潘宏春

摘 要：針對傳統(tǒng)鉆探開采事故處理過程安全監(jiān)控方法對量測參數(shù)的監(jiān)控識別率較低、監(jiān)控范圍狹窄的問題，提出基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法。通過設(shè)置施工參數(shù)、主電機參數(shù)和主電機驅(qū)動油車輸出參數(shù)為安全監(jiān)控量測參數(shù)，運用LAS算法，設(shè)定安全監(jiān)控范圍。在此基礎(chǔ)上，運用AR技術(shù)中的實時視頻顯示和實時跟蹤功能，設(shè)計鉆探開采事故處理過程安全監(jiān)控流程。設(shè)置實驗數(shù)據(jù)和實驗標(biāo)準(zhǔn)，實驗對比結(jié)果表明，所提方法對量測參數(shù)的監(jiān)控識別率較高且監(jiān)控范圍廣，具有一定的實際應(yīng)用性。

關(guān)鍵詞：AR技術(shù);鉆探開采;事故處理;安全監(jiān)控

Abstract：Aiming at the problems of low identification rate and narrow monitoring range of measurement parameters of traditional drilling and mining accident safety monitoring methods， a safety monitoring method of drilling and mining accident handling processes is proposed based on AR technology. By setting the construction parameters which contain main motor parameters， and main motor-driven oil truck output parameters as safety monitoring measurement parameters， the LAS algorithm is used to set the safety monitoring range. Based on this， the real-time video display and real-time tracking functions in AR technology are used to design the safety monitoring process of the drilling and mining accident handling process. The experimental data and experimental standards are set. The experimental comparison results show that the proposed method has a high recognition rate for monitoring parameters and a wide monitoring range， which has certain practical application.

Key words：AR technology;drilling and mining;accident handling;safety monitoring

0 引言

鉆探開采環(huán)境惡劣，機電設(shè)備繁多，因鉆探開采環(huán)境的復(fù)雜性，工作中可能會出現(xiàn)鉆具斷落、卡鉆、嚴(yán)重井塌、鉆頭落井及井噴等開采事故，一旦發(fā)生開采事故，需立即做出相應(yīng)處理[1]。鉆探開采事故處理過程安全監(jiān)控技術(shù)的應(yīng)用領(lǐng)域比較具體，針對性更強。當(dāng)前，使用最廣泛的安全監(jiān)控技術(shù)主要由輸入輸出系統(tǒng)、后臺監(jiān)控系統(tǒng)和數(shù)據(jù)矩陣切換裝置組成。通過攝像頭采集鉆探開采現(xiàn)場作業(yè)的數(shù)據(jù)，再經(jīng)過輸出線路輸送到后臺監(jiān)控顯示器上。在鉆井監(jiān)控信息傳輸網(wǎng)絡(luò)出現(xiàn)網(wǎng)絡(luò)時延和信息丟包時，工作人員雖然可以通過監(jiān)視器監(jiān)視現(xiàn)場，但這種方法的實時性較差，難以滿足監(jiān)控要求。因此，鉆探開采事故處理過程安全監(jiān)控方法已經(jīng)成為領(lǐng)域急需研究的課題。

目前已有學(xué)者對鉆探開采事故處理過程安全監(jiān)控方法做出了研究。文獻[2]設(shè)計了一種基于視頻的煤礦安全監(jiān)控行為識別系統(tǒng)，根據(jù)實際監(jiān)控需求，分別設(shè)計了目標(biāo)檢測、行為分類與識別、及信息監(jiān)管模塊。采用Spring MVC框架構(gòu)建了煤礦安全監(jiān)控行為識別系統(tǒng)。該方法的監(jiān)控識別率較高。但無法在較大范圍進行應(yīng)用，不便于與后臺監(jiān)控系統(tǒng)交換數(shù)據(jù);文獻[3]提出了一種基于尺度效應(yīng)的過程安全事故概率估計方法。引入多尺度思想修正事件概率，根據(jù)模糊Petri網(wǎng)模型完成事故概率估計系統(tǒng)設(shè)計。該方法能夠準(zhǔn)確估算事故發(fā)生概率，但未考慮事故處理過程的安全檢測問題。

針對上述方法存在的問題，提出基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法。確定鉆探開采事故處理過程安全監(jiān)控量測參數(shù)，設(shè)定其安全監(jiān)控范圍，在此基礎(chǔ)上借助AR技術(shù)將各種格式的模擬信息和工業(yè)現(xiàn)場總線轉(zhuǎn)換成數(shù)字信號，再通過井下太環(huán)網(wǎng)上傳到計算機系統(tǒng)。最后設(shè)計對比實驗，分析傳統(tǒng)的鉆探開采事故處理過程安全監(jiān)控方法與基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法的監(jiān)控范圍及對量測參數(shù)的監(jiān)控識別率，得出有效性結(jié)論。

1 鉆探開采事故處理過程安全監(jiān)控量測參數(shù)確定

為保證鉆探開采事故處理過程的安全，設(shè)計事故處理過程的安全監(jiān)控方法。首先確定采集量測參數(shù)信息的傳感器信號范圍，在參數(shù)采集過程中，使用的傳感器輸出信號要滿足以下幾點要求：

A：直流模擬量信號范圍為1～5 mA。

B：用于地面的直流模擬信號范圍為2～4 mA。

C：開關(guān)量信號范圍為1～5 mA。

滿足上述3個條即可有效提高模擬信號的傳輸精度和抗干擾能力[4]。選擇的智能傳感器的輸出頻率范圍一般在1 000～2 000 Hz。

確定傳感器參數(shù)后，要確定鉆探開采事故因子，即安全監(jiān)控中的量測參數(shù)。選擇監(jiān)控環(huán)境和機械設(shè)備運行狀態(tài)兩方面作為監(jiān)控對象，分別計算施工參數(shù)、主電機參數(shù)和主電機驅(qū)動油車輸出參數(shù)的影響因子，計算過程如下：

施工參數(shù)：依據(jù)鉆探開采的力學(xué)參數(shù)已知情況，使用有限元法計算油車最大鉤載重量，計算式如式（1）所示。

主電機驅(qū)動油車輸出參數(shù)：通過計算可得，油車在最大載荷狀態(tài)下的速度不能低于0.3 m/s，低速實際輸出油車速為0.43 m/s。為讓油車具有一定的事故處理能力，設(shè)置施工要求，當(dāng)油車處于低速檔鉆探開采時，油車的實際輸出速度為0.7 m/s，實際的輸出拉力應(yīng)小于最大鉆具重量，再折算掉1/7的浮力，即可滿足鉆具重量的速度要求[6]。

2 鉆探開采事故處理過程安全監(jiān)控范圍設(shè)定

在得到量測參數(shù)結(jié)果的基礎(chǔ)上，運用LAS算法設(shè)定安全監(jiān)控范圍。

假設(shè)安全監(jiān)控處理范圍節(jié)點為m個，中心協(xié)調(diào)處理節(jié)點為c，當(dāng)中心協(xié)調(diào)處理節(jié)點與這m個節(jié)點保持雙向通信時，則每條監(jiān)控節(jié)點Nj就會從數(shù)據(jù)流Sj中接收到新的數(shù)據(jù)[7]。接收到的數(shù)據(jù)記錄格式為（r，t，r，id，r，xd）。其中，r表示數(shù)據(jù)記錄生產(chǎn)時間，t表示時間，id表示監(jiān)控屬性，xd表示接收到的新數(shù)據(jù)。在數(shù)據(jù)取值時，相同屬性取值會被歸為同一個監(jiān)控對象，假設(shè)在這些屬性中有n種不同取值，則監(jiān)控對象集合表示為O={O1，O2，…，On}。O表示監(jiān)控數(shù)據(jù)流的總次數(shù)，On表示監(jiān)控節(jié)點部分?jǐn)?shù)值。監(jiān)控節(jié)點觀測的對象數(shù)值會隨著時間窗口滑動而變化[8]。設(shè)定在時間點t時刻的監(jiān)控范圍，計算式如式（3）所示。

3 基于AR技術(shù)的安全監(jiān)控流程設(shè)計

在確定了安全監(jiān)控量測參數(shù)，設(shè)定了安全監(jiān)控范圍的基礎(chǔ)上，設(shè)計基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控流程。

首先設(shè)置安全監(jiān)控指標(biāo)：

指標(biāo)一：運用低維主元空間中的數(shù)據(jù)特征，計算加權(quán)距離，如式（6）所示。

指標(biāo)二：假設(shè)采集的數(shù)據(jù)源于鉆探開采事故處理過程，且數(shù)據(jù)服從多變量分布，則T采樣點的分布會隨著歷史采樣點規(guī)模不斷變化。當(dāng)歷史數(shù)據(jù)少時，均值和方差的估計值精度低，則T采樣點服從自由度，如式（7）所示。

指標(biāo)三：當(dāng)歷史采樣點數(shù)目增多時，為確保模型均值精確性，需計算T的精確值Tj，計算式如式（8）所示。

設(shè)置采樣點T統(tǒng)計量的監(jiān)控指標(biāo)后，引入調(diào)整因子，處理與數(shù)據(jù)流分布不一致的數(shù)據(jù)。觀測差別大的監(jiān)控節(jié)點會影響安全監(jiān)控節(jié)點上的處理結(jié)果，為減少全局處理結(jié)果與中心協(xié)調(diào)處理節(jié)點維護的處理結(jié)果之間的差異，引入調(diào)整因子，通過重新分配每個對象在監(jiān)控節(jié)點上的部分值，得到新的因子。則調(diào)整后的觀測值，要滿足以下約束條件，如式（9）所示。

為避免每次判斷約束違反時都要經(jīng)過所有安全監(jiān)控節(jié)點，利用AR技術(shù)來處理對象的觀測值。AR即增強現(xiàn)實技術(shù)，通過AR技術(shù)的實時視頻顯示功能和實時跟蹤功能將虛擬系統(tǒng)直觀表現(xiàn)出來，能夠有效觀測安全監(jiān)控節(jié)點的觀測值是否違反了約束范圍。

算法執(zhí)行階段：

第一階段，監(jiān)控窗口滑動時，會出現(xiàn)一個或者多個安全監(jiān)控節(jié)點違反本地約束情況。監(jiān)控中心會將違反本地約束的對象和每個對象的觀測值發(fā)送到協(xié)調(diào)處理節(jié)點。

第二階段：當(dāng)監(jiān)控中心接收到違反本地約束的監(jiān)控節(jié)點信息后，會根據(jù)第一階段描述的步驟，判斷此階段獲取的信息是否存在違反約束的情況。若安全監(jiān)控節(jié)點通過更新違反約束的協(xié)調(diào)因子解決約束違反時，本地的處理結(jié)果可保持不變。若中心協(xié)調(diào)處理節(jié)點需要協(xié)調(diào)因子發(fā)送到對應(yīng)的安全監(jiān)控節(jié)點，即可結(jié)束算法。若無法解決上述所說的這兩種問題，就需要執(zhí)行第三個階段。

第三階段，中心協(xié)調(diào)處理節(jié)點要計算違反約束對象的實際觀測值和松弛值。當(dāng)接收到安全監(jiān)控節(jié)點信息后，中心協(xié)調(diào)處理節(jié)點需要計算出新的處理結(jié)果，調(diào)入新的調(diào)整因子，將其發(fā)送到對應(yīng)的安全監(jiān)控節(jié)點。

執(zhí)行完上述流程后，即可實現(xiàn)監(jiān)控鉆探開采事故處理過程。

由此，完成基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法的設(shè)計。

4 實驗分析

4.1 實驗環(huán)境及實驗數(shù)據(jù)

為檢測基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法的監(jiān)控效果，設(shè)計了仿真實驗進行驗證。

以Unity3D作為AR技術(shù)的搭載平臺，構(gòu)建基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控模型，如圖1所示。

實驗數(shù)據(jù)選用合成的事故處理過程的數(shù)據(jù)集：分布參數(shù)取值為5，合成的數(shù)據(jù)中包含數(shù)據(jù)產(chǎn)生的時間，按照數(shù)據(jù)產(chǎn)生的時間先后順序分布在各個安全節(jié)點上，數(shù)據(jù)共包含1 000個安全監(jiān)控節(jié)點，200個量測參數(shù)。

4.2 實驗標(biāo)準(zhǔn)

為了得到更直觀的實驗結(jié)果，選用文獻[2]、文獻[3]所提方法作為實驗對照組采用的方法，對比采用3種方法對量測參數(shù)的監(jiān)測識別率及監(jiān)測范圍。實驗通過制定不同參數(shù)大小，來衡量3種方法的優(yōu)劣性。需要注意，安全監(jiān)控節(jié)點的數(shù)量和近似參數(shù)以及控制對象都會影響結(jié)果。為減弱實驗參數(shù)對實驗結(jié)果的影響，設(shè)定了各項參數(shù)的默認值，如表1所示。

4.3 實驗結(jié)果

分別采用以上3種監(jiān)控方法對選用的鉆探開采事故處理過程數(shù)據(jù)集進行監(jiān)控，通過圖1所示基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控模型觀測量測參數(shù)識別效果，并根據(jù)式（9）將其轉(zhuǎn)換為量測參數(shù)識別率，如式（10）所示。

分析圖2可知，文獻[2]方法對量測參數(shù)的平均監(jiān)控識別率為48.6%;文獻[3]方法對量測參數(shù)的平均監(jiān)控識別率為53.5%;而基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控模型對量測參數(shù)的平均監(jiān)控識別率為86.5%。上述結(jié)果表明，所提方法對量測參數(shù)的監(jiān)控識別率較高。

在此基礎(chǔ)上測試3種方法的監(jiān)控范圍，得到對比結(jié)果如圖3所示。

分析圖3可知，使用所提方法的安全監(jiān)控范圍更廣，基本保持在400至500 m左右。使用傳統(tǒng)方法的安全監(jiān)控范圍相對狹窄，當(dāng)安全監(jiān)控節(jié)點數(shù)據(jù)增加時，監(jiān)控范圍會變小。說明監(jiān)控范圍會隨著安全監(jiān)控節(jié)點數(shù)量的增加而變小。

由此可知，基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法的監(jiān)控識別率高，監(jiān)控范圍更大，具有一定的實用性。

5 總結(jié)

針對傳統(tǒng)的鉆探開采事故處理過程安全監(jiān)控方法存在的問題，提出基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法。先確定安全監(jiān)控量測項目參數(shù)，再設(shè)定安全監(jiān)控范圍，在此基礎(chǔ)上，運用AR技術(shù)設(shè)計鉆探開采事故處理過程安全監(jiān)控流程。由此，完成本次設(shè)計。通過設(shè)計對比試驗得出，所提方法的監(jiān)控范圍更廣，對量測參數(shù)的監(jiān)測識別率更高，且符合設(shè)計需求。

在實驗中發(fā)現(xiàn)，采用所設(shè)計監(jiān)控方法仍存在違反約束的安全監(jiān)控節(jié)點，未來將以安全監(jiān)控節(jié)點范圍的優(yōu)化為目標(biāo)，進一步完善基于AR技術(shù)的鉆探開采事故處理過程安全監(jiān)控方法。

參考文獻

[1] 魏濤， 王磊， 池深深. 開采沉陷動態(tài)精準(zhǔn)預(yù)計的時效Knothe函數(shù)方法研究[J]. 金屬礦山， 2017，23（10）：16-22.

[2] 楊超宇， 李策， 蘇劍臣. 基于視頻的煤礦安全監(jiān)控行為識別系統(tǒng)研究[J]. 煤炭工程， 2016， 48（4）：111-113.

[3] 胡瑾秋， 郭家潔. 基于尺度效應(yīng)的過程安全事故概率估計[J]. 化工學(xué)報， 2017， 68（12）：4848-4856.

[4] 劉傳安， 劉建， 都永正. 煤礦安全監(jiān)控系統(tǒng)便捷檢查分析裝備設(shè)計[J]. 工礦自動化， 2017， 43（3）：74-77.

[5] 李忠華， 包思遠， 尹萬蕾. 巨型逆沖斷層開采擾動活化條件研究[J]. 采礦與安全工程學(xué)報， 2019，36（4）：78-79.

[6] 李劍. PLC技術(shù)在礦用設(shè)備監(jiān)控中的應(yīng)用--評《PLC技術(shù)與煤礦設(shè)備監(jiān)控》[J]. 礦業(yè)研究與開發(fā)， 2019，33（8）：146.

[7] 張明媛， 曹志穎， 趙雪峰， 等. 基于深度學(xué)習(xí)的建筑工人安全帽佩戴識別研究[J]. 安全與環(huán)境學(xué)報， 2019，19（2）：535-541.

[8] 李東， 周勇. 大數(shù)據(jù)在煤礦安全領(lǐng)域應(yīng)用方法研究[J]. 中國煤炭， 2018.44（7）：132-133.

[9] 陳賀明. 基于web的船舶火災(zāi)各艙室關(guān)聯(lián)監(jiān)控和報警技術(shù)研究[J]. 艦船科學(xué)技術(shù)， 2018，33（12）：187-188.

[10] 王浩， 趙毅鑫， 焦振. 復(fù)合動力災(zāi)害危險下被保護層回采巷道位置優(yōu)化[J]. 采礦與安全工程學(xué)報， 2017， 34（6）：1060-1066.

[11] 劉強， 蔡志平， 殷建平. 網(wǎng)絡(luò)安全檢測框架與方法研究[J]. 計算機工程與科學(xué)， 2017，39（12）：154-155.

[12] 原雅茹， 謝斌紅， 潘理虎. 煤礦安全監(jiān)控領(lǐng)域可變性模型[J]. 工礦自動化， 2017，43（10）：199-201.

[13] 馮馨玥， 楊秋松， 石琳. 基于動態(tài)策略學(xué)習(xí)的關(guān)鍵內(nèi)存數(shù)據(jù)訪問監(jiān)控[J]. 計算機研究與發(fā)展， 2019， 56（7）：1470-1487.

[14] 李東， 周勇. 大數(shù)據(jù)在煤礦安全領(lǐng)域應(yīng)用方法研究[J]. 中國煤炭， 2018，44（7）：458-159.

[15] 邱新法， 葉棟水， 曾燕， 等. 基于視頻的霧天能見度實時監(jiān)測方法研究[J]. 安全與環(huán)境學(xué)報， 2018，18（4）：765-766.

（收稿日期：2019.08.26）