唐女智 韩聪 罗冬艳 周远芳 王昆鹏

摘要：传统的井下监测系统主要采用信号的有线传输方式，限制了系统的可移动性，设备安装不够灵活，定位精度低，难以满足现在井下安全监测实时准确的要求。随着无线传感器网络技术的发展，并在众多领域取得广泛的应用，这一技术也很快应用于地下矿井中。本文采用无线传输lora技术来对数据进行传输，采用BP神经网络算法建立预测模型，来对矿井内环境进行一个监测，并对事故进行一个提前预警，保证矿井工作人员的安全。

关键词：BP神经网络;LoRa技术;矿井监测预警系统

随着电子技术、通讯技术、控制技术、计算机技术、CRT显示技术以及软件技术的迅速发展，计算机技术在煤炭工业领域得到迅速发展。利用计算机进行实时检测是煤炭生产的一个重要环节。对工作现场和工作过程进行检测和控制，将现场运行监督，数据的实时采集、事故处理、常事务管理等工作交给计算机完成矿井监测系统其主要功能是能够及时、准确地反映各类所需要的监测信息，从而满足诸如环境安全、胶带运输、轨道运输、供电系统对瓦斯、风速、一氧化碳、温度、负压等环境参数以及设备的开停、风门开闭、风筒风量不同检测对象的要求，以实现在煤炭生产中对全矿井的综合监测。从2O世纪80年代开始，我国在近300个国有重点煤矿安装了矿井环境监测系统，这些设备在一定程度上改变了我国煤矿生产状况。近年来，随着国有重点煤矿采深加大，自然灾害的威胁也日益突出，特别是瓦斯煤尘爆炸事故，煤与瓦斯突发事故和火灾事故又呈上升趋势，据资料统计多半事故就发生在装有环境监测系统的煤矿中。

一、Lora技术介绍

LoRa是LPWAN通信技术中的一种，是美国Semtech公司采用和推广的一种基于扩频技术的超远距离无线传输方案。这一方案改变了以往关于传输距离与功耗的折衷考虑方式，为用户提供一种简单的能实现远距离、长电池寿命、大容量的系统，进而扩展传感网络。LoRa是LPWAN中发展比较快，相对比较成熟的技术。我国的中兴通讯与东方测控、唯传科技、创高安防等近20家企业发起建立了中国LoRa应用联盟。

LoRa网络主要由终端（可内置LoRa模块）、网关（或称基站）、Server和云四部分组成。应用数据可双向传输。

二、BP神经算法介绍

误差反向传播神经网络简称为BP网络，它是一种具有三层或三层以上的多层神经网络，每一层都由若干个神经元组成。如图所示为一个BP神经网络的结构图，它的左、右各层之间各个神经元实现全连接，即左层的每一个神经元与右层的每个神经元都有连接，而上下各神经元之间无连接。BP神经网络按有监督学习方式进行训练，当一对学习模式提供给网络后，其神经元的激活值将从输入层经各隐含层向输出层传播，在输出层的各神经元输出对应于输入模式的网络响应。然后，按减少希望输出与实际输出误差的原则，从输出层经各隐含层、最后回到输人层逐层修正各连接权。由于这种修正過程是从输出到输入逐层进行的，所以称它为“误差逆传播算法”。

三、系统总体设计

系统是基于BP神经网络和Lora模块搭建矿井监测的软硬件平台，通过51单片机进行控制，利用协议实现传感器节点的Lora自组网通信，通过路由器节点汇聚传感器节点的测量参数并进行转发，最终传输至监测中心实现矿井监测，同时平台将实时监测的数据信息输入给神经网络模型去处理，对矿井可能发生的危险进行预警。

系统的设计由上位机和下位机构成，上位机与下位机之间采用MQTT协议进行通讯，下位机由环境数据监测节点和数据集中器构成，负责环境数据的监测汇集与上传。监测节点根据实际需求具备不同的环境监测能力，分别适用于矿井不同区域，可监测温湿度、PM2.5、有害气体等指标以及火灾、漏水等异常灾害遥，监测节点监测相应环境数值后对数值进行处理与组装并按照固有协议格式通过LoRa无线通讯模块将其数据传输至数据集中器遥数据集中器对各环境监测节点数据进行集中与处理后依靠Wi-Fi和路由器进行上传。通过温湿度传感器、压力传感器、粉尘传感器、瓦斯气体模组可实时监测相关数据。当湿度传感器、压力传感器和粉尘传感器超过设定的安全范围的阈值，平台发出报警，即可有效的避免冒顶危险、水灾危险和煤尘爆炸危险的发生。对上传到云端的数据进行BP算法预测模型的建模，采用神经网络训练方法分析系统的安全状态，对于预防和减少矿井安全事故将起着非常积极的作用。预测矿井内可能发生的危险，并发出报警声，提醒矿井工人做好逃离准备，减少事故发生率，降低死亡率。同时，在远程监控中心电脑和手机APP都可以实时看到矿井各个区域的情况。

四、硬件设计

为了能够更好地适应实际场景的需求，同时又兼顾系统开发成本，硬件设计采用组采集节点和1 个汇聚节点来共同完成矿井环境监测网络的构建。为了降低系统功耗，采集节点之间不进行相互通信，每个采集节点与汇聚节点通过LoRa无线通信模块完成数据和指令的传输，通信网络采用星型网络拓扑结构。

五、软件设计

开发的手机APP界面如下图所示，其能够实时监测矿井内环境情况，由于BP神经网络预测模型，在APP端可以显示可能会发生的事故，提前做出预测和警告。可观性很强。

参考文献：

[1]   朱高中.基于以太网的矿井监测系统研究[J].渭南师范学院学报，2018，33（04）：61-65.

[2]   孙守靖.矿井监测监控系统技术发展方向展望[J].煤，2005（01）：33-34.[3]丁振.煤矿安全监控数据挖掘分析技术研究与应用[D].华北科技学院，2016.

作者简介：

唐女智（1999—），女，侗族，湖南怀化，本科，研究方向：信息与通信。韩聪（1999—），男，汉族，浙江绍兴，本科，研究方向：材料成型及控制。

罗冬艳（1998—），女，汉族，湖南怀化，本科，研究方向：医学信息工程。

周远芳（1997—），女，汉族，重庆，本科，研究方向：人力资源管理。

王昆鹏（1999—），男，满族，内蒙古兴安盟，本科，研究方向：材料成型及控制。