基于智慧感知的矿山安全监测系统及其方法与流程

本技术涉及智能监测领域，且更为具体地，涉及一种基于智慧感知的矿山安全监测系统及其方法。

背景技术：

1、煤炭是一种化石燃料，自工业革命以来，它一直扮演着能源领域的重要角色。由于其储量丰富、热值高，易于开采和燃烧，煤炭已经成为全球主要的能源来源之一。它广泛用于发电、工业生产和家庭供暖等领域。

2、煤矿是指开采煤炭资源的地下或地表矿山。煤矿作为一个复杂的工作环境，存在许多潜在的危险和风险。煤矿一旦发生事故，往往造成严重的人员伤亡和财产损失。

3、因此，需要一种基于智慧感知的矿山安全监测方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种基于智慧感知的矿山安全监测系统及其方法，其通过对煤矿内瓦斯浓度和一氧化碳浓度进行实时监测，进而来判断所述煤矿内是否存在爆炸的风险。这样，能够有效地发现潜在的安全风险，并采取具有针对性的预防措施，以最大程度地降低发生安全事故的可能性，确保煤矿生产过程的安全无虞。

2、根据本技术的一个方面，提供了一种基于智慧感知的矿山安全监测系统，其包括：

3、可燃气体数据获取模块，用于获取煤矿内在预定时间段内多个预定时间点的瓦斯浓度值以及一氧化碳浓度值；

4、可燃气体数据结构化模块，用于将所述多个预定时间点的瓦斯浓度值以及一氧化碳浓度值分别按照时间维度排列为瓦斯浓度时序输入向量和一氧化碳浓度时序输入向量；

5、可燃气体数据关联模块，用于将所述瓦斯浓度时序输入向量和所述一氧化碳浓度时序输入向量进行关联以得到可燃气体全时序关联矩阵；

6、可燃气体数据编码模块，用于将所述可燃气体全时序关联矩阵通过作为特征提取器的卷积神经网络模型以得到可燃气体全时序关联特征图；

7、分类特征生成模块，用于将所述可燃气体全时序关联特征图通过双向注意力机制模块以得到分类特征图；

8、优化模块，用于对所述分类特征图进行基于秩序性的先验化以得到优化分类特征图；

9、风险预测结果生成模块，用于将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示所述煤矿内是否存在爆炸的风险。

10、在上述基于智慧感知的矿山安全监测系统中，所述可燃气体数据关联模块，包括：以如下关联编码公式计算所述瓦斯浓度时序输入向量和所述一氧化碳浓度时序输入向量之间的所述可燃气体全时序关联矩阵；其中，所述关联编码公式为：

11、

12、其中va表示所述瓦斯浓度时序输入向量，表示所述瓦斯浓度时序输入向量的转置向量，vb表示所述一氧化碳浓度时序输入向量，m表示所述可燃气体全时序关联矩阵，表示向量相乘。

13、在上述基于智慧感知的矿山安全监测系统中，所述可燃气体数据编码模块，用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递过程中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述可燃气体全时序关联特征图，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述可燃气体全时序关联矩阵。

14、在上述基于智慧感知的矿山安全监测系统中，所述分类特征生成模块，包括：降维单元，用于对所述可燃气体全时序关联特征图进行沿通道维度的全局均值池化以得到全局池化特征矩阵；池化单元，用于将所述全局池化特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；双向关联矩阵生成单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；激活单元，用于将所述双向关联矩阵输入sigmoid激活函数以得到双向关联权重矩阵；分类特征图生成单元，用于计算所述双向关联权重矩阵和所述可燃气体全时序关联特征图的沿通道维度的各个特征矩阵之间的按位置点乘以得到所述分类特征图。

15、在上述基于智慧感知的矿山安全监测系统中，所述优化模块，包括：全局均值池化单元，用于沿着通道维度对所述分类特征图进行全局均值池化以得到秩序轴线特征向量；特征展平化单元，用于将所述分类特征图的沿通道维度的各个特征矩阵进行特征展平化以得到多个分类局部特征向量；关联编码单元，用于分别将所述多个分类局部特征向量和所述秩序轴线特征向量进行关联编码以得到多个秩序性关联矩阵；秩序性量化概率值生成单元，用于将所述多个秩序性关联矩阵通过softmax函数以得到多个秩序性量化概率值；归一化处理单元，用于对所述多个秩序性量化概率值进行归一化处理以得到多个秩序性先验权重值；加权单元，用于以所述多个秩序性先验权重值作为权重，并分别对所述分类特征图的沿通道维度的各个特征矩阵进行加权以得到所述优化分类特征图。

16、在上述基于智慧感知的矿山安全监测系统中，所述风险预测结果生成模块，用于：使用所述分类器以如下分类公式对所述优化分类特征图进行处理以生成所述分类结果；其中，所述分类公式为：

17、o＝softmax{(wn,bn):…:(w1,b1)|project(f)}

18、其中o为所述分类结果，project(f)表示将所述优化分类特征图投影为向量，w1至wn为各层全连接层的权重矩阵，b1至bn表示各层全连接层的偏置向量，softmax为归一化指数函数。

19、根据本技术的另一方面，提供了一种基于智慧感知的矿山安全监测方法，其包括：

20、获取煤矿内在预定时间段内多个预定时间点的瓦斯浓度值以及一氧化碳浓度值；

21、将所述多个预定时间点的瓦斯浓度值以及一氧化碳浓度值分别按照时间维度排列为瓦斯浓度时序输入向量和一氧化碳浓度时序输入向量；

22、将所述瓦斯浓度时序输入向量和所述一氧化碳浓度时序输入向量进行关联以得到可燃气体全时序关联矩阵；

23、将所述可燃气体全时序关联矩阵通过作为特征提取器的卷积神经网络模型以得到可燃气体全时序关联特征图；

24、将所述可燃气体全时序关联特征图通过双向注意力机制模块以得到分类特征图；

25、对所述分类特征图进行基于秩序性的先验化以得到优化分类特征图；

26、将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示所述煤矿内是否存在爆炸的风险。

27、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的基于智慧感知的矿山安全监测方法。

28、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的基于智慧感知的矿山安全监测方法。

29、与现有技术相比，本技术提供的基于智慧感知的矿山安全监测系统及其方法，其通过对煤矿内瓦斯浓度和一氧化碳浓度进行实时监测，进而来判断所述煤矿内是否存在爆炸的风险。这样，能够有效地发现潜在的安全风险，并采取具有针对性的预防措施，以最大程度地降低发生安全事故的可能性，确保煤矿生产过程的安全无虞。