第31卷第6期Vol.31No.6
文章编号:1008-0562(2012)06-0846-04
辽宁工程技术大学学报(自然科学版)
JournalofLiaoningTechnicalUniversity(NaturalScience)2012年12月Dec.2012
矿井粉尘浓度在线监测技术
杨
摘
昆,吴东旭
(辽宁工程技术大学安全科学与工程学院,辽宁葫芦岛125105)
要:解决在矿井监控中传统粉尘采样器不能满足在线监控粉尘浓度的问题,采用一台主机带多台分机的实时监测模式,将改进的数据融合算法应用到主机和分机中对粉尘数据进行实时处理.结果表明:改进的数据融合算法使粉尘传感器测量结果的误差得到了有效的控制;一台主机带多台分机分别计算测量参数的模式使矿井粉尘浓度测量实时性得到解决.该成果对煤矿井下粉尘数据在线监控具有一定的理论价值和实用意义.
关键词:煤矿;数据融合;粉尘浓度;在线监测;喷雾除尘;多机处理;自适应加权算法;光电式粉尘传感器中图分类号:X924.2
文献标志码:A
Onlinemonitoringtechnologyofdustconcentrationincoalmine
YANGKun,WUDongxu
(CollegeofSafetyScienceandEngineering,LiaoningTechnicalUniversity,Huludao125105,China)Abstract:Inordertosolvetheproblemthatthetraditionaldustsamplerscannotmeettherequirementsofonlinemonitoringondustconcentrationinacoalmine,thisstudyusesahostwithmultipleextensionsforreal-timedustmonitoring.Inthesametime,theimproveddatafusionalgorithmisappliedtothehostandtheextensionstoprocessthedustdatainreal-time.Thestudyresultsshowthatthemeasurementerrorofdustsensorsiseffectivelycontrolledbytheimproveddatafusionalgorithm.Themodelofahostwithmultipleextensionscaneffectivelymonitortheminedustconcentrationinrealtime.Thestudyresulthasatheoreticalandpracticalsignificanceforonlinemonitoringofdustdatainacoalmine.□□□□□□□□□□□□□□□□□
Keywords:coalmine;datafusion;dustconcentration;dustrealtimedetection;wetscrubber;on-linemonitoring;sprayingdustremovalsystem;multi-computerprocessing;adaptiveweightedalgorithm;photoelectricdustsensor
0引言
用采尘器或直读式测尘仪,这些仪器不能满足矿井粉尘浓度的连续实时监测[5],因此,也不能真实地反映工况场所的粉尘浓度动态变化状况.
在众多的矿用测尘仪中,光电式测尘仪应用最为广泛,由于其发展的基础是粉尘对光的透射损耗和散射的原理,利用该原理能精确地测量不变的尘样浓度.但在煤矿井下的实际作业环境中,各工作场所的粉尘浓度在不同生产工艺、不同工序、不同地点波动很大,用传统的采样器在现场采样后到地面进行分析的方法测量实时性不能满足现场实际的要求[6-8].因此,建立一种多级多机的在线监控尘样浓度变化的系统,从根本上解决这一实际问题.
煤矿井下粉尘不但对煤矿工人的身体健康有影响,引发矿工的煤肺病,而且当达到一定的粉尘浓度和氧气浓度界限并有明火时,还会引起煤尘爆炸爆炸,给矿井安全生产造成极大的危害
[1-3]
.因此,
矿井粉尘监测监控已成为煤矿安全生产的重要环节之一.目前,粉尘监测仪器主要以美国的粉尘雷达、英国的西姆斯林、德国的TM等粉尘监测仪器为主.这些仪器能实现了粉尘浓度连续监测,但价格昂贵,维修困难,由于中国煤矿作业场所的复杂性、工作人员操作水平的参差不齐等因素而得不到有效的利用.在中国,矿井的粉尘浓度测量则主要采
收稿日期:2012-04-23
基金项目:辽宁省百千作者简介:杨
[4]
人才基金资助项目(2010921098);辽宁省教育厅基金资助项目(2009A352)
面的研究.本文编校:曾繁慧
昆(1978-),女,辽宁凌海人,博士,讲师,主要从事煤矿监测监控、安全管理
第6期杨昆,等:矿井粉尘浓度在线监测技术
847
1传感器的系统结构与测量原理
光电式粉尘传感器的系统主要由一级透镜
通过L1透镜(称为一级透镜),使点光源的光改变为平行光的形式;平行光与L1和L2之间的粉尘颗粒作用形成衍射光场;再经过L2透镜(称为二级透镜或称傅立叶透镜)的作用,落在二极管阵列环(由光敏二极管组成)上,二极管阵列环作为接收器,位于透镜L2的焦平面上.
二极管阵列环
L1、二级透镜L2、二极管阵列环、I/V转换器、放大器、以及单片机组成.系统结构见图1.
点光源由发光二极管LED产生的光源所构成;
L2
L1
点光源
粉尘
I/V转
放大器
单片机
串行接口
颗粒
换
图1Fig.1
粉尘传感器系统结构
systemstructureofdustsensor
由电光源和尘粒产生的衍射光场的作用下,无论尘粒样本与L2透镜的距离如何发生变化,只要衍射光与主光轴所成的夹角相同,总会落在阵列环的同一环上.因此,此处采用文献[10-11]提供的适用于单片机运行的“模式识别”的反演算法,来检测由粉尘和平行光作用形成的衍射光场的信号.
该光电式粉尘传感器主要是检测衍射光场的形成的信号,并将检测到的相关信号通过I/V信号转换电路、放大电路等电路,将非物理量信号转换为计算机能识别的有效地电信号,传输到单片机中.但值得注意的一点是,根据图1的光电式粉尘传感器的系统结构可知,LED点光源在形成光能的过程中,由于LED导通之后,其温度会逐渐上升,这样会导致发出的光能产生相应的衰减.因此,首先对LED点光源的衰减进行修正加准确.
[12]
[9]
2粉尘在线监测系统结构与设计
该粉尘在线监测系统采用一台主机连接多台
分机同时监测的结构形式.传感器与主机通过RS485总线进行数据通讯.
(1)RS485总线
根据矿井实际生产状况,
传输数据的特点等因素,选择抗干扰能力较强的RS485总线,作为光电式粉尘传感器与主机之间的数据传输方式.
(2)主机数据的监测
主机是矿井粉尘浓度
数据监测的核心部分,主要以衍射理论为基础[12],根据点光源和尘粒所形成的衍射光场信号,分析得出所监测动态尘样的分布信息,通过对分布信息的实时处理就可以监测粉尘浓度数据,计算出颗粒直径从0~9μm的呼吸性粉尘质量浓度、颗粒直径从0.1~50μm的全尘质量浓度,进而计算出全尘/呼尘比和粉尘的消光系数.
(3)分机数据的测量
由于分机不能检测尘
样的颗粒分布,分机则采用投射耗损法对尘样进行
,才能使粉尘监测更
848
辽宁工程技术大学学报(自然科学版)
第31卷
测量,根据比尔定律可知,分机要利用主机实时传来的消光系数来检测出全尘质量浓度,利用全尘/呼尘比来求出呼尘质量浓度.
由上述功能分析可以看出,分机的检测质量依赖于主机的检测质量,从而增加分机的个数,也会增加粉尘传感器的检测范围.
3粉尘浓度数据融合算法改进
在煤矿井下实时监测粉尘质量浓度时,由于随
测试地点的不同导致粉尘浓度的分布不同[13-14]
,该
系统在采用一台主机带着几台分机同时测量的过程中,为增强测量的可靠性及准确性,这里将该综采面的主机所带临近分机的几个检测点的测量数据进行数据融合,得到该分布区域的粉尘浓度的相应分布.3.1
传感器数据融合
对井下粉尘质量浓度进行实时采样检测,并对
每个传感器设置相应的权值,则在总均方误差最小这一最优条件下,根据各个传感器得到的测量值就可以用自适应的方式找到其对应的权数并求出融合后的最优值X(t).
在此,引入加权因子Wi(i=1,,n),则多传感
器的数据融合值应满足
X(t)=
∑
n
Wi
Xi
(t),(1)
i=1n
式中,
∑
Wi=1.i=1
由此可得到总均方误差为σ2(n
t)=E
(X(t)
X(t)
)
2
=E[∑W2
i
(X(t)Xi(t))2
+
i=1
∑n
2
WWij
(X(t)Xi(t))(
X(t)Xj(t))
].
i=1,j=1
i≠j
(2)
因为X1(t),X2(t),X3(t),
,Xn(t)相互独立,所以
σ
2
(t)也可以写成n
σ2
(t)=∑W22
iσi
(t).(3)
i=1
从式(3)可以看出,总均方误差σ2
(t)是关于
各加权因子的多元二次函数.因此,σ
2
(t)必然存在
最小值,而该最小值是通过满足式(1)的约束条件的加权因子W1,W2,,Wn的多元函数求极值的方式来获得的
[13]
.因此,根多元函求极值理论,
当总均方误差最小时所对应的加权因子为
W1σ)∑n
2
2
i′=i(t(1/σi(t)).
(4)
i=1此时,σ2
(t)的最小值为
n
σ2
2
min(t)=1/∑σi(t).i=13.2传感器数据融合算法的改进
由于以上推导是针对连续函数展开的,为了实
现井下粉尘测量的实时性,必须将连续函数进行离散化,分析可知在煤矿井下粉尘的浓度属于渐变量,将上述关系式离散化.
设在某一时间段tn内,进行了k次测量,则有
k
Xi(k)=
1k
∑X
q
(i=1,2,,n),
(5)q=1
n
X=∑WiXi(k).
(6)
i=1
因此,可得其总均方误差为
n
σ2
=
1
∑W22
σ2min
k
i
σi
=
i=1
k
.(7)
3.3测试数据分析
为了检验该粉尘监测监控系统在实际环境中
的应用效果,在某矿井中选择一个综采面进行现场比对测试.其中,在综采面上设置6个测尘点进行实时监测.同时,在相同位置利用传统采样器法也进行相应尘样的测量,将两组粉尘浓度数据进行比对,其测量比对数据见表1.
表1粉尘传感器与采样器结果比对
Tab.1
comparisonofdustsensorandsampler
采样器粉尘质量浓度
传感器粉尘质量浓度
误差/(mgm-3)/(mgm-3)/%72.270.81.928.6
29.42.816.615.19.135.734.53.450.152.75.248.5
45.7
2.2
由表1可以看出,采用数据融合方法后粉尘传感器的测量结果与采样器比对证明其测量误差控制在了10%以内.
第6期杨昆,等:矿井粉尘浓度在线监测技术
849
4结论
针对煤矿的特殊现场工况,设计了基于数据融合的矿井粉尘在线监测监控系统.首先,将多个放置在不同位置的光电式粉尘传感器组来测量粉尘浓度相关数据;其次通过自适应的数据融合算法对尘样的浓度变化进行处实时理,通过多级多机系统来保证测量的精度;最后,可以根据现场的实际需要设置监控系统中粉尘浓度的断电值和报警值,当超过相应设定值时,产生报警、实现喷雾的自动控制.这样满足测试现场既要求粉尘传感器测量误差较小,又要求测量实时性较高的要求,对煤矿井下粉尘数据在线监控具有一定的理论价值和实用意义.参考文献:
[1]赵立永,张全柱,黄成玉.基于CAN总线的新型煤矿粉尘浓度监测系
统的研究[J].中国安全生产科学技术,2012,8(3):76-79.
ZhaoLiyong,ZhangQuanzhu,HuangChengyu.ResearchofnewcoaldustconcentrationmeasurementsystembasedonCANbus[J].JournalofSafetyScienceandTechnology,2012,8(3):76-79.
[2]吴中立.矿井通风与安全[M].徐州:中国矿业大学出版社,1989.
WuZhongli.Mineventilationandsafety[M].Xuzhou:ChinaUniversityofMiningandTechnologyPress,1989.
[3]董宪伟,李昶.某铅锌矿井下粉尘分散度测定及分析[J].有色金属,2012,
64(2):8-11.
DongXianwei,LiChang.Dustdispersionmeasurementandanalysisinalead-zincmine[J].NonferrousMetals,2012,64(2):8-11
[4]曹茂永,李亮报,程学珍.基于PROFIBUS现场总线的煤矿粉尘在线监
控系统研究[J].山东科技大学学报:自然科学版,2007,26(4):36-40.CaoMaoyong,LiLiangbao,ChenXuezhen.Studyoncoalmineduston-linemonitoringsystembasedonPROFIBUSfieldbus[J].JournalofShandongUniversityofScienceandTechnology:NaturalScience,2007,26(4):36-40.
[5]侯宇刚,刘增平,崔琛.粉尘在线监测监控系统在煤矿企业的应用[J].
采矿技术,2006,6(3):426-428.
HouYugang,LiuZengping,CuiChen.Applicationofdustmonitoringandcontrolsysteminthecoalminingenterprises[J].MiningTechnology,2006,6(3):426-428.
[6]王兆喜,江兆利,周长超.煤矿粉尘在线监测及智能喷雾降尘技术[J].煤
矿安全,2008,40(7):35-38.
WangZhaoxi,JiangZhaoli,ZhouChangchao.Dustmonitoringonlineinthecoalmineandtechnologyofintelligentspraydustsuppression[J].
SafetyinCoalMines,2008,40(7):35-38.
[7]王辉,蒋仲安,杜翠凤.综掘巷道粉尘体积分数分布的现场实测与数值
模拟[J].辽宁工程技术大学:自然科学版,2011,30(3):345-348.
WangHui,JangZhongan,DuCuifeng.Fieldstudyandnumericalresearchondustconcentrationdistributionintheexcavationtunnel[J].JournalofLiaoningTechnicalUniversity:NaturalScience,2011,30(3):345-348.
[8]马汉鹏,王德明.矿井粉尘防治技术探讨[J].洁净煤技术,2005,11(4):
68-70.
MaHanpen,WangDeming.Preventionandcontrolofcoalminedust[J].CleanCoalTechnology,2005,11(4):68-70.[9]吕乃光.傅里叶光学[M].北京:机械工业出版社,2006.
LvNaiguang.Fourieroptics[M].Beijing:MechanicalIndustryPress,2006.
[10]马凤英,赵永林,翟波.光电式粉尘传感器的模式修补反演算法[J].传
感器与微系统2006,25(6):69-72.
MaFengying,ZhaoYonglin,ZhaiBo.Inversionalgorithmofpatternamendmentappliedinphotoelectricdustsensor[J].TransducerandMicrosystemTechnologies,2006,25(6):69-72.
[11]马凤英,赵永林,孙凤池,等.光学粉尘检测中的模式分类反演法[J].山
东科技大学学报,2000,19(3):86-88.
MaFengying,ZhaoYonglin,SunFengchi,etal.Inversionmethodofpatternclassifictionusedopticaldustdetection[J].JournalofShandongUniversityofScienceandTechnology:NaturalScience,2000,19(3):86-88.
[12]马凤英,翟波,王福增.粉尘传感器的模式修补反演算法与数字滤波
[J].煤矿安全,2006,20(5):7-9.
MaFengying,ZhaiBo,WangFuzeng.Inversionalgorithmofpatternamendmentanddigitalfilerappliedinphotoelectricdustsensor[J].SafetyinCoalMines,2006,20(5):7-9.
[13]刘荣华,王海桥.压入式通风掘进工作面粉尘分布规律研究[J].煤炭
学报,2092,27(3):233-236.
LiuRonghua,WangHaiqiao.Studyonregularityofdustdistributinginheadingfacewithforcedventilation[J].JournalofChinaCoalSociety,2092,27(3):233-236.
[14]王传英,付华.模糊数据融合算法在煤矿安全系统中的应用[J].传感
器技术,2005,24(6):72-76.
WangChuanying,FuHua.Applicationofdatafusionalgorithmincollierysecuritysystembasedonfuzzycomprehensiveassessment[J].JournalofTransducerTechnology,2005,24(6):72-76