王晓明， 吕颖.模糊层次分析法的企业安全生产 预警系统改进研究[J].石化技术， 2018， 25 （11） 178， 196. [10]池深深， 王磊， 李楠， 等.顾及数据新鲜度函数 Knothe的开采沉陷最优组合预测模型及应用[J]. 煤矿安全， 2018， 526 （5） 230-234. [11]张兵， 崔希民. 开采沉陷动态预计的分段Knothe 时间函数模型优化[J]. 岩土力学， 2017， 38 （2） 541-548. [12]张子月， 邹友峰， 陈俊杰. 采煤塌陷区土地动态 沉降预测模型[J]. 农业工程学报， 2016， 32 （21） 246-251. [13]王一， 张凯.采动地表动态下沉的时间函数模型 研究[J].煤矿开采， 2017， 22 （5） 68-70. [14]傅文骏. 基于B/S模式的南水北调中线干线工程 安全监测信息演示系统[D].郑州 华北水利水电 大学， 2016. [15]王斌. 浅埋煤层顶板水灾害预警系统研究[D].西 安 西安科技大学， 2017. [16]李元元. 基于PHP的滑坡实时监测数据网上发布 系统设计与实现[D].绵阳 西南科技大学， 2016. （上接第136页） 􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊􀤊 [12]Tehrani A K Z，Pourmohammad A. Loran-c cycle identification and ECD estimation in presence of white Gaussian noise[C]//2016 IEEE 10th Interna tional Conference on Application of Ination and Communication Technologies. Baku，Azerbai jan IEEE， 2016 1-4. [13]Yan W，Hua Y，Yuan J，et al. A joint detection of cycle- identification for loran- c signal [C]//2017 13th IEEE International Conference on ElectronicMeasurementInstruments.Yang zhou， China IEEE， 2017 497-502. [14]刘音华， 李孝辉， 刘长虹， 等.地基长波授时系统/ GNSS 组合定位技术研究[J].时间频率学报， 2017， 40 （3） 161-177. [15]易卿武， 邓志鑫， 赵军. eLoran接收机的数字滤波 器设计[J].河北省科学院学报， 2019， 36 （1） 17- 25. [16]李云， 华宇， 燕保荣， 等. BPL长波授时信号传输 时延的时间变化分析[J].宇航计测技术， 2019， 39 （1） 12-16. 韩 芳， 等基于物联网的煤矿塌陷监测预警系统 --141