王亮

(西安科技大學(xué) 電氣與控制工程學(xué)院， 陜西 西安　710054)

?

基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警

王亮

(西安科技大學(xué) 電氣與控制工程學(xué)院， 陜西 西安710054)

摘要：利用復(fù)雜事件處理技術(shù)構(gòu)建了基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警觸發(fā)模式。以井下RFID人員定位數(shù)據(jù)與環(huán)境監(jiān)測數(shù)據(jù)為基礎(chǔ)應(yīng)用數(shù)據(jù)，基于復(fù)雜事件處理技術(shù)搭建大規(guī)模井下安全流數(shù)據(jù)處理框架，設(shè)計離線數(shù)據(jù)關(guān)聯(lián)規(guī)則自學(xué)習(xí)、在線數(shù)據(jù)匹配樹結(jié)構(gòu)自匹配的雙層并行機制，以實現(xiàn)對井下安全預(yù)警事件的高效檢測與預(yù)警觸發(fā)。測試結(jié)果表明，基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警模式相對于基于關(guān)系型數(shù)據(jù)庫的安全監(jiān)控模式，在異常事件檢測數(shù)與檢測效率方面均具有顯著的優(yōu)勢。

關(guān)鍵詞：煤礦井下安全； 復(fù)雜事件處理； 異常事件檢測； 預(yù)警觸發(fā)

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20160803.1002.009.html

0　引言

作為產(chǎn)煤量占世界35%的產(chǎn)煤大國，煤炭在中國的能源消耗體系中占據(jù)十分重要的位置。然而，由于煤炭開采井下地質(zhì)條件的復(fù)雜性及開采環(huán)境的惡劣性等眾多原因，中國成為礦難高發(fā)國。據(jù)不完全統(tǒng)計，2015年中國發(fā)生近40起重特大煤礦安全事故，造成七百余人死亡和失蹤[1]。針對目前嚴峻的煤礦安全生產(chǎn)現(xiàn)狀，進一步加強煤礦安全生產(chǎn)技術(shù)的研究與開發(fā)應(yīng)用具有十分重要的現(xiàn)實意義。在現(xiàn)有的煤礦井下安全監(jiān)控系統(tǒng)中，所獲取的煤礦生產(chǎn)過程數(shù)據(jù)涵蓋井下人員、通風(fēng)、環(huán)境、地質(zhì)等方面的狀態(tài)信息與感知數(shù)據(jù)。上述數(shù)據(jù)信息可反映煤礦生產(chǎn)過程各環(huán)節(jié)的實時狀態(tài)，蘊含影響煤礦安全生產(chǎn)多要素之間的內(nèi)在機理規(guī)則，體現(xiàn)煤礦安全事件的發(fā)展趨勢與態(tài)勢。因此，立足于信息化與工業(yè)化“兩化融合”的現(xiàn)實趨勢與客觀需求，利用上述跨空間多領(lǐng)域的異構(gòu)感知數(shù)據(jù)的關(guān)聯(lián)建模與深度融合，有力提升安全監(jiān)控系統(tǒng)在井下安全事件檢測與預(yù)警處理方面的準確性與高效性，對于充分發(fā)揮安全監(jiān)控系統(tǒng)在井下安全管理方面的作用具有極其重要的現(xiàn)實意義與應(yīng)用價值。本文利用復(fù)雜事件處理技術(shù)構(gòu)建了基于事件驅(qū)動的煤礦井下安全事件高效檢測與預(yù)警觸發(fā)模式。測試結(jié)果表明，該模式相對于基于關(guān)系型數(shù)據(jù)庫的安全監(jiān)控模式，在異常事件檢測數(shù)與檢測效率方面均具有顯著優(yōu)勢。

1　煤礦安全監(jiān)控系統(tǒng)概述

隨著信息技術(shù)的飛速發(fā)展，構(gòu)建信息化的智能煤礦安全生產(chǎn)監(jiān)控系統(tǒng)，以解決煤炭生產(chǎn)過程中的安全隱患問題已經(jīng)成為一條行之有效的重要途徑[2-3]。中國從20世紀90年代開始自主研發(fā)煤礦安全監(jiān)控系統(tǒng)，通過在井下安放位置固定的監(jiān)控傳感設(shè)備，以有線電纜的方式將數(shù)據(jù)傳送至地面監(jiān)控系統(tǒng)[4]。而隨著RFID技術(shù)與無線傳感網(wǎng)技術(shù)的日趨成熟，相關(guān)的基于RFID的煤礦安全監(jiān)控系統(tǒng)已經(jīng)投入實際生產(chǎn)并發(fā)揮了有效的作用[5-8]。在面向煤礦安全生產(chǎn)監(jiān)控的數(shù)據(jù)利用方面，現(xiàn)有的模式往往是以歷史數(shù)據(jù)為基礎(chǔ)，以傳統(tǒng)的數(shù)據(jù)庫存儲分析為手段，通過匯聚統(tǒng)計分析及集成統(tǒng)計分析，進而發(fā)現(xiàn)煤礦生產(chǎn)過程中各種機電設(shè)備的健康狀況、運行能耗、環(huán)境變化等信息，最終實現(xiàn)對煤礦生產(chǎn)的安全輔助支撐作用[9-11]。通過以上分析可以看出，現(xiàn)有煤礦安全信息集成與數(shù)據(jù)分析方法盡管對煤礦安全生產(chǎn)起到了明顯的促進作用，但是仍然無法在煤礦井下開采的復(fù)雜、惡劣生產(chǎn)環(huán)境中充分發(fā)揮其作用；仍然無法實時、高效、智慧地感知與檢測生產(chǎn)流程中的人員、環(huán)境、機電設(shè)備等方面的異常安全事件；仍然無法以自適應(yīng)、自學(xué)習(xí)的方式匯聚生產(chǎn)過程模式規(guī)律，從而為事中安全預(yù)警、事后搶險救援提供科學(xué)而有效的判據(jù)。

2　基于事件驅(qū)動架構(gòu)的復(fù)雜事件處理框架

作為面向流數(shù)據(jù)的事件驅(qū)動架構(gòu)框架，復(fù)雜事件處理由美國斯坦福大學(xué)的David Luckham與

Brian Fraseca 于20世紀90年代提出，其主要通過使用模式對比匹配過程、原事件及復(fù)合事件的關(guān)聯(lián)與聚合關(guān)系，從大規(guī)模流數(shù)據(jù)中實時檢測并抽取出有意義的事件，從而構(gòu)建更為彈性的事件驅(qū)動架構(gòu)相關(guān)應(yīng)用[12-14]。在事件驅(qū)動架構(gòu)下，相比于傳統(tǒng)的簡單事件檢測流程，復(fù)雜事件處理不僅可用于處理單一的、用戶預(yù)先定義的與應(yīng)用為導(dǎo)向的事件，同時可以處理基于事件內(nèi)在邏輯層次化關(guān)系的復(fù)合事件，通過對業(yè)務(wù)相關(guān)流程參數(shù)的自學(xué)習(xí)過程建立并更新知識庫，當(dāng)事件處理監(jiān)測模塊檢測出數(shù)據(jù)流中所蘊含的目標事件時，以近乎實時的方式去觸發(fā)相關(guān)的動作(預(yù)警、干預(yù)等)。

目前復(fù)雜事件處理實現(xiàn)方面的技術(shù)主要有自動機、Petri網(wǎng)、匹配樹及有向圖等[14]。因為基本事件與復(fù)雜事件具有本質(zhì)的分層邏輯關(guān)系，本文以匹配樹為主要實現(xiàn)手段。在匹配樹事件檢測模型中，葉子節(jié)點表示基本檢測事件，節(jié)點之間的關(guān)系以事件操作符替代。針對用戶所定義或查詢的復(fù)雜事件模式，匹配樹模型首先構(gòu)造對應(yīng)的事件識別樹形結(jié)構(gòu)，相應(yīng)的時間、參數(shù)值均作為節(jié)點屬性值保存在識別樹中?；就ㄓ昧鞒蹋菏录z測模型檢測葉子節(jié)點基本事件，通過基本事件表達式合成關(guān)系匹配檢索基本事件級的復(fù)合事件，若滿足條件則更新葉子節(jié)點歷史記錄，同時將對應(yīng)事件發(fā)送至緩存；將所生成的新復(fù)合事件發(fā)送至葉子節(jié)點對應(yīng)的父節(jié)點，并根據(jù)語義關(guān)系與表達式產(chǎn)生新的候選復(fù)雜事件，若滿足匹配條件則發(fā)送更上一級父節(jié)點進行進一步的事件匹配處理。下面給出一個簡單結(jié)構(gòu)匹配樹，如圖1所示，首先建立前綴樹，其中包含4個模式串：“say”、“she”、“shr”、“her”。其中，根節(jié)點root為空，不表示任何字符，終端節(jié)點表示葉子節(jié)點。然后根據(jù)待查找字符串，逐字符匹配前綴樹字符串，從樹的根節(jié)點root往葉子節(jié)點逐步查找，直至實現(xiàn)字符匹配或是匹配失效。例如，待查找字符串“sa”可與第1條模式串“say”實現(xiàn)匹配過程。

圖1　復(fù)雜事件檢測匹配樹模型

3　煤礦井下安全事件檢測與預(yù)警

3.1煤礦井下事件語義及事件定義

安全監(jiān)控系統(tǒng)覆蓋煤炭開采的各個關(guān)鍵環(huán)節(jié)，通過傳感器、視頻監(jiān)控等設(shè)備記錄井下作業(yè)空間、機電設(shè)備狀態(tài)及井下濕度、溫度、風(fēng)速、壓力、瓦斯、一氧化碳、氧氣等環(huán)境狀態(tài)，同時利用RFID可實現(xiàn)對井下人員的定位追蹤。本文以RFID人員定位數(shù)據(jù)與井下環(huán)境監(jiān)測數(shù)據(jù)為基礎(chǔ)應(yīng)用數(shù)據(jù)，基于復(fù)雜事件處理技術(shù)設(shè)計并實現(xiàn)基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警觸發(fā)模式。其中用于人員定位的RFID數(shù)據(jù)格式為{ReaderID，Tag，Timestamp}，其中ReaderID為RFID讀寫器的ID號，Tag為所掃描的電子標簽的標志號，Timestamp為數(shù)據(jù)讀取的時間戳信息。用于環(huán)境狀態(tài)監(jiān)測所采集的數(shù)據(jù)格式為{SensorID，SensingData，Timestamp}三元格式，其中SensorID為傳感器ID號，SensingData為所采集的感知數(shù)據(jù)(包括溫度、濕度、壓力、風(fēng)速、瓦斯?jié)舛燃胺蹓m濃度等信息)。

與RFID數(shù)據(jù)相比，環(huán)境監(jiān)測中的狀態(tài)監(jiān)測所涉及的傳感器類型多樣，數(shù)據(jù)格式不一，因而在復(fù)合事件生成層所合成的事件模式更為復(fù)雜。利用應(yīng)用基礎(chǔ)數(shù)據(jù)采集體系(RFID與傳感器網(wǎng)絡(luò))所采集到的原始數(shù)據(jù)，基于規(guī)則關(guān)系以生成與煤礦安全相關(guān)的復(fù)雜事件。

定義1基本安全事件：為具有簡單語義知識的目標域狀態(tài)信息及多傳感源之間的具有某種時空與流程關(guān)聯(lián)的關(guān)系事件，如環(huán)境溫度變化事件、實時瓦斯信息等。

定義2復(fù)雜安全事件：為由若干個基本安全事件或復(fù)雜安全事件通過事件合成關(guān)系或是操作符號所產(chǎn)生的合成事件，以表達應(yīng)用層不同語義對象之間的相互關(guān)系。其具體的數(shù)據(jù)形式可以定義為{Feature，Rule，Time}，其中Feature表示復(fù)雜安全事件的屬性特征；Rule為相應(yīng)的規(guī)則信息，具體有因果關(guān)系、時序關(guān)系等；Time依據(jù)復(fù)雜安全事件的性質(zhì)可分為時間點與時間區(qū)間。

基于事件驅(qū)動的復(fù)雜安全事件處理模式實時檢測人員定位及環(huán)境狀態(tài)監(jiān)測數(shù)據(jù)，如果有滿足用戶自定義或是基于規(guī)則學(xué)習(xí)所產(chǎn)生的井下安全監(jiān)測復(fù)雜事件時，事件處理將所檢測的事件發(fā)送給應(yīng)用程序接口，同時以實時方式觸發(fā)相關(guān)報警提示動作。在本文中以2個主要的事件為例進行闡述：礦工位置移動事件、環(huán)境安全預(yù)警事件。

礦工位置移動事件在基本事件的情景下，其所滿足的基本條件形式化表示如下：

(1)

式中：Readeri.Tagk為礦工Tagk進入RFID 讀寫器Readeri的空間范圍；d為自定義的距離參數(shù)，其與不同的具體場景(采煤層、巷道)有關(guān)，其可以通過2個基本的RFID基本事件聚合而成，即{ReaderIDi，Tagk，Timestampi}與{ReaderIDj，Tagk，Timestampj}，Tagk為該復(fù)雜事件所指向的具體礦工對象，Timestampj-Timestampi為位置移動事件的時間跨度信息。

礦工位置移動事件滿足條件：① 2個不同Reader之間的距離閾值滿足式(1)。② Timestampj與Timestampi滿足時序先后關(guān)系。

本文采用經(jīng)典的復(fù)雜事件語言SASE作為煤礦井下監(jiān)控系統(tǒng)的安全事件描述、查詢及檢測語言。下面就礦工位置移動事件給出一個查詢實例：

Select * from RFIDEvent

Where Tag = Tagk

Where Timestampj> Timestampi

環(huán)境安全預(yù)警事件在基本事件的情景下，其所滿足的基本條件形式化表示如下：

SensingDataj.SensorIDk≥ε

(2)

式中:SensingDataj.SensorIDk為傳感器節(jié)點SensorIDk所感知到的環(huán)境參數(shù)數(shù)據(jù)SensingDataj;ε為閾值，其與具體的傳感器環(huán)境監(jiān)測參數(shù)類型(瓦斯?jié)舛?、粉塵濃度等)有關(guān)。

具體而言，環(huán)境安全預(yù)警事件為煤礦井下某個傳感器節(jié)點所采集到的環(huán)境狀態(tài)信息，反映出所在區(qū)域的環(huán)境狀態(tài)出現(xiàn)異常，而觸發(fā)實時報警事件。

對于復(fù)合事件而言，在環(huán)境安全預(yù)警事件情景下，其表述形式為Rule==Condition，其中Rule為多基本事件所合成的事件規(guī)則，Condition為系統(tǒng)安全用戶或是通過自學(xué)習(xí)過程所得到的滿足條件。例如，溫度、濕度、粉塵濃度等多個傳感信息的復(fù)合關(guān)聯(lián)滿足相應(yīng)的條件，以觸發(fā)報警事件。

3.2基于事件驅(qū)動的井下安全事件檢測與預(yù)警觸發(fā)

基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警觸發(fā)模式構(gòu)成如圖2所示?；赗FID人員定位與機電類、環(huán)境類、地質(zhì)類等多源傳感器網(wǎng)絡(luò)實時獲取的跨空間異構(gòu)井下安全感知數(shù)據(jù)，按照規(guī)范化數(shù)據(jù)格式與事件表示進行數(shù)據(jù)解析過程，主要包括對不同傳感器節(jié)點所獲取的數(shù)據(jù)進行格式統(tǒng)一、單位換算、數(shù)據(jù)清洗等預(yù)處理操作；解析后的數(shù)據(jù)通過復(fù)雜事件產(chǎn)生模塊，以復(fù)雜事件表示元語為基礎(chǔ)，分別實現(xiàn)數(shù)據(jù)向事件的語義轉(zhuǎn)換過程、基本安全事件的產(chǎn)生及復(fù)雜安全事件的合成操作，以實現(xiàn)實時流數(shù)據(jù)完成不同粒度、不同層次上的事件合成操作。其中，語義轉(zhuǎn)換功能在于實現(xiàn)原始數(shù)值型數(shù)據(jù)向語義型數(shù)據(jù)的映射與轉(zhuǎn)換，同時保證在映射與轉(zhuǎn)換過程中維持最小的信息損耗；基本安全事件的產(chǎn)生功能為建立在語義轉(zhuǎn)換基礎(chǔ)之上的元安全事件擬合過程。

圖2　基于事件驅(qū)動的煤礦井下安全事件

另一方面，基于多源感知流數(shù)據(jù)實現(xiàn)對歷史語義知識庫的離線更新過程，通過歷史數(shù)據(jù)的關(guān)聯(lián)規(guī)則自學(xué)習(xí)實現(xiàn)復(fù)雜事件規(guī)則知識的自動化更新與增量式更新。此外，模型設(shè)置了管理用戶關(guān)聯(lián)規(guī)則自定義接口，以實現(xiàn)用戶針對特定環(huán)境、特定約束、特定條件下的自定義規(guī)則?；趶?fù)雜事件產(chǎn)生模塊所輸出的安全事件與關(guān)聯(lián)規(guī)則，在滑動時間窗進行匹配樹實時匹配過程，以概率化數(shù)值表示對當(dāng)前狀態(tài)的風(fēng)險評估，基于風(fēng)險評估量化關(guān)系進行危險提示與預(yù)警觸發(fā)，最終為煤礦生產(chǎn)安全管理部門的決策提供支撐。

4　實驗仿真及結(jié)果分析

為了驗證所提出的基于事件驅(qū)動的煤礦井下安全事件檢測與觸發(fā)模式的有效性與快速性，本文以煤礦井下安全檢測數(shù)據(jù)集為基礎(chǔ)進行了相應(yīng)的實驗仿真測試。實驗數(shù)據(jù)采用煤礦井下現(xiàn)場采集小數(shù)據(jù)集與按照泊松分布產(chǎn)生的虛擬數(shù)據(jù)相結(jié)合的合成數(shù)據(jù)集。傳統(tǒng)的煤礦井下安全預(yù)警或是采用單一傳感源獲取數(shù)據(jù)的實時動作觸發(fā)，或是將多源采集數(shù)據(jù)發(fā)送至數(shù)據(jù)庫，在服務(wù)器端進行數(shù)據(jù)的融合與關(guān)聯(lián)匹配以產(chǎn)生預(yù)警。由于本文所采用的是以RFID人員定位與環(huán)境監(jiān)測感知數(shù)據(jù)為應(yīng)用基礎(chǔ)數(shù)據(jù)的多源數(shù)據(jù)，所以實驗部分與基于傳統(tǒng)數(shù)據(jù)庫的安全預(yù)警模式(傳統(tǒng)數(shù)據(jù)庫模式)進行比較分析。

本文實驗環(huán)境分為硬件環(huán)境和軟件環(huán)境。其中，硬件環(huán)境為Intel(R) Core(TM) i3-3110M CPU、2.40 GHz、4.00 GB內(nèi)存和250 GB硬盤；軟件環(huán)境為Windows 7操作系統(tǒng)，Visual C++ 6.0 編程環(huán)境。對面向煤礦井下安全監(jiān)測流數(shù)據(jù)的復(fù)雜事件處理性能進行測試，并對結(jié)果進行了分析。

在不同測試數(shù)據(jù)序列(1 000～5 000序列)下分別對井下多源數(shù)據(jù)異常事件的檢測結(jié)果與效率進行比對分析，具體結(jié)果如圖3所示。由圖3(a)可以看出，基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警觸發(fā)模式(事件驅(qū)動模式)的異常事件檢測數(shù)顯著優(yōu)于傳統(tǒng)數(shù)據(jù)庫模式，平均可提高事件檢測率57.63%。由圖3(b)可以看出，事件驅(qū)動模式的時間效率優(yōu)于傳統(tǒng)數(shù)據(jù)庫模式，其時間開銷平均提升了2.26倍。

(a) 2種模式的異常事件檢測數(shù)對比

(b) 2種模式的異常事件檢測效率對比

5　結(jié)語

面向煤礦復(fù)雜、惡劣生產(chǎn)環(huán)境對于安全預(yù)警系統(tǒng)實時性、綜合性的現(xiàn)實需求，構(gòu)建了基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警觸發(fā)模式。以井下人員定位RFID數(shù)據(jù)與環(huán)境監(jiān)測數(shù)據(jù)為基礎(chǔ)應(yīng)用數(shù)據(jù)，利用復(fù)雜事件處理技術(shù)的事件語義定義合成多層復(fù)合安全事件，通過匹配樹結(jié)構(gòu)在線匹配RFID數(shù)據(jù)與傳感器網(wǎng)絡(luò)環(huán)境監(jiān)測獲取數(shù)據(jù)，以實現(xiàn)在線實時安全預(yù)警事件的檢測與預(yù)警觸發(fā)。對合成測試數(shù)據(jù)的實驗仿真結(jié)果顯示，所提出的基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警觸發(fā)模式比傳統(tǒng)的數(shù)據(jù)庫處理模式在異常事件檢測數(shù)與檢測效率2個方面均具有顯著的優(yōu)勢。

參考文獻：

[1]新華網(wǎng).2015年全國發(fā)生38起重特大事故768人喪生失蹤[EB/OL].(2016-01-15)[2016-04-16].http://www.sh.xinhuanet.com/2016-01/15/c-135012916.html.

[2]孫繼平.煤礦安全監(jiān)控技術(shù)與系統(tǒng)[J].煤炭科學(xué)技術(shù),2010,38(10):1-4.

[3]孫繼平.煤礦安全監(jiān)控系統(tǒng)聯(lián)網(wǎng)技術(shù)研究[J].煤炭學(xué)報,2009,34(11):1546-1549.

[4]李繼林.煤礦安全監(jiān)控系統(tǒng)的現(xiàn)狀與發(fā)展趨勢[J].煤炭技術(shù),2008,27(11):3-5.

[5]高玉芹.基于RFID和WSN的煤礦安全監(jiān)控系統(tǒng)[J].儀表技術(shù)與傳感器,2007(12):76-78.

[6]郭甜甜,尹洪勝,高婷,等.軟件設(shè)計模式在煤礦安全監(jiān)控系統(tǒng)開發(fā)中的應(yīng)用研究[J].煤礦機械,2011,32(2):211-213.

[7]魯遠祥,樊榮.煤礦安全監(jiān)控系統(tǒng)體系架構(gòu)技術(shù)的發(fā)展[J].礦業(yè)安全與環(huán)保,2009,36(增刊1):177-179.

[8]宋楠楠,陳巖.一種基于無線傳感器網(wǎng)絡(luò)的煤礦安全監(jiān)控系統(tǒng)[J].北京工商大學(xué)學(xué)報(自然科學(xué)版),2010,28(2):47-49.

[9]劉盼,褚延丞,華鋼,等.煤礦安全監(jiān)控信息特征快速發(fā)現(xiàn)方法研究[J].工礦自動化,2013,39(6):22-25.

[10]王智峰,屈凡非,田建軍,等.基于海量數(shù)據(jù)分析的煤礦生產(chǎn)輔助決策支持系統(tǒng)的設(shè)計[J].工礦自動化,2011,37(10):22-25.

[11]焦昊.煤礦安全監(jiān)控信息管理系統(tǒng)的設(shè)計與實現(xiàn)[D].長春：吉林大學(xué),2015.

[12]楊清,徐建良,高德欣.基于復(fù)雜事件處理技術(shù)的RFID系統(tǒng)數(shù)據(jù)分析[J].微計算機信息,2006,22(26):179-181.

[13]沈斌,朱國良,閆廣超.煤礦監(jiān)控系統(tǒng)中RFID數(shù)據(jù)處理平臺的研究[J].Industrial Control Computer,2010,23(7):57-58.

[14]湯玲麗.復(fù)雜事件處理引擎關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué),2012.

文章編號：1671-251X(2016)08-0033-05

DOI:10.13272/j.issn.1671-251x.2016.08.009

收稿日期：2016-05-12；修回日期：2016-06-21；責(zé)任編輯：張強。

基金項目：國家自然科學(xué)基金資助項目(61402360)。

作者簡介：王亮(1984-)，男，陜西寶雞人，講師，博士，研究方向為礦山自動化、煤礦安全監(jiān)控，E-mail：wangliang@xust.edu.cn。

中圖分類號：TD76

文獻標志碼：A網(wǎng)絡(luò)出版時間：2016-08-03 10:02

Detection and early warning of coal mine underground safety event based on event driven

WANG Liang

(School of Electrical and Control Engineering, Xi'an University of Science and Technology, Xi'an 710054, China)

Abstract：A detection and early warning trigger mode of coal mine underground safety event based on event driven was constructed by using complex event processing technology. By adopting underground RFID personnel positioning data and environmental monitoring data as application data, a large-scale underground safety flow data processing framework based on complex event processing technology was built. And then a double layer parallel mechanism for self learning of offline data association rule and self matching of online data matching tree structure was designed, so as to achieve high efficiency detection and early warning trigger for early warning of underground safety event. The test results show that the detection and early warning trigger mode of coal mine underground safety event based on event driven has significant advantages in abnormal event detection and detection efficiency compared with safety monitoring model based on relational database.

Key words:coal mine underground safety; complex event processing; abnormal event detection; early warning trigger mode

王亮.基于事件驅(qū)動的煤礦井下安全事件檢測與預(yù)警[J].工礦自動化，2016,42(8)：33-37.