[发明专利]一种多源传感器融合的矿井瓦斯释放源定位方法

说明书

技术领域

本发明属于煤矿公共安全应急监测技术领域，涉及一种多源传感器融合的矿井瓦斯释放源定位方法。

背景技术

我国是世界第一产煤大国，也是世界煤炭消耗大国。煤矿井下的人员定位和设备定位技术一直是智能矿山的主要研究内容，对煤矿井下瓦斯释放源定位的研究也是其中重要的组成部分。然而，由于井下瓦斯浓度超限导致的煤矿事故是煤矿企业中危害最大、死亡比例最高的重大事故之一。所以，如何从根源处预防瓦斯浓度超限产生的煤矿安全事故是一项重要的研究内容，对实现煤炭行业的自动化、数字化与信息化作业环境也具有十分重要的意义。

近年来，无线传感器网络(Wireless Sensor Networks，WSN)和多传感器信息融合技术已被广泛应用于各个领域完成信息采集和处理功能。WSN作为一种可同时进行感知、计算和无线通信的新型网络，在矿井、环境、交通等监测监控领域发挥重要作用。多传感器信息融合技术应用于WSN中可减少节点传输的数据量，利用节点的本地计算和存储能力进行数据融合，从而提高信息准确度并降低耗能。

瓦斯释放源跟踪与定位问题的本质是通过对多源传感器节点采集的信号序列进行统计分析，获得释放源状态的观测数据，进而对目标源的状态进行估计与预测，其中瓦斯释放源状态包括目标位置、瓦斯释放率、运动速率(风速)及加速度(风向)。因此，对目标源状态的估计与预测可转化为在贝叶斯理论框架下，利用已知目标状态的先验概率及新的观测值求取目标状态的最大后验概率的过程。

研究表明，对线性高斯情况下的目标跟踪定位，可用卡尔曼滤波解决。由于矿井瓦斯扩散问题是非线性、非高斯过程，所以通常无法准确地建立或选择所监测区域的全局扩散模型，但针对局部区域可通过湍流扩散理论推导相对简化的气体物质扩散模型。目前，常采用的方法是模型线性化，并采用符合高斯分布函数的线性联合多项式近似描述，但此方法存在一定的误差。

为此，人们将粒子滤波(Particle Filter，PF)算法引入到气体释放源定位研究中，通过预估气体扩散粒子的概率分布对气体释放源定位。

发明内容

本发明的目的是提供一种能够对矿井采空区瓦斯释放源进行定位的方法。

为了达到上述目的，本发明的技术方案提供了一种多源传感器融合的矿井瓦斯释放源定位方法，包括如下步骤：

步骤1、在煤矿采空区内随机部署传感器节点,各个传感器节点采用自组织形式连接，并通过簇头节点和传感器节点构成无线传感器网络，实时动态地采集、监测瓦斯浓度数据信息；

步骤2、建立煤矿井下采空区瓦斯释放源扩散理论模型；

步骤3、建立煤矿井下采空区多源传感器观测模型；

步骤4、采用混合卡尔曼粒子滤波算法对采空区瓦斯释放源参数进行估计，并依据迭代运算得到估计参数的坐标位置；

步骤5、依据簇头节点的数据融合，实现瓦斯释放源的精确定位，得到定位结果。

所述一种多源传感器融合的矿井瓦斯释放源定位方法，实现该方法的煤矿井下采空区瓦斯释放源扩散理论模型，可表示为

其中，r_i＝(x_i,y_i)为传感器节点位置，其中i＝1,2,…,N，N为节点总数，r_s＝(x_s,y_s)为瓦斯释放源位置坐标，c(r_i,t)为传感器节点r_i处瓦斯扩散浓度值，q为瓦斯释放率，K为湍流扩散系数，V为采空区风速；Δx＝(x_s-x_i)cosθ+(y_s-y_i)sinθ，θ为风向与x轴正向夹角；

所述一种多源传感器融合的矿井瓦斯释放源定位方法，实现该方法的煤矿井下采空区多源传感器观测模型，可表示为

y(r_i,t)＝c(r_i,t)+Θ(r_i,t)+b

其中，y(r_i,t)为传感器节点r_i在t时刻的瓦斯浓度观测值，c(r_i,t)为传感器节点r_i处瓦斯扩散浓度值，Θ(r_i,t)为传感器节点i在t时刻的观测噪声，是均值为0、方差为的高斯白噪声；b为系统中的恒定量；