基于巷道选择的安全规则集约简方法
【专利摘要】一种基于巷道选择的安全规则集约简方法，属于煤炭矿井下的设备检测方法。安全规则集的约减方法：在规则集约减方法中，先要对设备检测员的历史活动轨迹进行统计；统计的方法是在检测员的身上安装GPS定位设备，在1个月的时间内，采集该检测员的GPS移动轨迹；之后使用历史移动轨迹计算出贝叶斯路径预测算法的先验概率；然后在规则集数据库中添加巷道坐标字段，标记该设备在规则集的位置信息。在手持端下载当前最可能需要的规则集，按照贝叶斯路径决策理论对其进行约减，当检测人员到巷道1，手持端将下载安全规则集1，接下来按照贝叶斯决策理论预测下一个需要检测巷道，将巷道相关的安全规则集提前下载到手持端，大大的提高了检测工作的效率。
【专利说明】基于巷道选择的安全规则集约简方法
【技术领域】
[0001] 本发明涉及一种煤炭矿井下的设备检测方法，特别是一种基于巷道选择的安全规 则集约简方法。
【背景技术】
[0002] 在如今，技术人员在矿井持手持设备对矿井下安装的设备进行检测时，需要提前 将所有的规则集下载。当行走到需要检测设备时，通过对比规则集中的数据来检测设备的 运行状态。但是现在规则集都是以数据库的形式存储，在手持端没有对其进行约减，全部下 载下来的储存在设备中。这样将对手持端的检索数据集造成非常大的压力，手持端搜索规 则集会非常的缓慢，减慢了安全检测的效率。
【发明内容】
[0003] 技术问题：本发明是要提供一种基于巷道选择的安全规则集约简方法，将安全规 则集按照巷道选择进行约减解决将规则集不进行约减直接下载到手持端，造成减慢安全检 测效率的问题。
[0004] 技术方案：本发明的目的是这样实现的：安全规则集的约减方法：
[0005] 在规则集约减方法中，先要对设备检测员的历史活动轨迹进行统计；统计的方法 是在检测员的身上安装GPS定位设备，在1个月的时间内，采集该检测员的GPS移动轨迹； 之后使用历史移动轨迹计算出贝叶斯路径预测算法的先验概率；
[0006] 第一步：设计设备表、安全规则关联表和安全规则表；
[0007] 设备表和设备检查表和安全规则关联表都以设备表设备唯一标识ID为外键约 束，安全规则关联表和安全规则表有以安全规则集的唯一标识ID为外键约束；
[0008] 其中：
[0009] 设备表包含：设备唯一编号、位置信息和设备名称；
[0010] 安全规则关联表包含：设备唯一编号和安全规则集编号；
[0011] 安全规则表包含：安全规则集编号和安全规则；
[0012] 第二步：采用贝叶斯决策理论预测巷道选择；
[0013] 贝叶斯决策理论：对于观测值X，有一个由η个类别组成的状态空间Ω = =1，2, 3…，η}，一个决策集（Decision set)D = {dj | j = 1，2,…，η, η+1}，其中，假定 dn+i 为 拒绝决策；对于决策屯，i尹n+1，有x e ;
[0014] 路径选择：对于某一已知位置，运动目标的下一个路径选择为与它相邻巷道或岔 道，根据贝叶斯路径决策方法判定最可能的路径；
[0015] 所述的路径决策算法过程如下：算法中涉及的变量和公式：
[0016] ω i :表示路径，i用以区分路径；
[0017] X :表示检测员当前被观测到的位置；
[0018] p(Wi):表示通过统计得出检测员选择该条路径的先验概率；
[0019] p(X I :表示在用户选择％条件下在X所表示位置的条件密度概率；
[0020]
【权利要求】
1. 一种基于巷道选择的安全规则集约简方法，其特征是：安全规则集的约减方法： 在规则集约减方法中，先要对设备检测员的历史活动轨迹进行统计；统计的方法是在 检测员的身上安装GPS定位设备，在1个月的时间内，采集该检测员的GPS移动轨迹；之后 使用历史移动轨迹计算出贝叶斯路径预测算法的先验概率； 然后在规则集数据库中添加巷道坐标字段，标记该设备在规则集的位置信息； 第一步：设计设备表、安全规则关联表和安全规则表； 设备表和设备检查表和安全规则关联表都以设备表设备唯一标识ID为外键约束，安 全规则关联表和安全规则表有以安全规则集的唯一标识ID为外键约束； 其中： 设备表包含：设备唯一编号、位置信息和设备名称； 安全规则关联表包含：设备唯一编号和安全规则集编号； 安全规则表包含：安全规则集编号和安全规则； 第二步：采用贝叶斯决策理论预测巷道选择； 贝叶斯决策理论：对于观测值X，有一个由η个类别组成的状态空间Ω = {ω」i = 1，2, 3…，η}，一个决策集（Decision set)D = {dj I j = 1，2,…，η, n+1}，其中，假定 dn+1 为拒 绝决策；对于决策屯，i关n+1，有x e ; 路径选择：对于某一已知位置，运动目标的下一个路径选择为与它相邻巷道或岔道，根 据贝叶斯路径决策方法判定最可能的路径； 所述的路径决策算法过程如下：算法中涉及的变量和公式： ω?:表示路径，i用以区分路径； X :表示检测员当前被观测到的位置； P(?i):表示通过统计得出检测员选择该条路径的先验概率； P (X I ω J :表示在用户选择ω i条件下在X所表示位置的条件密度概率；
表示贝叶斯公式； Stepl根据历史统计数据，计算运动对象（特指设备检测员）在矿井底下某个位置选择 下一条巷道或岔道的先验概率Ρ(ω); St印2将检测到运动对象位置定为当前位置，计算运动对象在当前位置呈现出选择不 同巷道或岔道的条件概率密度函数为pUlw); Step3根据贝叶斯公式
计算出检测员选择每一条巷道或 岔道的后验概率Ρ(ω」χ);
St印4根据公式 采用贝叶斯决策理论屯：X e ，即预测出运 ， 动对象的最佳选择路径； 路径决策算法和规则集约减关联，约减方法的第一步巷道选择实现，然后对规则库按 照巷道选择进行数据库设计。
【文档编号】G06F17/30GK104142982SQ201410340587
【公开日】2014年11月12日 申请日期:2014年7月16日 优先权日:2014年7月16日
【发明者】陈伟, 张磊, 唐志博 申请人:中国矿业大学