本發(fā)明屬于煤礦公共安全應(yīng)急監(jiān)測(cè)技術(shù)領(lǐng)域，涉及一種多源傳感器融合的礦井瓦斯釋放源定位方法。

背景技術(shù)：

我國(guó)是世界第一產(chǎn)煤大國(guó)，也是世界煤炭消耗大國(guó)。煤礦井下的人員定位和設(shè)備定位技術(shù)一直是智能礦山的主要研究?jī)?nèi)容，對(duì)煤礦井下瓦斯釋放源定位的研究也是其中重要的組成部分。然而，由于井下瓦斯?jié)舛瘸迣?dǎo)致的煤礦事故是煤礦企業(yè)中危害最大、死亡比例最高的重大事故之一。所以，如何從根源處預(yù)防瓦斯?jié)舛瘸蕻a(chǎn)生的煤礦安全事故是一項(xiàng)重要的研究?jī)?nèi)容，對(duì)實(shí)現(xiàn)煤炭行業(yè)的自動(dòng)化、數(shù)字化與信息化作業(yè)環(huán)境也具有十分重要的意義。

近年來，無(wú)線傳感器網(wǎng)絡(luò)(wirelesssensornetworks，wsn)和多傳感器信息融合技術(shù)已被廣泛應(yīng)用于各個(gè)領(lǐng)域完成信息采集和處理功能。wsn作為一種可同時(shí)進(jìn)行感知、計(jì)算和無(wú)線通信的新型網(wǎng)絡(luò)，在礦井、環(huán)境、交通等監(jiān)測(cè)監(jiān)控領(lǐng)域發(fā)揮重要作用。多傳感器信息融合技術(shù)應(yīng)用于wsn中可減少節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)量，利用節(jié)點(diǎn)的本地計(jì)算和存儲(chǔ)能力進(jìn)行數(shù)據(jù)融合，從而提高信息準(zhǔn)確度并降低耗能。

瓦斯釋放源跟蹤與定位問題的本質(zhì)是通過對(duì)多源傳感器節(jié)點(diǎn)采集的信號(hào)序列進(jìn)行統(tǒng)計(jì)分析，獲得釋放源狀態(tài)的觀測(cè)數(shù)據(jù)，進(jìn)而對(duì)目標(biāo)源的狀態(tài)進(jìn)行估計(jì)與預(yù)測(cè)，其中瓦斯釋放源狀態(tài)包括目標(biāo)位置、瓦斯釋放率、運(yùn)動(dòng)速率(風(fēng)速)及加速度(風(fēng)向)。因此，對(duì)目標(biāo)源狀態(tài)的估計(jì)與預(yù)測(cè)可轉(zhuǎn)化為在貝葉斯理論框架下，利用已知目標(biāo)狀態(tài)的先驗(yàn)概率及新的觀測(cè)值求取目標(biāo)狀態(tài)的最大后驗(yàn)概率的過程。

研究表明，對(duì)線性高斯情況下的目標(biāo)跟蹤定位，可用卡爾曼濾波解決。由于礦井瓦斯擴(kuò)散問題是非線性、非高斯過程，所以通常無(wú)法準(zhǔn)確地建立或選擇所監(jiān)測(cè)區(qū)域的全局?jǐn)U散模型，但針對(duì)局部區(qū)域可通過湍流擴(kuò)散理論推導(dǎo)相對(duì)簡(jiǎn)化的氣體物質(zhì)擴(kuò)散模型。目前，常采用的方法是模型線性化，并采用符合高斯分布函數(shù)的線性聯(lián)合多項(xiàng)式近似描述，但此方法存在一定的誤差。

為此，人們將粒子濾波(particlefilter，pf)算法引入到氣體釋放源定位研究中，通過預(yù)估氣體擴(kuò)散粒子的概率分布對(duì)氣體釋放源定位。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種能夠?qū)ΦV井采空區(qū)瓦斯釋放源進(jìn)行定位的方法。

為了達(dá)到上述目的，本發(fā)明的技術(shù)方案提供了一種多源傳感器融合的礦井瓦斯釋放源定位方法，包括如下步驟：

步驟1、在煤礦采空區(qū)內(nèi)隨機(jī)部署傳感器節(jié)點(diǎn),各個(gè)傳感器節(jié)點(diǎn)采用自組織形式連接，并通過簇頭節(jié)點(diǎn)和傳感器節(jié)點(diǎn)構(gòu)成無(wú)線傳感器網(wǎng)絡(luò)，實(shí)時(shí)動(dòng)態(tài)地采集、監(jiān)測(cè)瓦斯?jié)舛葦?shù)據(jù)信息；

步驟2、建立煤礦井下采空區(qū)瓦斯釋放源擴(kuò)散理論模型；

步驟3、建立煤礦井下采空區(qū)多源傳感器觀測(cè)模型；

步驟4、采用混合卡爾曼粒子濾波算法對(duì)采空區(qū)瓦斯釋放源參數(shù)進(jìn)行估計(jì)，并依據(jù)迭代運(yùn)算得到估計(jì)參數(shù)的坐標(biāo)位置；

步驟5、依據(jù)簇頭節(jié)點(diǎn)的數(shù)據(jù)融合，實(shí)現(xiàn)瓦斯釋放源的精確定位，得到定位結(jié)果。

所述一種多源傳感器融合的礦井瓦斯釋放源定位方法，實(shí)現(xiàn)該方法的煤礦井下采空區(qū)瓦斯釋放源擴(kuò)散理論模型，可表示為

其中，ri＝(xi,yi)為傳感器節(jié)點(diǎn)位置，其中i＝1,2,…,n，n為節(jié)點(diǎn)總數(shù)，rs＝(xs,ys)為瓦斯釋放源位置坐標(biāo)，c(ri,t)為傳感器節(jié)點(diǎn)ri處瓦斯擴(kuò)散濃度值，q為瓦斯釋放率，k為湍流擴(kuò)散系數(shù)，v為采空區(qū)風(fēng)速；δx＝(xs-xi)cosθ+(ys-yi)sinθ，θ為風(fēng)向與x軸正向夾角；

所述一種多源傳感器融合的礦井瓦斯釋放源定位方法，實(shí)現(xiàn)該方法的煤礦井下采空區(qū)多源傳感器觀測(cè)模型，可表示為

y(ri,t)＝c(ri,t)+θ(ri,t)+b

其中，y(ri,t)為傳感器節(jié)點(diǎn)ri在t時(shí)刻的瓦斯?jié)舛扔^測(cè)值，c(ri,t)為傳感器節(jié)點(diǎn)ri處瓦斯擴(kuò)散濃度值，θ(ri,t)為傳感器節(jié)點(diǎn)i在t時(shí)刻的觀測(cè)噪聲，是均值為0、方差為的高斯白噪聲；b為系統(tǒng)中的恒定量；

所述一種多源傳感器融合的礦井瓦斯釋放源定位方法，對(duì)所述煤礦井下采空區(qū)多源傳感器觀測(cè)模型進(jìn)行矢量化，令zi(t)＝y(tǒng)(ri,t)，θi(t)＝θ(ri,t)，則y(ri,t)＝c(ri,t)+θ(ri,t)+b可表示為：zi(t)＝hi(t)xi(t)+θi(t)，其中，hi(t)＝[hi(t),1]，為瓦斯釋放源的參數(shù)向量；

進(jìn)一步，將第k時(shí)刻傳感器節(jié)點(diǎn)i所觀測(cè)的瓦斯?jié)舛缺硎緸殡x散形式

zi,k＝hi,kxi,k+θi,k

其中，hi,k是傳感器節(jié)點(diǎn)i在k時(shí)刻的觀測(cè)矩陣，瓦斯釋放源在k時(shí)刻的參數(shù)狀態(tài)向量，傳感器節(jié)點(diǎn)i的觀測(cè)噪聲θi,k服從均值為0、方差為‖ri-rs‖^α/2的高斯分布，α為擴(kuò)散衰減系數(shù)。

實(shí)現(xiàn)所述定位方法的無(wú)線傳感器網(wǎng)絡(luò)部署方式，在煤礦井下采空區(qū)內(nèi)采用leach算法隨機(jī)部署簇頭節(jié)點(diǎn)，并通過各傳感器節(jié)點(diǎn)平均分配所述網(wǎng)絡(luò)的能量負(fù)載，以達(dá)到降低網(wǎng)絡(luò)能耗和延長(zhǎng)生命周期的目的。

所述一種多源傳感器融合的礦井瓦斯釋放源定位方法，實(shí)現(xiàn)該方法的步驟進(jìn)一步包括：

(1)在k-1時(shí)刻，輸入第i個(gè)傳感器節(jié)點(diǎn)的初始狀態(tài)估計(jì)量的均值協(xié)方差pi,k和權(quán)重wi,k；

(2)在k時(shí)刻，從中提取n個(gè)粒子組成樣本點(diǎn)集合，狀態(tài)分布為

(3)采用ukf算法傳遞并更新粒子，根據(jù)及zi,k＝hi,kxi,k+θi,k獲得相應(yīng)的狀態(tài)估計(jì)集合為

(4)采用ekf算法重復(fù)粒子更新過程，將作為ekf在k-1時(shí)刻的估計(jì)值，即利用重要性采樣密度函數(shù)(1≤j≤m)代入公式再次重復(fù)粒子的更新過程，其中為似然函數(shù)，為概率轉(zhuǎn)移密度函數(shù)；

(5)迭代運(yùn)算后得到k時(shí)刻的最終估計(jì)量為其中，

(6)簇頭節(jié)點(diǎn)進(jìn)行數(shù)據(jù)融合后，得到的定位結(jié)果為其中，

(7)重復(fù)執(zhí)行步驟(3)～(6)，輸出定位結(jié)果。

所述一種多源傳感器融合的礦井瓦斯釋放源定位方法，通過建立煤礦井下采空區(qū)瓦斯釋放源擴(kuò)散模型和多源傳感器觀測(cè)模型提高釋放源定位精度，進(jìn)而為采空區(qū)瓦斯突出預(yù)警及瓦斯抽采提供有效的理論參考依據(jù)。

本發(fā)明的有益效果在于：本發(fā)明將多傳感器信息融合技術(shù)應(yīng)用于無(wú)線傳感網(wǎng)中減少節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)量，利用節(jié)點(diǎn)的本地計(jì)算和存儲(chǔ)能力進(jìn)行數(shù)據(jù)融合，從而提高信息準(zhǔn)確度并降低耗能；采用的瓦斯釋放源擴(kuò)散模型基于湍流擴(kuò)散理論，考慮了礦井下風(fēng)速和風(fēng)向?qū)ν咚箶U(kuò)散的影響；采用不同時(shí)刻傳感器觀測(cè)數(shù)據(jù)構(gòu)成時(shí)間序列形成粒子集，減少對(duì)傳感器部署數(shù)量的依賴；采用混合卡爾曼粒子濾波算法對(duì)瓦斯釋放源進(jìn)行定位，降低粒子多樣性采樣退化，提高瓦斯釋放源定位精度，為采空區(qū)瓦斯突出預(yù)警及瓦斯抽采提供理論參考依據(jù)。

附圖說明

圖1為本發(fā)明所述瓦斯釋放源定位方法的結(jié)構(gòu)框圖。

圖2為采空區(qū)瓦斯釋放源擴(kuò)散示意圖。

圖3為混合卡爾曼粒子濾波算法參數(shù)估計(jì)的流程圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行詳細(xì)描述。

本發(fā)明提供的采空區(qū)瓦斯釋放源定位方法的結(jié)構(gòu)框圖，如圖1所示，該定位方法共分為六個(gè)步驟。步驟1、在采空區(qū)區(qū)域內(nèi)隨機(jī)部署傳感器節(jié)點(diǎn)；步驟2、根據(jù)采空區(qū)瓦斯分布規(guī)律，建立瓦斯釋放源擴(kuò)散模型；步驟3、確定傳感器觀測(cè)模型；步驟4、無(wú)線傳感器網(wǎng)絡(luò)檢測(cè)瓦斯?jié)舛?；步驟5、采用混合卡爾曼粒子濾波算法進(jìn)行參數(shù)估計(jì)；步驟6、簇頭節(jié)點(diǎn)對(duì)參數(shù)估計(jì)的集合進(jìn)行數(shù)據(jù)融合，實(shí)現(xiàn)精確定位，得到定位結(jié)果。

圖2為采空區(qū)瓦斯釋放源擴(kuò)散示意圖。瓦斯釋放源擴(kuò)散理論模型為：

其中，ri＝(xi,yi)為傳感器節(jié)點(diǎn)位置，其中i＝1,2,…,n，n為節(jié)點(diǎn)總數(shù)；rs＝(xs,ys)為瓦斯釋放源位置坐標(biāo)，c(ri,t)為傳感器節(jié)點(diǎn)ri處瓦斯擴(kuò)散濃度值；q為瓦斯釋放率取值500l/s；k是湍流擴(kuò)散系數(shù)取值0.6；v為采空區(qū)風(fēng)速取值2m/s；δx＝(xs-xi)cosθ+(ys-yi)sinθ，θ為風(fēng)向與x軸正向夾角取值為2π。

圖3為采空區(qū)瓦斯釋放源定位方法中混合卡爾曼粒子濾波算法參數(shù)估計(jì)的流程圖。假設(shè)在k時(shí)刻(chk,cn1,k,…,cnck-1,k)為多源傳感器的當(dāng)前簇集，chk為簇頭節(jié)點(diǎn)用來描述整粒子簇集，簇內(nèi)節(jié)點(diǎn)cni,k總數(shù)為ck，其觀測(cè)值序列為對(duì)應(yīng)的粒子集為nj為該時(shí)刻粒子總數(shù)，粒子表示瓦斯釋放源參數(shù)的概率分布，其權(quán)重為且滿足粒子集在k時(shí)刻的后驗(yàn)概率密度函數(shù)為：

參數(shù)估計(jì)的具體實(shí)現(xiàn)步驟如下：

步驟1：初始化。在k＝0時(shí)刻，設(shè)定初始粒子總數(shù)nj，并賦予粒子相同的權(quán)值

步驟2：重要性采樣。根據(jù)進(jìn)行采樣，從中抽取m個(gè)粒子，得到新的粒子集合

其中，為粒子重要性采樣密度函數(shù)服從高斯分布且(1≤i≤ck，1≤j≤nj)；nj為該時(shí)刻粒子總數(shù)，可隨時(shí)間變化。

步驟3：權(quán)值更新。由計(jì)算m個(gè)粒子權(quán)值，并歸一化權(quán)值

其中，為似然函數(shù)，為概率轉(zhuǎn)移密度函數(shù)。

進(jìn)一步地，由于初始狀態(tài)下傳感器節(jié)點(diǎn)通常未知瓦斯釋放源先驗(yàn)信息，令粒子的初始權(quán)重設(shè)為

步驟4：粒子重采樣。根據(jù)判斷是否滿足粒子退化條件mi,k<m0，若滿足，則對(duì)粒子集重采樣，重采樣后的粒子集為權(quán)值為否則，粒子集無(wú)需重采樣；

其中，給定閾值

步驟5：狀態(tài)預(yù)測(cè)與估計(jì)。根據(jù)計(jì)算在k時(shí)刻的第i個(gè)節(jié)點(diǎn)的均值、協(xié)方差和權(quán)值狀態(tài)參數(shù)估計(jì)值集合

步驟6：ukf更新粒子。從集合中選擇一組樣本點(diǎn)集合近似表示k-1時(shí)刻的狀態(tài)分布根據(jù)和zi,k＝hi,kxi,k+θi,k傳遞樣本點(diǎn)并更新預(yù)測(cè)估計(jì)值集合

步驟7：ekf更新粒子。將作為ekf在k-1時(shí)刻的估計(jì)值，即利用重要性采樣密度函數(shù)為代入公式再次重復(fù)粒子的更新過程，得到迭代后的參數(shù)估計(jì)值為

步驟8：輸出估計(jì)值與融合結(jié)果。輸出參數(shù)估計(jì)值及根據(jù)計(jì)算數(shù)據(jù)融合后的結(jié)果

步驟9：判定是否結(jié)束信息采集。簇頭節(jié)點(diǎn)根據(jù)數(shù)據(jù)融合結(jié)果判斷估計(jì)量協(xié)方差的最小跡jk＝trace(pk)是否達(dá)到設(shè)定閾值j0，若jk≥j0，則運(yùn)算結(jié)束且運(yùn)算節(jié)點(diǎn)休眠；否則，進(jìn)行下一簇集的節(jié)點(diǎn)調(diào)度；

進(jìn)一步地，在k+1時(shí)刻，當(dāng)前簇頭節(jié)點(diǎn)chk作為任務(wù)節(jié)點(diǎn)，將自身測(cè)量值與候選鄰居節(jié)點(diǎn)集中的任意節(jié)點(diǎn)cni,k的測(cè)量值進(jìn)行融合得到預(yù)估并更新協(xié)方差矩陣的跡作為當(dāng)前簇頭節(jié)點(diǎn)chk的參數(shù)估計(jì)精度性能指標(biāo)，則更新后協(xié)方差矩陣的跡可表示為

步驟10：粒子數(shù)量更新。根據(jù)計(jì)算k+1時(shí)刻的粒子數(shù)令k＝k+1，返回步驟2，重復(fù)執(zhí)行步驟2～9。

以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施例方式對(duì)本發(fā)明所做的進(jìn)一步詳細(xì)說明，不能認(rèn)定本發(fā)明的具體實(shí)施方式僅限于此，對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明設(shè)計(jì)思路的前提下，還可進(jìn)行若干簡(jiǎn)單的替換和更改，都應(yīng)當(dāng)視為屬于本發(fā)明所提交的權(quán)利要求書所涉及的保護(hù)范圍。