图1 煤与瓦斯突出监控预警系统总体逻辑结构
Fig.1 Overall logic structure of monitoring and early warning system
李明建1,2
(1.中煤科工集团重庆研究院有限公司， 重庆 400039；2.瓦斯灾害监控与应急技术国家重点实验室， 重庆 400037)
摘要：针对煤与瓦斯突出监控预警系统研发中面临的异构数据集成难题，分析了煤与瓦斯突出监控预警数据的异构特征及典型异构数据集成技术，设计了基于异构数据集成的煤与瓦斯突出监控预警系统。该系统采用Web服务数据集成模式和面向服务构架，通过WCF设计开发数据集成Web服务，实现了煤与瓦斯突出监控预警信息的可靠采集和深度集成。现场试验表明，该系统实现了各类预警信息的自动上传，与原有煤与瓦斯突出综合预警系统相比，数据采集和上传的效率、可靠性、准确率均大幅提高。
关键词：煤与瓦斯突出； 监控预警； 异构数据集成； 面向服务架构； Web服务
煤与瓦斯突出是煤矿井下含瓦斯煤岩体以碎粉状由煤层向采掘部位急剧运动并伴随大量瓦斯喷出的一种强烈动力过程[1]，是一种极为复杂的煤矿自然灾害，严重威胁着煤矿安全生产。对煤与瓦斯突出进行超前预警，是防治煤与瓦斯突出灾害的重要手段之一[2]。“十一五”期间，笔者所在团队研发了以自动采集在线监测信息和手工录入离线检测信息为数据源的煤与瓦斯突出综合预警系统(简称“突出综合预警系统”)，对提高突出矿井信息化水平、突出灾害管控能力产生了积极的作用。但现场应用证明,突出综合预警系统存在数据采集自动化程度低、时效性差、可靠性低等问题，影响了其推广应用。“十二五”期间，多家科研院所开始研发煤与瓦斯突出监控预警系统(简称“突出监控预警系统”)，通过改进现有相关监测、检测装备，实现瓦斯参数、采掘作业进度、日常预测防突措施等的自动采集上传，大幅度提高了突出预警信息采集自动化、信息化水平。但随之而来的问题是，不同厂家研制的在线监测监控系统、检测仪器设备及其他专业分析系统所采集、产生的信息，基于不同的操作系统、采用不同的编码格式和存储方式，形成了一系列“信息孤岛”[3]。将各种信息统一在以工作面为单位的空间坐标、以日期班次为单位的时间坐标下，实现监控预警所需数据的自动集成融合，是一个亟需解决的技术难题。为此，笔者通过比较研究，提出了一种基于异构数据集成的煤与瓦斯突出监控预警系统设计方案，并在水城矿业集团大湾煤矿完成监控数据集成试验。
煤与瓦斯突出监控预警系统以安全监测监控系统在线监测信息、检测装备测定的离线检测信息、防爆手机在井下采集的日常预测及观测信息及管理信息系统产生的二次信息为基础，以预警指标和预警模型为核心，计算分析井下特定区域瓦斯灾害危险度，进而实现突出灾害超前预警[4]。安全监测监控系统采集的在线监测信息一般基于关系数据库存储，涉及的关系模式一般包括矿井、煤层、工作面等实体；检测装备测定、防爆手机采集的离线检测信息主要包括DGC瓦斯含量直接测定装置测量的残余瓦斯含量参数、WTC瓦斯突出参数测定仪测定值K1、MD-2钻屑瓦斯解吸仪测定值Δh2、回转钻机轨迹监测装备采集的钻孔轨迹信息等；二次信息包括地质测量管理系统采集的矿井基础空间信息、安全隐患管理系统采集的隐患信息等。这些原始安全信息具有明显异构特征：① 信息采集上传频率各异，在线监测信息一般定时采集上传，而离线检测信息则一般在采集后实时上传。② 数据来源所在设备及其操作系统各异，既有普通操作系统的服务器，也有Android操作系统的智能防爆手机，还有无操作系统概念的单片机设备。③ 数据存储具有异构性，大部分安全监测、监控系统采用SQL Server,Oracle,MySQL等大中型关系数据库存储,少数检测系统采用Access、SQLite等单机数据库存储，也有不少系统采用文件方式存储。④ 数据模式异构，如矿井、煤层、工作面等实体在很多数据源中均有重复定义，这种局部数据模式中定义的实体需要在全局数据模式中实现统一。
煤与瓦斯突出监控预警系统必须解决异构数据集成所面临的时间频率异步、数据存储异构、操作系统异构、数据模式异构[5]四大问题。
为了屏蔽底层数据源的异构性，需要把不同来源、格式、特征的数据有机集中、统一起来，在不影响矿井原有系统正常运行的前提下，使用户能够无损、透明、方便地查询分析数据。常用的异构数据集成技术有点对点复制模式、集中复制模式、中间件复制模式、Web服务数据集成模式等[6]。点对点复制模式就是在2个系统间建立数据转换模式,在参与集成系统较少时，系统复杂度及开发工作量较少，但随着参与系统增加，系统复杂成平方阶增长，系统可扩展性较差。集中复制模式就是将所有异构数据源定时复制到数据库，不影响原有系统，但不能实时反映各数据源数据变化，且每加入一个数据源，可能需要重新生成全局模式，系统可扩展性较差。中间件复制模式通过开发或引入数据库中间件，采用包装的思想实现数据的透明访问，可保证数据源自治性、数据访问及时性，但无法实现数据模式异构数据库集成。Web服务数据集成模式通过设计开发通用的数据集成Web服务，异构数据生产者主动调用或开发相应的异构数据采集程序，实现异构数据的存取。
通过比较，本文采用Web服务数据集成模式，通过WCF(Windows Communication Foundation,Windows通信开发平台)设计开发数据集成Web服务，实现突出监控预警信息的可靠采集和深度集成。
煤与瓦斯突出监控预警系统的数据存储架构在很大程度上决定了其软件整体架构。根据煤矿安全相关专业监测、检测系统的数据异构特征，在异构数据集成技术支持下，监控预警系统采用分布式数据存储架构，主要分为专业监测、检测子系统本地数据存储、监控数据集成数据库、监控预警规则数据库及监控预警发布数据库4个部分。在监控预警分布式数据存储支持下，监控预警软件系统采用面向服务构架，如图1所示。本文重点阐述突出监控预警采集数据库设计、监控预警集成服务设计及监控预警平台设计等3项关键任务。
图1 煤与瓦斯突出监控预警系统总体逻辑结构
Fig.1 Overall logic structure of monitoring and early warning system
监控预警采集数据库用于临时存储来自各监测系统或检测仪器所产生的、实现监控预警所需的各类原始信息，由监控预警计算服务提取、处理并保存至监控预警数据库。其设计遵循以下原则：① 简洁性:为简化数据集成服务复杂度，在数据库设计时尽量减少表间关联关系。② 一致性:煤矿基础信息、煤层基础信息、采掘作业工作面信息等各专业广泛使用的信息由采集数据库维护，各监测、检测子系统本地数据库从监控预警采集数据库下载上述基础信息，并与本系统的相应信息进行关联，从而保证各专业监测、检测信息的空间一致性。③ 可追溯性:所有数据表均设计上传者编码、上传MAC地址、时间戳3个属性，不仅可为数据审计提供追溯依据，也可为时间频率协调提供条件。
监控预警集成数据库用于接收来自各专业监测、检测子系统上传的数据，并为监控预警计算服务提供待加工的“原料”信息。考虑到各监控系统数据天然具有的主题性，各专业监测、检测系统对应的数据表在命名时引入数据主题要素，便于数据生产者和消费者识别，例如安全监控系统相关监测数据表以“KJIS_KJSYS”为前缀，WTC检测数据相关表以“KJIS_WTC”为前缀。监控预警采集数据库主要数据表主要分为3类：① 基础信息数据表，用于存储矿井基础信息、煤层基础信息、工作面基本信息。② 采集接口表，用于存储各专业监测、检测系统上传的信息，例如安全监控设备信息表、安全监控实时数据表、WTC数据采集表、DGC数据采集表等。③ 管理信息表，用于存储数据采集服务运行日志、数据采集服务调用日志等管理信息。
监控预警集成服务为各监测、检测系统(或独立的数据上传程序)提供数据采集上传接口，将监控预警所需数据汇集至监控预警集成数据库，实现异构数据集成。研发监控预警集成服务，必须采用技术先进实用、兼容性好、扩展能力强的技术架构。现代软件架构发展经历了C/S和B/S架构、面向组件架构(Component-Oriented Programming,COP)及面向服务架构(Service Oriented Architecture,SOA)3次大的变革[7]。面向服务架构与面向组件架构相比，具有开放性、自描述性、平台无关性、封装粒度较大等优势，现已成为各类系统研发的主流架构。
当前面向服务的软件架构实现技术方案很多，例如CORBA,DCOM,RMI,JINI,Web Service等[8]。由于Web Service具有自包含、自描述、组件化等优势，现已成为SOA最主要的实现技术方案[9]。WCF是一种Web服务开发包[10],使用WCF开发监控预警信息集成服务具有以下技术优势[10]：① 客户端支持广泛，便于现有各监测或检测系统软件平滑升级。② 支持主流传输协议，可提高系统的网络环境适应能力。③ 部署管理方便，稳定可靠。
在监控预警集成服务设计过程中，按服务用途设计单个服务，例如安全监控信息上传服务KJ90ISService.svc主要供安全监控系统上传程序调用。为减少各集成服务设计开发工作量，抽取各服务共用方法,形成监控预警集成服务基类KJISBaseService.svc，所有集成服务均派生于此服务基类。监控预警集成服务目录见表1。
表1 监控预警数据集成Web服务目录
Table 1 Web services directory of monitoring and early warning data integration
监控预警平台分为监控预警计算服务、监控预警管理平台及监控预警发布平台3个部分，分别完成预警结果生成、预警行为定义与过程管控、预警信息发布三大任务，其总体流程如图2所示。监控预警计算服务负责定时检测预警原始信息、计算预警指标、判定预警等级；监控预警管理平台面向系统管理员及相关专业技术人员，实现预警行为定义、预警信息采集管控、预警过程管控、预警结果分析、预警结果发布等功能，根据不同用户角色进行功能裁剪；监控预警发布平台则面向各级领导用户，通过局域网或互联网查询分析当前、历史预警结果，掌握突出灾害发展态势，通过移动互联网发送预警短信，并向移动App(应用程序)推送预警详细信息。
图2 监控预警平台总体流程
Fig.2 Overall process of monitoring and early warning platform
监控预警计算服务设计为Windows服务程序，是整个监控预警平台的核心，执行主要流程如下：预警准备阶段，首先根据监控预警管理平台对工作面的预警规则及指标设置，生成待计算指标集，并根据获取的采掘进度将工作面按设计方向更新到最新空间位置，以便分析工作面最新空间位置周边的潜在危险因素；预警指标提取计算阶段，根据工作面待计算预警指标集，分别调用瓦斯地质、采掘影响、瓦斯涌出、日常预测、防突措施缺陷、管理措施缺陷等指标处理器，提取或计算相应指标值；预警分析判断阶段，首先遍历工作面使用的预警规则集，生成每条规则的预警结果，然后合并所有规则的预警结果,形成最终预警结果，并保存至监控预警发布数据库。
监控预警管理平台作为系统管理员工作站，设计为Windows客户端软件，用于对整个预警系统进行管控，包括预警行为定义、预警过程监控、预警结果分析验证等主要模块。预警行为定义模块包括设置矿井默认预警规则参数、设置具体工作面使用的个性化预警规则及指标参数；预警过程监控模块包括对预警信息采集服务的监控、预警指标计算过程监控、预警分析判断过程监控，以及预警结果发布过程监控等，系统管理员通过实时通知、日志方式分析预警系统当前运行状态；预警结果分析验证模块供监控值班人员、系统管理员分析最新及历史预警结果，检查预警结果所依赖的所有预警指标，并对预警结果生成过程进行验算。
监控预警发布平台实现预警结果的展示分析、实时推送等功能，由预警短信发送模块、移动查询分析App及预警查询分析网站构成。预警短信发送模块根据监控预警管理平台维护的预警信息关注联系人，扫描监控预警发布数据库中生成的最新、异常的预警结果，以短信方式及时通知相关用户；预警移动查询分析App接收预警计算服务发布的预警结果推送信息，用户在出差、开会、休班等非办公室环境下均可及时、方便地接收、查询相关预警结果及预警指标信息；预警查询分析网站主要供用户在办公室环境下，通过网页方式查询最新预警结果,分析历史预警结果，浏览分析瓦斯地质图、采掘工程平面图、防突措施竣工图等。
监控预警系统在监控预警采集服务及采集数据库支持下，通过监控预警计算服务、监控预警管理平台、监控预警发布平台，实现包括预警数据采集存储、预警信息处理加工、预警结果发布与反馈等环节的预警信息处理流程，进而实现突出灾害的超前预警。
贵州水城矿业(集团)有限责任公司大湾煤矿属严重煤与瓦斯突出矿井，前期已建立突出综合预警系统，实现了工作面突出灾害的综合预警。为提高突出预警所需基础数据采集自动化、信息化水平，大湾煤矿拟将原有突出综合预警系统升级为突出监控预警系统，现已完成突出监控预警所需数据的自动采集上传试验，验证了基于异构数据集成的监控预警系统技术的可行性。
在试验过程中，首先在井下关键位置部署了激光测距传感器(图3)、钻孔轨迹测量装置、自动上传WTC及无线基站等预警信息监测及传输装备，用于关键检测信息的井下自动监测和传输；然后根据各类采集数据的异构特征，设计开发了安全监控信息、DGC瓦斯含量、WTC日常预测参数、钻孔轨迹监测信息、激光测距位置信息等5类信息上传服务，用于所需预警信息的自动上传和采集；最后根据矿井突出灾害特征及防突信息管理模式，建立了突出监控预警系统(图4)，用于预警信息的自动集成存储、工作面突出危险预警分析和预警结果的及时发布。
图3 井下激光测距传感器
Fig.3 Underground laser ranging sensor
在大湾煤矿111113轨巷、120200回风巷等工作面对系统进行试验，结果如下：① 累计上传30 d的安全监控信息，每30 s上传200余个传感器实时监测值，耗时小于10 s，与原有突出预警系统通过数据库直接上传效率相近。② 累计上传42组瓦斯含量测定数据，每组上传耗时小于5 s，原有突出综合预警系统通过人工输入每组瓦斯含量测定数据，用时在20 s以上。③ 累计上传8个钻孔共432.8 m钻孔施工轨迹数据，每个钻孔上传耗时小于20 s，原有突出综合预警系统通过人工录入每个钻孔轨迹数据，用时大于60 s。④ 累计上传30次共800余组突出预测数据，每组上传耗时小于20 s，与原有突出综合预警系统通过数据库直接上传效率相近。⑤ 累计采集300余米巷道的掘进进度监测信息，每5 min上传一次,耗时小于5 s，原有突出综合预警系统不具备采掘进度信息监测、上传功能。现场试验结果表明，与原有突出综合预警系统相比，基于异构数据集成技术的监控预警系统实现了各类不同特征预警信息的自动上传，采集上传的效率、可靠性、准确率均大幅提高，为突出灾害超前预警技术研究及系统开发提供了有效的基础数据支撑。
图4 突出监控预警系统
Fig.4 Monitoring and early warning system of outburst
煤矿安全监测、检测信息的多源性、多样性，导致煤与瓦斯突出监控预警所需数据源具有明显异构特征。通过分析监控预警数据异构特征，比较不同异构数据集成技术的优缺点，设计并开发了包含监控预警数据库、数据集成服务和管理软件等内容的煤与瓦斯突出监控预警系统。现场试验证明，基于异构数据集成的煤与瓦斯突出监控预警系统可以及时、准确、无损地获取安全监测、检测信息，实现了瓦斯突出灾害预警所需信息的自动采集，提高了预警系统自动化、信息化水平。
参考文献(References)：
[1] 何学秋. 含瓦斯煤岩流变动力学[M]. 徐州:中国矿业大学出版社,1995.
[2] 胡千庭,赵旭生. 中国煤与瓦斯突出事故现状及其预防的对策建议[J]. 矿业安全与环保,2012,39(5): 1-6.
[3] 霍中刚,武先利. 互联网+智慧矿山发展方向[J]. 煤炭科学技术,2016,44(7):28-33.
HUO Zhonggang, WU Xianli. Development tendency of Internet plus intelligent mine[J]. Coal Science and Technology, 2016,44(7):28-33.
[4] 宁小亮. 煤与瓦斯突出灾害监控预警技术[J]. 中国安全生产,2016(9):50-51.
[5] 杨韶华,周昕,毕俊蕾. 智慧矿山异构数据集成平台设计[J]. 工矿自动化,2015,41(5):23-26.
YANG Shaohua,ZHOU Xin,BI Junlei. Design of heterogeneous data integration platform of smart mine[J]. Industry and Mine Automation,2015,41(5):23-26.
[6] 张庆福,万麟瑞. 基于SOA的异构数据集成软件架构研究[J]. 计算机技术与发展,2011,21(5):17-21.
ZHANG Qingfu, WAN Linrui. Research on SOA-based integration framework of heterogeneous data[J]. Computer Technology and Development, 2011, 21(5):17-21.
[7] 林荣恒,吴步丹,金芝. 软件体系结构[M]. 北京:人民邮电出版社,2016.
[8] 尹红丽,王永明,伍晓敏. SOA的实现方法及其比较研究[J]. 云南师范大学学报(自然科学版),2008,28(2):28-31.
YIN Hongli, WANG Yongming, WU Xiaomin. Research on implementation method of SOA and their comparison[J]. Journal of Yunan Normal University(Natural Sciences Edition), 2008,28(2):28-31.
[9] 郑伟,徐宝祥,徐波. 面向服务架构研究综述[J]. 情报科学,2009,27(8):1269-1274.
[10] 严商,黄樟灿. WCF:Windows平台新一代通讯基础研究与分析[J]. 计算机与数字工程,2008,36(4):86-89.
YAN Shang, HUANG Zhangcan. WCF: New fundament of communication technology based on Windows platform[J]. Computer & Digital Engineering, 2008,36(4):86-89.
LI Mingjian1,2
(1.CCTEG Chongqing Research Institute, Chongqing 400039, China; 2.State Key Laboratory for Gas Disaster Monitoring and Emergency Technology, Chongqing 400037, China)
Abstract:In view of problem of heterogeneous data integration in research and development of monitoring and early warning system of coal and gas outburst, the heterogeneous characteristics and typical heterogeneous data integration techniques of monitoring and forecasting data of coal and gas outburst were analyzed. A monitoring and early warning system of coal and gas outburst based on heterogeneous data integration was designed. The system uses Web services data integration model and service-oriented architecture, through WCF design to develop data integration Web services, and achieves reliable collection and deep integration of the monitoring and early warning information of coal and gas outburst. Field tests show that the system realizes automatic uploading of different kinds of early-warning information, and compared with the original comprehensive warning system for coal and gas outburst, its efficiency, reliability and accuracy of data collection and upload have greatly increased.
Key words:coal and gas outburst; monitoring and early warning; heterogeneous data integration; service-oriented architecture; Web service
收稿日期：2017-10-17;
修回日期：2017-11-20；
责任编辑：胡娴。
基金项目：国家重点研发计划资助项目(2016YFC0801404)；重庆市“科技创新领军人才支持计划”资助项目(CSTCKJCXLJRC14)。
作者简介：李明建(1977-)，男，重庆人，副研究员，硕士，主要从事煤矿安全管理相关软件技术研究、需求分析、设计开发等工作，E-mail：cqlmj@foxmail.>com。
引用格式：李明建.基于异构数据集成的煤与瓦斯突出监控预警系统[J].工矿自动化，2018,44(1)：11-16.
LI Mingjian. Monitoring and early warning system of coal and gas outburst based on heterogeneous data integration[J].Industry and Mine Automation，2018,44(1)：11-16.
文章编号：1671-251X(2018)01-0011-06
DOI:10.13272/j.issn.1671-251x.17292
中图分类号：TD713
文献标志码：A 网络出版时间：2017-12-15 16:52
网络出版地址：http://kns.cnki.net/kcms/detail/32.1627.TP.20171214.1659.006.html