一种煤矿井下使用防灭火电控系统的制作方法

本技术涉及智能控制系统，且更为具体地，涉及一种煤矿井下使用防灭火电控系统。

背景技术：

1、煤矿井下的火灾是一种严重的安全隐患，不仅会造成人员伤亡，还会导致设备损坏和资源浪费。为了有效地防止和控制井下火灾，需要在井下设置火灾监测点，并通过传感器采集所述火灾监测点的数据以进行火灾监控，并在发现火灾后启动防灭火控制方案。

2、申请号为201610919731.5的中国专利公开了一种矿井爆炸监测报警与控制系统。该系统主要包括信息处理服务器、报警装置、通信网络、抑爆灭火设备、气体浓度监测装置及各类环境监测装置；该系统可监测瓦斯爆炸引起的烟雾、温度等多种数据的变化，并通过气体浓度监测装置对标志气体浓度进行监测、根据监测得到的数据对矿井爆炸进行报警，并自动抑爆灭火，减少人员伤亡，降低瓦斯爆炸造成的损失。该系统克服了传统爆炸监控所采用的瓦斯监测等方法存在的反应慢、误报率和漏报率高等缺点，大大提高了报警准确度，为煤矿安全生产提供重要保障。

3、申请号为202120664451.0的中国专利公开了一种基于单片机信息联动的智慧灭火及监控系统，包括中央控制及处理器、系统监控服务器、灭火器终端、报警模块、信息查询模块、指令发送模块、定位模块、传感器模块、gprs无线通讯模块和电磁阀，其中电磁阀、定位模块和传感器模块安装在灭火器终端上，灭火器终端安装在室内顶部；系统监控服务器通过gprs无线通讯模块分别与中央控制及处理器与电磁阀相连，报警模块、信息查询模块和指令发送模块与中央控制及处理模块相连，定位模块和传感器模块通过无线信号与中央控制及处理模块相连。该系统能够实时监控和及时反馈险情点并进行及时智能灭火，最终实现实时监控、提前预警、及时报警、智能灭火四重联动。

4、但是，在现有的火灾监测点的监测方案中，通常仅采用一种传感器（例如，温度传感器）或者种类较少的传感器来进行火灾监控，但是井下环境是一个复杂且多变的工况环境，仅凭借所采集的单维数据来进行火灾监控有可能会造成漏判和错判。

5、因此，期待一种优化的煤矿井下使用防灭火方案。

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煤矿井下使用防灭火电控系统，其通过采用基于深度学习的人工智能监测技术，通过多传感器来采集煤矿井下的火灾监测点的温度值、烟雾浓度值以及一氧化碳浓度值，进一步通过融合三者之间的时序变化特征来判断火灾监测点是否发生火灾，以在判断结果为发生火灾后，切断火灾监测点的供电电源。

2、根据本技术的一个方面，提供了一种煤矿井下使用防灭火电控系统，其包括：

3、多传感器数据采集模块，用于获取部署于井下环境的火灾监测点的传感器采集的预定时间段内多个预定时间点的传感器数据，其中，传感器数据包括温度值、烟雾浓度值和一氧化碳浓度值；

4、向量化模块，用于将多个预定时间点的传感器数据中的温度值、烟雾浓度值和一氧化碳浓度值分别按照时间维度排列为温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量；

5、时序特征提取模块，用于将温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别通过多尺度邻域特征提取模块以得到温度时序特征向量、烟雾浓度值时序特征向量和一氧化碳浓度值时序特征向量；

6、特征融合模块，用于融合温度时序特征向量、烟雾浓度值时序特征向量和一氧化碳浓度值时序特征向量以得到分类特征向量；

7、规则化模块，用于对分类特征向量进行特征分布规则化以得到优化分类特征向量；

8、以及控制结果生成模块，用于将优化分类特征向量通过分类器以得到分类结果，分类结果用于表示是否切断火灾监测点的电源。

9、在上述煤矿井下使用防灭火电控系统中，多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及同时与第一卷积层和第二卷积层连接的多尺度融合层，其中，第一卷积层和第二卷积层分别使用具有不同尺度的一维卷积核。

10、在上述煤矿井下使用防灭火电控系统中，时序特征提取模块，包括：第一邻域尺度特征提取单元，用于将温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别输入多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度温度时序特征向量、第一邻域尺度烟雾浓度值时序特征向量和第一邻域尺度一氧化碳浓度值时序特征向量，其中，第一卷积层具有第一长度的第一一维卷积核；第二邻域尺度特征提取单元，用于将温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别输入多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度温度时序特征向量、第二邻域尺度烟雾浓度值时序特征向量和第二邻域尺度一氧化碳浓度值时序特征向量，其中，第二卷积层具有第二长度的第二一维卷积核，第一长度不同于第二长度；以及多尺度级联单元，用于将第一邻域尺度温度时序特征向量、第一邻域尺度烟雾浓度值时序特征向量和第一邻域尺度一氧化碳浓度值时序特征向量分别与第二邻域尺度温度时序特征向量、第二邻域尺度烟雾浓度值时序特征向量和第二邻域尺度一氧化碳浓度值时序特征向量进行级联以得到温度时序特征向量、烟雾浓度值时序特征向量和一氧化碳浓度值时序特征向量。其中，第一邻域尺度特征提取单元，用于使用多尺度邻域特征提取模块的第一卷积层以如下一维卷积公式对温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别进行一维卷积编码以得到第一邻域尺度温度时序特征向量、第一邻域尺度烟雾浓度值时序特征向量和第一邻域尺度一氧化碳浓度值时序特征向量；其中，公式为：

11、；

12、其中， a为第一卷积核在 x方向上的宽度、为第一卷积核参数向量、为与卷积核函数运算的局部向量矩阵， w为第一卷积核的尺寸， x表示温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量，表示对温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别进行一维卷积编码；

13、以及第二邻域尺度特征提取单元，用于使用多尺度邻域特征提取模块的第二卷积层以如下一维卷积公式对温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别进行一维卷积编码以得到第二邻域尺度温度时序特征向量、第二邻域尺度烟雾浓度值时序特征向量和第二邻域尺度一氧化碳浓度值时序特征向量；其中，公式为：

14、；

15、其中，b为第二卷积核在 x方向上的宽度、为第二卷积核参数向量、为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸， x表示温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量，表示对温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别进行一维卷积编码。

16、在上述煤矿井下使用防灭火电控系统中，特征融合模块，用于以如下公式融合温度时序特征向量、烟雾浓度值时序特征向量和一氧化碳浓度值时序特征向量以得到分类特征向量；其中，公式为：

17、；

18、其中表示温度时序特征向量，表示烟雾浓度值时序特征向量，表示一氧化碳浓度值时序特征向量，表示分类特征向量，、和分别表示温度时序特征向量、烟雾浓度值时序特征向量和一氧化碳浓度值时序特征向量的加权参数，表示按位置加和。

19、在上述煤矿井下使用防灭火电控系统中，规则化模块，用于以如下优化公式对分类特征向量进行特征分布规则化以得到优化分类特征向量；其中，公式为：

20、；

21、其中和是分类特征向量各个位置的特征值的均值和标准差，且是优化分类特征向量的第个位置的特征值，是分类特征向量的第个位置的特征值。

22、在上述煤矿井下使用防灭火电控系统中，控制结果生成模块，包括：全连接编码单元，用于使用分类器的多个全连接层对优化分类特征向量进行全连接编码以得到编码分类特征向量；以及分类结果生成单元，用于将编码分类特征向量通过分类器的softmax分类函数以得到分类结果。

23、根据本技术的另一方面，提供了一种煤矿井下使用防灭火电控方法，其包括：

24、获取部署于井下环境的火灾监测点的传感器采集的预定时间段内多个预定时间点的传感器数据，其中，传感器数据包括温度值、烟雾浓度值和一氧化碳浓度值；

25、将多个预定时间点的传感器数据中的温度值、烟雾浓度值和一氧化碳浓度值分别按照时间维度排列为温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量；

26、将温度时序输入向量、烟雾浓度值输入向量和一氧化碳浓度值输入向量分别通过多尺度邻域特征提取模块以得到温度时序特征向量、烟雾浓度值时序特征向量和一氧化碳浓度值时序特征向量；

27、融合温度时序特征向量、烟雾浓度值时序特征向量和一氧化碳浓度值时序特征向量以得到分类特征向量；

28、对分类特征向量进行特征分布规则化以得到优化分类特征向量；

29、以及将优化分类特征向量通过分类器以得到分类结果，分类结果用于表示是否切断火灾监测点的电源。

30、本技术提供了一种电子设备，包括：处理器；以及存储器，在存储器中存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上的煤矿井下使用防灭火电控方法。

31、申请提供了一种计算机可读介质，其上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上的煤矿井下使用防灭火电控方法。

32、与现有技术相比，本技术提供的一种煤矿井下使用防灭火电控系统，采用基于深度学习的人工智能监测技术，通过多传感器来采集煤矿井下的火灾监测点的温度值、烟雾浓度值以及一氧化碳浓度值，进一步通过融合三者之间的时序变化特征来判断火灾监测点是否发生火灾，以在判断结果为发生火灾后，切断火灾监测点的供电电源，提高了火灾判断的精准性。