边缘计算驱动的瓦斯灾害智能感知方法研究

卜滕滕，屈世甲，武福生，张卫国，胡 然

（1.中煤科工集团常州研究院有限公司，江苏常州 213015；2.天地（常州）自动化股份有限公司，江苏常州 213015）

煤矿瓦斯灾害是井工煤矿最普遍、最严重的灾害之一[1]，众多学者对煤层中瓦斯含量测定以及瓦斯运移规律进行了大量的研究[2-4]，但是关于采煤工作面瓦斯监测模式的研究少之又少。回采面是瓦斯产出最多的作业场所之一，掌握回采面瓦斯体积分数变化规律和分布特征是控制与治理瓦斯灾害的基础，有效的监测是防治瓦斯灾害的重要手段。

根据智能化矿山建设的要求，受限空间（工作面和回采巷道）安全环境的监测预警应该朝着连续自动化、智能网络化和信息可视化的方向发展[5]，因此要掌握回采面瓦斯体积分数变化规律和分布特征，应构造出回采面瓦斯动态分布云图，可视化展示回采面瓦斯流场分布状态。

但是目前回采面瓦斯监测都是单点监测模式，即在进风巷、回风巷靠近采面10 m 以内的位置和上隅角位置安设瓦斯传感器，只要3 个点瓦斯体积分数没有超过报警阈值（φ（CH4）=1%），则认定整个回采面瓦斯体积分数处于安全值范围内。这种“以点代面”的监测模式抓住了回采面瓦斯体积分数最高值，在一定程度上保障了工作面安全生产，但是无法多维展示回采面瓦斯流场分布状态。

构造回采面瓦斯动态分布云图，实现瓦斯流场可视化显示需解决2 个问题：一是回采面瓦斯全覆盖监测问题；二是瓦斯体积分数场构建及视觉显示瓦斯流场问题。

针对以上问题，部分学者已有探讨。屈世甲[6]提出了基于云、边、端3 级的瓦斯边缘监测模式，同时详细论述了MEMS 瓦斯传感器的“微功耗、小尺寸、低成本、免标校、自定位、自供电、自组网”功能以及矿用边缘网关数据处理和传输的相关功能，为解决基于边缘计算的瓦斯感知和传输问题提供了思路，但是该论文并未涉及回采面瓦斯全覆盖监测、瓦斯体积分数场构建以及瓦斯涌出异常捕捉等问题。为此，提出了边缘场景下瓦斯流场构建及异常起伏捕捉的方法，以环境感知层、数据传输层和平台应用层为架构，在边缘计算驱动下以瓦斯全覆盖监测数据为基础，通过数值插值算法生成可视化云图和数字场的支撑数据组，实现井下实时就地构建空间数据场、形成空间云图数据基础集以及矿井局部区域有害气体的连续监测。

1 边缘计算场景下瓦斯监测平台架构

边缘场景下瓦斯流场构建及异常起伏捕捉方法的平台架构如图1。

图1 边缘计算场景下瓦斯监测平台架构图Fig.1 Architecture diagram of methane monitoring platform in edge computing scenario

由图1 可知，环境感知层指瓦斯全覆盖监测布置系统，数据传输层指通过无线或者有线方式将监测数据传输至边缘网关，平台应用层指边缘网关能够完成瓦斯数字场的构建、瓦斯动态云图的显示和瓦斯异常涌出的捕捉。

2 环境感知层

2.1 回采面瓦斯全覆盖监测布置

回采面瓦斯分布特征呈现极强的规律性，依据回采面瓦斯分布规律在必要位置安设监测点即可完成回采面瓦斯的面域监测，避免了安装大量瓦斯传感器。

2.1.1 回采面瓦斯分布特征

为搞清回采面瓦斯分布特征和变化规律，以某矿ZF211 工作面为对象，现场检测了综放面在生产和检修期间回采面瓦斯体积分数大小。ZF211 是高瓦斯厚煤层综放开采工作面，该工作面倾向长度150 m，走向长度1 670 m，已经推采长度200 m。工作面开采煤厚9 m，割煤高度3 m，放煤高度6 m，采深625 m，煤层具有轻微冲击倾向性，开采前已进行瓦斯抽放。

该采煤工作面共有98 架支架，每个支架作为1个监测站，每个监测站布置3 个监测点（从煤壁至采空区依次为测点Bi、Ci、Ai）。纵向共有3 条测线，测线A 位于支架尾端顶部，测线B 位于支架前端顶部，测线C 位于支架中部顶部。

生产期间3 位检测员分别沿着A、C、B 3 条测线从下隅角至上隅角检测瓦斯体积分数，每次检测要保证传感器在测点停留至少20 s，20 s 后记录该点瓦斯体积分数。由于1#～3#液压支架上堆煤严重妨碍了检测任务，因此检测任务从4#支架开始，到98#支架结束，得到测线A、测线B 和测线C 瓦斯体积分数变化特征图。生产班回采面瓦斯分布特征和变化规律如图2。

由图2 获取了采煤工作面生产期间瓦斯分布特征：①瓦斯体积分数从下隅角到上隅角慢慢上升，下隅角区域和中部区域呈现“台阶上升”方式，上隅角区域呈“渐变上升”方式；②以采煤机为分割点，采煤机前方瓦斯体积分数明显小于采煤机后方，这是因为落煤产生的瓦斯被风流从采煤机前方吹向后方，但落煤对采煤机前方也会造成影响，影响范围大约20 m，如图中蓝色方框，采煤机后方都是落煤的影响范围；③上隅角位置是采煤工作面瓦斯体积分数最高点，佐证了“单点监测”模式的有效性。

2.1.2 回采面瓦斯全覆盖监测方案

根据采煤工作面瓦斯分布特征确定ZF211 采煤工作面瓦斯2 段式监测方案。下隅角区域和中部区域瓦斯以“台阶方式”上升，相邻台阶之间瓦斯体积分数落差最大值为0.04%，因此在下隅角区域和中部区域瓦斯传感器间隔布置，台阶长度最短为10 m，最长为42 m，在确保瓦斯传感器数据传输稳定的情况下，确定间隔距离为14 m，即每间隔6 个液压支架设置1 个监测站，每个监测站安设3 个瓦斯传感器，共布置10 个监测站，此为第1 段监测布置方案。上隅角区域瓦斯以“渐变方式”上升，以每个液压支架为监测站依序瓦斯传感器，共布置5 个监测站，此为第2 段监测布置方案。

2.2 MEMS 瓦斯传感器

以ZF211 工作面为例，则需要安设45 个瓦斯传感器。目前煤矿广泛使用催化燃烧式瓦斯传感器，但是该传感器具有标校频繁、功耗高、稳定性差等缺点，如果工作面安设45 个催化燃烧式瓦斯传感器，一方面井下一个通用监控分站不允许连接这么多传感器，另一方面后期维护工作量太大[7]。MEMS瓦斯传感器的研制为该问题的解决提供了思路。

MEMS 瓦斯传感器集成了微机械和微电子功能，由硅基材料和半导体集成电路制造工艺制成，具有尺寸小、质量轻、功耗低、高可靠性、强大的抗振动和冲击性等优势[8-9]。MEMS 技术可以将功能类型不同或敏感方向不同的传感器集成起来形成一个“智能传感系统”。因此通过整合微功耗瓦斯感知模组、无线自组网模组、主动动态标校感知模组、定位模组、自发电模组于一体，实现瓦斯传感器的“免标校、自定位、自供电、自组网”等功能。免标校指瓦斯传感标校周期≥1 年；自定位指可以将传感器位置信息作为监测数据一起传输，为构建瓦斯体积分数场提供位置信息；自供电指自发电模组发电功率≥0.5 mW，配合可充电电池实现传感器自供电和连续供电；自组网指通过无线基站，1#瓦斯传感器监测数据传给2#，2#连同1#监测数据传给3#，3#连同1#、2#监测数据传给4#，…，最后1 个瓦斯传感器将所有瓦斯传感器监测数据传输给边缘计算网关[6]。

3 数据传输层

数据传输主要包括传感器之间的数据传输、传感器与边缘计算网关之间数据传输以及边缘网关与边缘服务器之间的数据传输。

1）传感器之间的数据传输。对于回采面多个传感器数据传输首选无线传输方式，通过功耗低、延时低、容量大的无线自组网技术，实现瓦斯传感器信息交互和数据传输。井下常用无线接口包括WIFI、蓝牙、4G、5G、Zigbee、UWB 和LoRa 模块，WIFI、蓝牙、4G 无线传输技术已经在煤矿运用多年；蜂窝移动通信5G 技术具备较低的网络延迟和较高的数据传输速率，能够满足井下高速控传输的无线需求；Zigbee 无线通信技术在人员定位系统中广泛使用，适用于短距离和低速率下的无线传输；与Zigbee 相同，UWB 无线传输也应用于人员定位系统中，但是精度要更高；LoRa 具备低功耗、多节点、低速率、成本低和抗干扰强等特点，能够适用于井下远距离中低速通信和小数据量的数据传输。不论采用那种无线方式，都应满足无线射频模组功耗小于200 mW、通信距离大于10 m、单节点传输延迟小于0.4 ms和通信网络自愈时间小于10 ms 的要求。

2）传感器和边缘计算网关的数据传输。传感器和边缘计算网关可采用有线和无线结合的方式，无线传输方式如上所述。有线传输在井下应用相当成熟，并且通用监控分站与传感器之间有线传输已经形成了一些通用标准接口，主要包括RS485、CAN 和以太网等通信接口，可以直接应用。同时考虑到边缘网关会接收较多异构数据，建议增加PLC 接口和MiniPCIe 外扩接口，包括UART、SPI 和I2C 等板级通信总线，用于扩展其他必要的有线数据传输。

3）边缘计算网关和边缘计算服务器之间的数据传输。由边缘网关至边缘服务器之间系统复杂、传输线路纷杂、数据量庞大，建议选用适合远距离通信、抗干扰能力强的有线传输方式。

4 平台应用层

如何对大量的瓦斯监测数据进行处理、分析，最终生成可视化云图和数字场的支撑数据组以及进行视觉展示也是个难题。在现有的煤矿安全监控系统中，瓦斯传感器监测数据主动上传至通用监控分站，再由通用监控分站上传至地面计算机，计算机处理分析后下发控制指令给通用监控分站实施断电或复电功能。或者通用监控分站自主完成瓦斯超限声光报警、断电和瓦斯风电闭锁控制等功能[10-14]。可见，通用监控分站仅具备与地面计算机数据交换以及简单的控制功能，不具备数据的处理与分析、数字场的构建以及可视化显示等功能，应寻找通用监控分站的替代品。边缘计算技术的发展为解决这一问题提供了有效途径。

“边缘计算”最初由美国太平洋西北国家实验室的RyanlaMothe 第一次提出，定义为“edge computing”，该定义已经具备了云服务的下行和万物互联的上行[15]。美国韦恩州立大学施巍松教授团队给出了边缘计算的正式定义[16]：边缘计算是指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数据和来自于万物互联服务的上行数据，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源，是一个连续统。与云计算相比，边缘计算具有2 个明显优点[17-18]：①直接在数据源端处理大量数据，不必全部上传云端，减轻了网络带宽和数据中心功耗的压力；②在靠近数据源端做数据处理，不需要通过云计算中心的响应，大大减少了系统延迟，增强了服务响应能力。

由此可知，边缘计算网关属于嵌入式设备，其具备工业场合常用的通信能力，可接入区域内的实时数据，能够在数据源附近处理大量物联网数据，可以有效减小计算系统的延迟和数据传输的带宽。为此在边缘计算网关内嵌数据处理模型、单点瓦斯体积分数异常波动判别模型，完成瓦斯数字场的构建、瓦斯动态云图的显示和瓦斯异常涌出的捕捉。

4.1 构建回采面瓦斯体积分数场及视觉展示

采煤工作面45 个瓦斯传感器，每分钟将产生接近27 000 个监测数据，以这些数据为基础通过数值插值算法生成可视化云图的支撑数据组，实现井下实时构建瓦斯数字场、生成瓦斯动态云图。

以ZF11 工作面监测数据为例进行说明：①步骤S1：获取瓦斯传感器的监测数据；②步骤S2：根据瓦斯传感器的位置信息以及瓦斯体积分数数据生成三维数据（x，y，z），x 方向指瓦斯传感器在选定支架中的横向位置排序（从采空区至煤层剥落区方向），y方向是指瓦斯传感器所在的选定支架的纵向位置排序（从下隅角到上隅角方向）；③步骤S3：利用二维三次样条插值算法对三维数据进行插值运算，得到的采煤工作面的瓦斯体积分数分布特征云图如图3。由图3 可以获知回采面瓦斯逐步的台阶上升和渐变上升的波动特征。

图3 生产班回采面瓦斯分布特征和变化规律Fig.3 Distribution characteristics and changing laws of methane on coal face in production squads

图3 数据插值过程及回采面瓦斯体积分数场云图Fig.3 Data interpolation process and cloud diagram of methane concentration field in mining face

4.2 回采面瓦斯涌出异常判定

通过构建回采面瓦斯体积分数云图，实时展现回采面瓦斯流场分布特征，从宏观角度获取了瓦斯变化规律；捕捉瓦斯异常还应该建立数据异常判别模型，从微观角度判定瓦斯的异常波动行为。通过构建单点瓦斯体积分数异常波动识别模型对时间序列内单点瓦斯体积分数的异常起伏进行判定。

1）时间序列内单点瓦斯体积分数涌出异常的判定。由ZF211 综放工作面回采期间瓦斯体积分数曲线可知，瓦斯体积分数最大值Tmax=0.35，瓦斯体积分数均值T=0.2,瓦斯体积分数最小值Tmin=0.15，说明瓦斯体积分数浮动的正常范围是0.05～0.15。根据以上分析制定判定单点瓦斯体积分数为异常数据的规则，以ZF211 工作面为例，工作面共安装45 个传感器，传感器定义为T1、T2、…、T45，现对传感器Tx（1≤x≤45）的监测数据进行判定。系统每隔30 s 从数据库读取传感器Tx（1≤x≤45）的1 个监测数据，该数值为30 s 周期内的最大值。第1 个数据记为t1，第i记为ti（1≤i≤960），1 个生产班共读取960 个数据，对960 个数据作如下分析：①获取上一班次传感器Tx瓦斯体积分数最高值tmax与均值t，作为本班次Tx单点瓦斯体积分数是否异常的判断标准；②任意时刻本班次传感器Tx瓦斯体积分数值为ti（0＜i≤960），若ti＜tmax，则判定ti为正常数据，令i=i+1，依次对数据进行判定，若i＞960，则本班次传感器Tx瓦斯体积分数未出现异常，进入下一班次对瓦斯体积分数值进行判定；③任意时刻本班次传感器Tx瓦斯体积分数值为ti，若ti＞tmax，且ti-tmax＞tmax-t，则判定ti为异常数据，标记为第1 个异常数据a1，记j=1；④接着判断ti+1，若ti+1＞tmax，且ti+1-tmax＞tmax-t，则判定ti+1为异常数据，标记为第2 个异常数据t2，记j=j+1；⑤在6 min 内，若j≥8，则认为传感器Tx瓦斯体积分数异常波动，采取相应处置措施。

2）回采面瓦斯异常判定。通过单点瓦斯体积分数异常波动判别模型判定了时间序列内某个传感器Tx的瓦斯涌出是否异常，回采面共计45 个瓦斯传感器（以ZF211 工作面为例），通过模型对每个传感器的监测数据进行判定，则获得45 个结果且均匀分布，这不利于结果整合。依据回采面瓦斯体积分数分布状态，将回采面划分成3 个区域：瓦斯低体积分数区、瓦斯体积分数上升区、瓦斯高体积分数区。瓦斯低体积分数区内甲烷传感器为A1、B1、C1；瓦斯体积分数上升区内甲烷传感器为A2、…、A10，B2、…、B10，C2、…、C10；瓦斯高体积分数区内甲烷传感器为A11、…、A15，B11、…、B15，C11、…、C15；各个区域内，只有有1 个传感器瓦斯涌出异常，则认为该区域瓦斯涌出异常。回采面瓦斯异常起伏判定方法如图4。

图4 回采面瓦斯异常起伏判定方法Fig.4 Judgment method of abnormal methane fluctuation in working face

5 结 语

回采工作面瓦斯单点监测模式已在煤矿实施多年，虽然能够实现瓦斯体积分数超限报警功能，但是不能展现瓦斯流场分布状态以及捕捉瓦斯异常起伏行为。鉴于此，以“环境感知层-数据传输层-平台应用层”3 个关键问题为主线，论述了基于边缘计算技术的瓦斯灾害智能感知方法。

1）在环境感知端，通过分析回采面瓦斯变化特征和分布规律，设计了回采面瓦斯全覆盖监测方案，提出了传感器“间隔布置”和“依序布置”2 种布置方式，借助“免标校、自定位、自供电、自组网”MEMS 瓦斯传感器实现了回采面瓦斯全覆盖监测布置系统。

2）在数据传输层，提出了传感器之间采用无线传输方式，传感器与边缘计算网关之间采用有线和无线相结合方式，边缘计算网关和边缘服务器之间采用有线传输方式。

3）在平台应用层，用边缘网关替代通用监控分站，使其不仅具备了通信能力，还具有一定的运算能力和高级判断功能；边缘网关内嵌数据处理模型、单点瓦斯浓度异常波动判别模型，能够在井下实时构建瓦斯数据场、形成空间云图、捕捉瓦斯涌出异常行为，实现矿井回采面瓦斯动态云图可视化和灾害监测预警。