一种矿山安全动态监测管理系统

本发明涉及矿山预警系统领域，具体为一种矿山安全动态监测管理系统。

背景技术：

矿山是遭受地质灾害危害较为严重的特殊地域，矿山地质灾害不但威胁矿区内的人员和物资安全，而且也会给周围居住的人们带来安全隐患。矿山地质灾害是人类在采矿生产活动中直接诱发的破坏地质环境、危及生命财产安全，并带来重大经济损失的人为地质灾害，它主要表现为滑坡、崩塌、泥石流、地面开裂与沉陷、地裂缝、顶板冒落或片邦、矿坑突水、岩爆、尾矿库漏塌、排土场失稳滑移等几种类型，矿山地质灾害安全一直是人们十分关注的问题。但目前对矿山地质灾害的预警大多还主要靠人工方式，且监观技术也相对落后，存在数据采集和传输不及时、信息覆盖面不足、自动化程度低等缺陷闭，必须采用新的技术和方法对地质灾害进行实时监测和分析，以应对紧急矿山地质灾害。

技术实现要素：

本发明的目的在于提供一种矿山安全动态监测管理系统，实现了矿山全区域变化情况的实时监测，可以及时发现不安全因素，从而提高了矿山开采的安全性。

为解决上述技术问题，本发明一种矿山安全动态监测管理系统包括有地面震动监测子系统、支护结构位移监测子系统、支护结构外壁压力监测子系统、遥感图像监测子系统和数据后处理系统,地面震动监测子系统、支护结构位移监测子系统和支护结构外壁压力监测子系统均连接有多个分布式传感器节点，且与数据后处理系统实现通讯，所有分布式节点通过物联网连接在一个网络内，实现数据的传输与聚合；遥感图像监测子系统基于无人机定时定点的进行各矿工机械施工视频以及矿山危险区视频图像的采集，所述数据后处理系统根据收集到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像进行综合分析与风险评估，输出当前矿山的安全情况。

进一步的，所述地面震动检测子系统包括安装罩、安装罩顶面上连接有伸缩杆，伸缩杆贯穿安装罩顶面，伸缩杆与安装罩顶面螺纹连接，伸缩杆包括有内套管、弹簧和外套管，内套管上端插入外套管内与弹簧的一端固接，弹簧另一端与外套管上端的内顶面固定接，内套管的另一端固定连接有振动传感器，振动传感器的底面上连接有橡胶层。

进一步的，所述支护结构位移监测子系统通过安装在支护结构两端及中心处的三维数字罗盘进行支护结构位移数据的采集。

进一步的，所述支护结构外壁压力监测系统通过包覆在支护结构外的薄膜式压力传感器采集，每个薄膜式压力传感器外均套设一橡胶套。

进一步的，所述无人机基于预设的巡检路线进行视频数据的采集，所采集到的视频数据均携带对应的地理位置信息。

进一步的，所述数据后处理系统包括数据本地储存模块、矿山安全动态分析模块、gsm预警模块以及可视化模块，矿山安全动态分析模块可自动完成对收集到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像的分析，分析时，根据接收到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像调用预设的分析模型实现矿山安全情况的分析，在所得的分析结果落入预警门限时gsm预警模块启动，实现预警短信的发送，可视化模块以矿山三维模型为基准，根据地面震动监测子系统、支护结构位移监测子系统、支护结构外壁压力监测子系统中各分布式传感器节点的布置位置在矿山三维模型上进行各分布式传感器节点的标记，并在对应的标记处实现当前各分布式传感器节点所采集到的参数数据的实时显示，同时根据遥感图像监测子系统所采集到的视频图像所携带的地理位置信息，在矿山三维模型对应的位置处播放该视频图像。

进一步的，所述数据后处理系统包括数据本地储存模块、矿山安全动态分析模块、gsm预警模块以及可视化模块，矿山安全动态分析模块可自动完成对收集到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像的分析，分析时，根据接收到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像调用预设的分析模型实现矿山安全情况的分析，在所得的分析结果落入预警门限时gsm预警模块启动，实现预警短信的发送，可视化模块以矿山三维模型为基准，根据地面震动监测子系统、支护结构位移监测子系统、支护结构外壁压力监测子系统中各分布式传感器节点的布置位置在矿山三维模型上进行各分布式传感器节点的标记，并在对应的标记处实现当前各分布式传感器节点所采集到的参数数据的实时显示，同时根据遥感图像监测子系统所采集到的视频图像所携带的地理位置信息，在矿山三维模型对应的位置处播放该视频图像。

进一步的，所述矿山安全动态分析模块包括单因素分析模块和多因素分析模块，单因素分析模块用于单独实现视频数据的识别分析，多因素分析模块用于实现地面震动数据、支护结构位移数据、支护结构外壁压力数据的综合分析，单因素分析模块采用ssd_inception_v3_coco模型，多因素分析模块基于pca实现特征数据的提取，采用支持向量机实现矿山安全情况的分析。

本发明的有益效果是：

通过在矿山中布置大量的传感节点，利用物联网技术将所有节点连接在一起，对多种类型的数据经过融合和分析，判断当前矿山是否会出现不安全的情况，可以及时发现不安全因素，从而提高了矿山开采的安全性。

同时通过各矿工机械施工视频以及矿山危险区视频图像的定点定时采集分析，实现了各矿山机械施工情况以及矿山危险区内落石、形态等状态情况的评估，进一步保证了矿山开采的安全性。

基于矿山三维模型的构建，根据地面震动监测子系统、支护结构位移监测子系统、支护结构外壁压力监测子系统中各分布式传感器节点的布置位置在矿山三维模型上进行各分布式传感器节点的标记，并在对应的标记处实现当前各分布式传感器节点所采集到的参数数据的实时显示，同时根据遥感图像监测子系统所采集到的视频图像所携带的地理位置信息，在矿山三维模型对应的位置处播放该视频图像，从而实现了矿山当前情况的可视化。

附图说明

图1为本发明实施例一种矿山安全动态监测管理系统的系统框图；

图2为本发明实施例中数据后处理系统的系统框图；

图3为本发明实施例中震动采集装置的结构示意图。

图中：1.安装罩；2.外套管；3.振动传感器；4.内套管；5.弹簧；6.橡胶层。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供了一种矿山安全动态监测管理系统，包括地面震动监测子系统、支护结构位移监测子系统、支护结构外壁压力监测子系统、遥感图像监测子系统和数据后处理系统,地面震动监测子系统、支护结构位移监测子系统和支护结构外壁压力监测子系统均连接有多个分布式传感器节点，且与数据后处理系统实现通讯，所有分布式节点通过物联网连接在一个网络内，实现数据的传输与聚合；遥感图像监测子系统基于无人机基于预设的巡检路线定时定点的进行各矿工机械施工视频以及矿山危险区视频图像的采集，所采集到的视频数据均携带对应的地理位置信息；所述数据后处理系统根据收集到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像进行综合分析与风险评估，输出当前矿山的安全情况。如图2所示，所述数据后处理系统包括数据本地储存模块、矿山安全动态分析模块、gsm预警模块以及可视化模块，矿山安全动态分析模块可自动完成对收集到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像的分析，分析时，根据接收到的地面震动数据、支护结构位移数据、支护结构外壁压力数据以及各矿工机械施工视频以及矿山危险区视频图像调用预设的分析模型实现矿山安全情况的分析，在所得的分析结果落入预警门限时gsm预警模块启动，实现预警短信的发送，可视化模块以矿山三维模型为基准，根据地面震动监测子系统、支护结构位移监测子系统、支护结构外壁压力监测子系统中各分布式传感器节点的布置位置在矿山三维模型上进行各分布式传感器节点的标记，并在对应的标记处实现当前各分布式传感器节点所采集到的参数数据的实时显示，同时根据遥感图像监测子系统所采集到的视频图像所携带的地理位置信息，在矿山三维模型对应的位置处播放该视频图像。

如图3所示，所述地面震动检测子系统包括震动采集装置，该震动采集装置包括安装罩1、通过伸缩杆安装在安装罩1内的振动传感器3，伸缩杆贯穿安装罩上顶面设置，与安装罩1上顶面螺纹连接，伸缩杆由内套管4、弹簧5和外套管2构成，内套管4上端插入外套管2内与弹簧5的一端固接，弹簧5另一端与外套管2上端的内顶面固接，内套管4的另一端与振动传感器3固接，且振动传感器3的下底面上黏贴设置有一橡胶层6，安装罩1两侧对称焊接有安装耳，安装时通过螺栓穿过安装耳与安装面（地面）实现固接。

本实施例中，所述支护结构位移监测子系统通过安装在支护结构两端及中心处的三维数字罗盘进行支护结构位移数据的采集，所述三维数据罗盘通过安装卡环卡接在支护结构上，每一个三维数据罗盘外均报告有橡胶套。

本实施例中，所述支护结构外壁压力监测系统通过包覆在支护结构外的薄膜式压力传感器采集，每个薄膜式压力传感器外均套设一橡胶套。

本实施例中，所述矿山安全动态分析模块包括单因素分析模块和多因素分析模块，单因素分析模块用于单独实现视频数据的识别分析，多因素分析模块用于实现地面震动数据、支护结构位移数据、支护结构外壁压力数据的综合分析，单因素分析模块采用ssd_inception_v3_coco模型，多因素分析模块基于pca实现特征数据的提取，采用支持向量机实现矿山安全情况的分析。ssd_inception_v3_coco模型采用ssd目标检测算法，用coco数据集预训练inception_v3_深度神经网络。然后用先前准备好的数据集训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于检测施工机械工作状态异常、矿区形态异常、落石状态异常的目标检测模型。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。