[发明专利]一种基于风速监测的风门开闭扰动识别方法

说明书

本发明提供了一种基于风速监测的风门开闭扰动识别方法,涉及矿井通风技术领域。通过对原始风速监测数据使用交叠划分处理与特征提取的方法，生成关于“风门开闭二分类‑风速监测值”的扰动特征样本集，使用支持向量机的方法对其进行初步判断，得到风门处于非关闭状态的实际时间；通过初次判断的结果，重复以上步骤生成“风门开闭再次二分类‑风速监测值”的扰动特征样本集，对其进行再次判断，得到风门处于固定开启的时间。实现因风门开闭所造成的监测监控数据异常波动的识别，对其不同阶段的判断，为监测监控数据中的异常波动识别提供了技术支持，对提高传感器监测监控数据的可信度和应用性具有重大意义。

技术领域

本发明涉及矿井通风技术领域，尤其涉及一种基于风速监测的风门开闭扰动识别方法。

背景技术

风门作为矿井中重要的构筑物，主要作用是隔绝巷道的风流。但因生产活动的需要，风门会在人、车通行时开启与关闭，其中风门开闭会导致矿井内风速传感器所监测或记录数据出现异常波动，该异常波动为风门开闭对巷道内风速产生的扰动。在矿井正常运行情况下，巷道风速虽然被实时监测采集，却因存在风门开闭造成的扰动而导致的传感器错误报警或发生安全事故却未及时发现等情况发生，对安全生产产生严重威胁。因此及时准确的识别出因风门开闭造成的风速传感器异常波动对减少人力、资源的浪费，保证矿井通风系统正常运转都具有极其重要的意义。

但是现阶段对于因风门开闭造成的监测监控数据扰动，由于风速传感器和监控分站本身并不具备数据真伪的识别功能，所以一些由于现场空气扰动、气流变化所带来的干扰值也被当做了真实的风速值进行了存储，这使得监测监控数据不能被很好的采信或应用。

扰动特征识别方法实现对风速传感器每次监测周期的数据进行交叠分段处理从而截取出多段数据，再提取每段数据的特征，先使用支持向量机(SVM)方法进行初步分类，分类出与风门处于关闭状态数据特征相差极大的风门处于非关闭状态数据后，再对每段风门处于非关闭状态数据，进行更精细的交叠分段处理从而截取出多段数据，再提取每段数据的特征，再次使用支持向量机(SVM)方法进行再次分类，对风门处于非关闭状态的数据进行更加细致的划分，以提高对于因风门开闭造成的监测监控数据扰动的识别。

发明内容

针对现有技术的不足，本发明提供一种基于风速监测的风门开闭扰动识别方法。

一种基于风速监测的风门开闭扰动识别方法采用交叠分段、特征提取的方法处理一个可以调节的固定时间段内的风速传感器监测值数据，并将这些特征作为支持向量机的输入，判断出该段数据是否为因风门开闭造成而呈现异常波动的数据。为通过监测监控数据识别风门开闭提供技术支持，对提高存在风门开闭造成异常波动的监测监控数据的采信或应用具有重大意义，具体为以下步骤：

步骤1：采集多段不同角度工况下的，且在巷道不同监测点处的风门长闭、开闭的原始风速监测值数据；采用归一化与N次交叠分段的方式对原始风速监测值数据进行处理，并对处理后的每小段数据进行编号；

步骤1.1：采集多段不同角度工况下的，且在巷道不同监测点处的风门长闭、开闭的原始风速监测值数据；

步骤1.2：对每整段原始风速监测数据x_T＝{v₁,v₂,...,v_L}进行归一化处理表示为：

式中，表示归一化后的每整段原始风速监测数据，v₁、v₂、v_L表示整段数据中第1、2、L个风速监测值，v_min表示整段数据中最小的数，v_max表示整段数据中最大的数；

步骤1.3：对归一化后每整段原始风速监测数据其中是第i个归一化的风速；采用交叠处理方式后被分成了小段，采用的交叠处理方式要满足：