瓦斯抽采泵站智能管理系統(tǒng)設(shè)計

　　摘 要： 為實現(xiàn)煤礦瓦斯抽采泵站少人化、無人化運(yùn)行，利用自動化控制技術(shù)和圖像識別技術(shù)設(shè)計瓦斯抽采泵站智能管理系統(tǒng)。 自動化控制技術(shù)可實現(xiàn)瓦斯抽采泵站遠(yuǎn)程集中監(jiān)控，提高運(yùn)行可靠性和控制精度;圖像識別技術(shù)可通過對攝像頭實時采集圖像分析處理，準(zhǔn)確識別機(jī)械儀表指針讀數(shù)、閥門閥板位置、廠區(qū)違禁物品等，識別準(zhǔn)確度達(dá) 85%，可替代傳統(tǒng)人工巡檢，提高瓦斯抽采泵站安全管理水平。 相比人工手動操作機(jī)器設(shè)備、人員定時巡檢的瓦斯抽采泵站，應(yīng)用瓦斯抽采泵站智能管理系統(tǒng)可降低瓦斯抽采泵站 60%的人力需求，且對煤礦智能化發(fā)展方向起到示范引領(lǐng)作用。

　　梁椿豪; 陳騁; 曹鵬， 煤礦機(jī)械 發(fā)表時間：2021-10-25

　　關(guān)鍵詞： 瓦斯抽采泵站; 自動控制系統(tǒng); 智能化; 圖像識別; 目標(biāo)檢測

　　0 引言

　　2020 年 4 月《全國安全生產(chǎn)專項整治三年計劃》中明確指出要全面推進(jìn)煤礦智能化建設(shè)。 瓦斯抽采泵站是煤與瓦斯突出礦井、高瓦斯礦井瓦斯抽采系統(tǒng)的核心單元。 目前，多數(shù)煤礦企業(yè)瓦斯抽采泵站運(yùn)行方式為工人手動啟動、停止水環(huán)真空泵，手動旋轉(zhuǎn)閥門手輪(柄)開啟、關(guān)閉閥門，人工觀察開度指示大小以調(diào)節(jié)、平衡井下抽采負(fù)壓，人工操作不僅存在控制不靈活、調(diào)節(jié)開閉精度不夠等問題，而且浪費(fèi)人力資源和增加工人的勞動強(qiáng)度。 少數(shù)煤礦企業(yè)實現(xiàn)了瓦斯抽采泵站基本的自動化系統(tǒng)建設(shè)，可在調(diào)度室遠(yuǎn)程控制設(shè)備運(yùn)行，在一定程度上減少了瓦斯抽采泵站運(yùn)行維護(hù)的人力需求，但仍需要定時進(jìn)行人工巡檢。 瓦斯抽采泵站智能化建設(shè)的方向是利用自動化技術(shù)和人工智能技術(shù)在保證穩(wěn)定、安全、高效運(yùn)行的同時，最大程度實現(xiàn)無人值守，推動我國煤礦智能化發(fā)展，實現(xiàn)煤礦高危險現(xiàn)場少人化、無人化。

　　1 瓦斯抽采泵站智能管理系統(tǒng)總體設(shè)計

　　瓦斯抽采泵站智能管理系統(tǒng)由自動化控制系統(tǒng)和視頻圖像分析識別系統(tǒng)兩部分組成。

　　(1)自動化控制系統(tǒng) 由上位機(jī)及軟件、拼接屏幕、工業(yè)交換機(jī)、PLC 控制箱、高低壓開關(guān)、電動閥門、電纜、電源、接線盒等組成。 系統(tǒng)硬件和軟件共同作用，實現(xiàn)瓦斯抽采泵站的抽放管路、抽采泵、循環(huán)泵、電動閥門、管道參數(shù)、環(huán)境等參數(shù)的實時監(jiān)測和自動控制。

　　(2)視頻圖像分析系統(tǒng) 由視頻分析服務(wù)器和攝像儀等組成。 視頻分析服務(wù)器內(nèi)置基于深度學(xué)習(xí)技術(shù)的目標(biāo)檢測算法和基于 OpenCV 的儀表盤識別算法，可自動識別視頻圖像中閥門開閉狀態(tài)、人員攜帶的違禁物品、人員違規(guī)操作、儀表盤指針讀數(shù)等。

　　2 自動化控制系統(tǒng)

　　自動化控制系統(tǒng)分為現(xiàn)場層和監(jiān)控層。 現(xiàn)場層由 PLC 控制箱、參數(shù)傳感器、電動閥門、高低壓開關(guān)等組成。PLC 控制箱是現(xiàn)場層的核心單元，對下可采集管道參數(shù)、環(huán)境參數(shù)、供水參數(shù)、供電參數(shù)等系統(tǒng)核心參數(shù)，監(jiān)控和調(diào)節(jié)泵站設(shè)備、閥門設(shè)備運(yùn)行狀態(tài);對上通過工業(yè)以太網(wǎng)發(fā)送系統(tǒng)運(yùn)行參數(shù)，接收操作人員指令，控制系統(tǒng)運(yùn)行方式。 監(jiān)控層由上位機(jī)及軟件、工業(yè)交換機(jī)、拼接屏幕等組成。 操作人員通過上位機(jī)及軟件查看系統(tǒng)運(yùn)行參數(shù)和設(shè)備運(yùn)行狀態(tài)，下達(dá)控制指令，瀏覽數(shù)據(jù)變化趨勢及歷史記錄，實現(xiàn)瓦斯抽采泵站的遠(yuǎn)程自動或手動操作。

　　瓦斯抽采泵站自動控制系統(tǒng)同時具備自動、手動、檢修 3 種控制模式。 ①自動控制模式 操作人員下達(dá)一鍵啟動或停止指令后，控制系統(tǒng)按瓦斯抽采泵站控制工藝依次打開或關(guān)閉各泵站設(shè)備;②手動模式 在系統(tǒng)報警故障等聯(lián)鎖條件限制下，控制系統(tǒng)根據(jù)操作人員控制指令控制真空泵啟停、調(diào)節(jié)閥門開度、控制循環(huán)水泵啟停;③檢修模式 控制系統(tǒng)跳過報警故障等所有聯(lián)鎖條件限制，直接根據(jù)操作人員控制指令控制真空泵啟停、調(diào)節(jié)閥門開度、控制循環(huán)水泵啟停。

　　系統(tǒng)軟件平臺采用國內(nèi)外主流組態(tài)軟件，將整個瓦斯抽采泵站系統(tǒng)工藝流程、運(yùn)行設(shè)備、傳感器參數(shù)通過工藝流程圖、設(shè)備模擬圖以及其他圖形展示的方式顯示出來，主要組態(tài)元素包括工藝流程圖、工況數(shù)據(jù)顯示、報警畫面、實時趨勢曲線、歷史趨勢圖、動態(tài)參數(shù)、實時顯示各種報表。 為實現(xiàn)數(shù)據(jù)遠(yuǎn)程監(jiān)測，系統(tǒng)軟件平臺支持 Web 發(fā)布和手機(jī)端 App 訪問等功能，管理層可通過瀏覽器和手機(jī) App 查閱設(shè)備運(yùn)行狀態(tài)及相關(guān)數(shù)據(jù)。

　　3 視頻圖像分析識別系統(tǒng)

　　視頻圖像分析識別系統(tǒng)通過視頻服務(wù)器 24 h 不間斷地分析識別圖像信息，替代傳統(tǒng)定時巡檢工作，降低瓦斯抽采泵站人力成本，提升安全管理水平。 其主要功能需求為識別機(jī)械儀表指針讀數(shù)和識別違禁物品及違規(guī)操作。

　　3.1 儀表盤識別算法

　　儀表盤識別算法可快速定位視頻圖像中儀表盤位置，準(zhǔn)確識別儀表盤指針讀數(shù)，算法原理：

　　(1)利用基于 YOLO-v4 開發(fā)的目標(biāo)檢測算法在攝像頭采集的圖像中迅速定位儀表盤區(qū)域， 并去除圖像的干擾信息。 YOLO-v4 是在原有 YOLO 目標(biāo)檢測架構(gòu)的基礎(chǔ)上，采用了近些年 CNN 領(lǐng)域中最優(yōu)秀的優(yōu)化策略，從數(shù)據(jù)處理、主干網(wǎng)絡(luò)、網(wǎng)絡(luò)訓(xùn)練、激活函數(shù)、 損失函數(shù)等各個方面都有著不同程度的優(yōu)化。 YOLO-v4 算法在實時目標(biāo)檢測算法中精度最高，實現(xiàn)了精度和速度的最佳平衡。儀表盤圖像識別定位算法如圖 1 所示。

　　(2)獲取儀表盤圖像后，將 RGB 格式圖像轉(zhuǎn)換為灰度圖，并用 5×5 高斯核濾波，去除圖像噪點。 高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。

　　(3)利用 OTSU 算法對高斯濾波后的圖像進(jìn)行二值化處理，對二值化處理后的圖像進(jìn)行形態(tài)學(xué)膨脹運(yùn)算，使表盤中心空白處僅剩下黑色表針。 OTSU 算法是一種自適應(yīng)的閾值確定方法，又稱大津閾值分割法，是最小二乘法意義下的最優(yōu)分割。儀表盤圖像指針提取過程示意圖如圖 2 所示。

　　(4)截取膨脹運(yùn)算處理后圖片中心區(qū)域圖像，圖像尺寸為 255×255，然后使用 Canny 算法和霍夫直線算法計算輪廓坐標(biāo)點和輪廓直線首尾坐標(biāo)，指針輪廓直線檢測過程如圖 3 所示。 Canny 邊緣檢測算法是 John F.Canny 于 1986 年開發(fā)出來的一個多級邊緣檢測算法，也被很多人認(rèn)為是邊緣檢測的最優(yōu)算法。

　　(5)在霍夫直線檢測效果圖上，圖像左上角為坐標(biāo)零點，零點水平右方為 X 軸正向，零點垂直下方為 Y 軸正向。 將指針間 2 條輪廓線段分別定義為 L1 和 L2，則L1 首尾坐標(biāo)分別為(54，59)和(96，98)，L2首尾坐標(biāo)分別為(53，61)和(91，104)。 通過線段首尾坐標(biāo)計算出 L1 傾斜角度為 137.11°，L2 傾斜角度為 131.47° ，指針 中心 線傾斜 角 度為兩者平 均值 ，即 134.29°。 同理計算壓力為 0 時，指針傾斜角度為 209.6°;壓力為 2.5 MPa 時，指針傾斜角度為-51.48°。每 1°對應(yīng)量程 s=2.5/(α1+α2)=0.009 6 MPa/(°) (1)式中 α1——壓力為 0 時指針傾角，α1=209.6°; α2——壓力為 2.5 MPa 時指針傾角，α2=-51.48°。儀表實際讀數(shù) d=s(α1-α3)=0.72 MPa (2)式中 α3——指針實際位置的傾角，α3=134.29°。儀表盤識別算法計算結(jié)果與人觀察讀數(shù)基本一致。

　　3.2 目標(biāo)檢測算法

　　目標(biāo)檢測算法是基于 YOLO-v4 算法進(jìn)行開發(fā)的深層神經(jīng)網(wǎng)絡(luò)圖像識別模型。 開發(fā)過程：

　　(1)準(zhǔn)備訓(xùn)練數(shù)據(jù)，手動標(biāo)注圖片，用矩形框覆蓋圖片中待識別的特征并標(biāo)注特征種類，訓(xùn)練數(shù)據(jù)庫數(shù)據(jù)量為 1 萬張圖片，識別特征包括手機(jī)、平板電腦、閥門開啟、閥門關(guān)閉、安全帽、操作人員違規(guī)動作、廠區(qū)違禁物等;

　　(2)參數(shù)調(diào)整，激活馬賽克數(shù)據(jù)增強(qiáng)、Mish 激活函數(shù)等技術(shù)。 馬賽克數(shù)據(jù)增強(qiáng)將 4 張訓(xùn)練圖像按一定比例組合成 1 張。 Mosaic 是 YOLO-v4 中引入的一個新的數(shù)據(jù)增強(qiáng)技術(shù)，使得模型能夠?qū)W習(xí)如何識別比正常尺寸小的物體。 Mish 是一個平滑的曲線，平滑的激活函數(shù)允許更好的信息深入神經(jīng)網(wǎng)絡(luò)，從而得到更好的準(zhǔn)確性和泛化;

　　(3) 模 型 訓(xùn) 練 ，epoch =50，literation =2 500， batchsize=4，自動存儲 loss 最低和驗證精度最高模型的權(quán)重系數(shù);

　　(4)將訓(xùn)練好的模型部署到視頻圖像分析系統(tǒng)中。目標(biāo)檢測算法能夠準(zhǔn)確識別視頻圖像中工作人員是否存在違規(guī)操作行為，工作人員是否攜帶手機(jī)、平板電腦等違禁物品進(jìn)入抽采泵站廠區(qū)以及閥門閥板位置。

　　4 系統(tǒng)協(xié)同

　　視頻圖像分析系統(tǒng)與自動控制系統(tǒng)通過 OPC 協(xié)議進(jìn)行數(shù)據(jù)通信，視頻圖像分析系統(tǒng)識別出工作人員違規(guī)操作、工作人員在廠區(qū)內(nèi)攜帶違規(guī)用品以及非工作人員入侵廠區(qū)可將報警信息通過 OPC 協(xié)議發(fā)送到自動控制系統(tǒng)，自動控制系統(tǒng)接受到該信息后，控制廠區(qū)內(nèi)語音播報裝置播報預(yù)設(shè)定的音頻廣播，對人員起到警示作用。

　　自動控制系統(tǒng)控制管路上閥門開啟后， 可通過比對圖像識別系統(tǒng)對閥板位置分析結(jié)果， 判斷閥門是否正常開啟，替代傳統(tǒng)人工檢查閥門開閉是否正常。

　　自動控制系統(tǒng)讀取變送器數(shù)據(jù)，并與視頻圖像分析系統(tǒng)識別的機(jī)械儀表指針數(shù)據(jù)進(jìn)行比較，替代人工巡檢物理式儀表。

　　5 結(jié)語

　　瓦斯抽采泵站智能管理系統(tǒng)將自動化控制技術(shù)和圖像識別技術(shù)應(yīng)用到瓦斯抽采泵站日常運(yùn)行管理當(dāng)中，為瓦斯抽采泵站智能化升級改造提供了一種新方案。 智能管理系統(tǒng)既實現(xiàn)了瓦斯抽采泵站遠(yuǎn)程自動控制，又可通過圖像識別技術(shù)替代傳統(tǒng)人工巡檢過程，極大地提高了系統(tǒng)運(yùn)行的安全性和穩(wěn)定性，極大地減少了瓦斯抽采泵站日常運(yùn)行維護(hù)的人力需求。 瓦斯抽采泵站智能管理系統(tǒng)是煤礦智能化升級改造的新方向，對我國煤礦智能化發(fā)展具有一定的引領(lǐng)作用。