多源信息簇融技术在煤矿瓦斯监测中的应用

doi:10.3724/SP.J.1087.2013.01783

计算机应用 ›› 2013, Vol. 33 ›› Issue (06): 1783-1786.DOI: 10.3724/SP.J.1087.2013.01783

多源信息簇融技术在煤矿瓦斯监测中的应用

孙研博¹,刘宗柱²,孟珂¹,汤扬¹

1. 中国矿业大学计算机科学与技术学院，江苏徐州 221116
2. 中国矿业大学矿业工程学院，江苏徐州 221116

收稿日期:2012-12-19 修回日期:2013-02-19 出版日期:2013-06-01 发布日期:2013-06-05
通讯作者: 孙研博
作者简介:孙研博（1987-），男，山东招远人，硕士研究生，主要研究方向：信息融合、普适计算；刘宗柱（1986-），男，河北吴桥人，硕士研究生，主要研究方向：煤矿井下环境安全监测；孟珂（1987-），男，江苏徐州人，硕士研究生，CCF会员，主要研究方向：最短路径算法；汤扬（1990-），男，贵州湄潭人，硕士研究生，主要研究方向：网络计算、电子商务。

Mine gas monitoring by multi-source information clustering fusion

SUN Yanbo¹,LIU Zongzhu²,MENG Ke¹,TANG Yang¹

1. School of Computer Science and Technology, China University of Mining and Technology, Xuzhou Jiangsu 221116, China
2. School of Mines, China University of Mining and Technology, Xuzhou Jiangsu 221116, China

Received:2012-12-19 Revised:2013-02-19 Online:2013-06-05 Published:2013-06-01
Contact: SUN Yanbo

摘要/Abstract

摘要： 由于煤矿井下环境的复杂性及动态变化性，导致监测煤矿环境中有害气体浓度及准确率难度大大增加。针对传统的传感器监测煤矿井下环境存在采集数据形式单一、可靠性低、误差大等缺点，结合计算机技术与无线传感技术提出了一种对多种异质气体源进行采样，然后利用提出的强分类算法进行优化筛选，筛选出气体浓度前后变化大的几组数据，再进行深度融合的安全监测方法。通过实验验证该方法能够明显地提高矿井监测系统的可靠性。

关键词: 多源信息采样, 深度融合, 瓦斯监测, 无线传感网, 智能传感器

Abstract: Due to the complexity and the dynamic changes of the coal mine environment, the concentrations of harmful gases are difficult to be accurately monitored. The traditional monitoring methods use a single sensor to pick-up information, and the collected data have simple data form, low reliability, big error and so on. Concerning these problems, a new method was proposed in this paper, that is, sampling a variety of heterogeneous gases sources, and then taking advantage of the strong classification algorithm to filter, lastly fusing the above obtained information. As experiments state, the new method significantly improve the reliability of the mine monitoring system.

Key words: multi-source information, depth-fusion, gas monitoring, Wireless Sensor Network（WSN）, intelligent sensor

中图分类号:

TD655
TP273

孙研博刘宗柱孟珂汤扬. 多源信息簇融技术在煤矿瓦斯监测中的应用[J]. 计算机应用, 2013, 33(06): 1783-1786.

SUN Yanbo LIU Zongzhu MENG Ke TANG Yang. Mine gas monitoring by multi-source information clustering fusion[J]. Journal of Computer Applications, 2013, 33(06): 1783-1786.

参考文献

[1] ESTRIN D，GOVINDAN R, HEIDEMANN J, et al. Next century challenges: Scalable coordinate in sensor network［C］ // Proceedings of the 5th ACM/IEEE International Conference on Mobile Computing and Networking. New York: ACM, 1999:263-270.

[2] 孙继平.矿井通信技术与系统［J］. 煤炭科学技术, 2010, 38(12):1-3.

[3] 周中良,付海峰,隋永华,等.基于模糊理论的多传感器数据融合系统［J］.电光与控制, 2007, 14(2): 23-25.

[4] 邵良杉,付贵祥.基于数据融合理论的煤矿瓦斯动态预测技术［J］.煤炭学报,2008,33(5):551-555.

[5] 孙利明.无线传感器网络［M］.北京：清华大学出版社,2005.

[6] 武俊,胡敏,朱继华.基于传感器网络通信环境的节点覆盖控制分析与研究［J］.计算机应用,2006,26(12):2820-2868.

[7] 才辉,张广新,张浩.一种新的基于多测度信息融合的边缘检测算法［J］.浙江大学学报;工学版,2008,42(10):1671-1675.

[8] DENOREX T. A neural network classifier based on Dumpster-Shafer theory［J］. IEEE Transactions on Systems, Man and Cybernetics, 2000, 10(2) :131-150.

[9] LI L, PENG H. Gas disaster decision-level information fusion method based on fuzzy logic［C］// 2010 International Conference on Computer Design and Applications. Piscataway:IEEE, 2010:31-34.

[10] FUKUDA T. Multi-sensor integration system based on fuzzy inference and neural network ［J］.Information Science, 1993, 5(71): 27-41.

[11] 李祚泳,汪嘉杨.基于蚁群算法的BP网络优化算法［J］.计算机应用, 2010, 30(6): 1513-1518.

[12] GUPTA P, KUMAR P R. The capacity of wireless networks ［J］. IEEE Transactions on Information Theory, 2000, 46(2):388-404.

[13] KESHAVARZIAN A, UYSAL-BIYIKOGLU E. Energy-efficient link assessment in wireless sensor networks［C］// Proceedings of the 23rd IEEE International Conference on Computer and Communications. Piscataway: IEEE, 2004: 1751-1761.

[14] NOROUZI N, MOGHADDAM M E. Motion blur parameter identification from a linearly blurred image［C］// IEE International Symposium on Signal Processing and Information Technology. Piscataway: IEEE,2008:380-384.

[15] VASUDEVAN S, KUROSE J, TOWSLEY D. On neighbor discovery in wireless networks with directional antennas［C］// Proceedings of the 24th IEEE International Conference on Computer and Communications. Piscataway: IEEE, 2005: 2502-2512.

多源信息簇融技术在煤矿瓦斯监测中的应用

Mine gas monitoring by multi-source information clustering fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	程小辉, 牛童, 汪彦君. 基于序列模型的无线传感网入侵检测系统[J]. 计算机应用, 2020, 40(6): 1680-1684.
[2]	张争万, 张春炯, 李洪兵, 谢涛. 基于免疫连通模型的多路径传输选择算法[J]. 计算机应用, 2020, 40(12): 3571-3577.
[3]	韩司, 郑宝昆, 曹奇敏. 基于逻辑密钥树的无线传感网络密钥管理方案[J]. 计算机应用, 2019, 39(5): 1378-1384.
[4]	鲍兴川, 彭林. 智能配电网通信多信道调度策略[J]. 计算机应用, 2018, 38(5): 1476-1480.
[5]	王漫漫, 束永安. 多移动汇聚节点的无线传感网中基于服务质量的能耗[J]. 计算机应用, 2018, 38(3): 758-762.
[6]	谢小军, 于浩, 陶磊, 张信明. 可充电无线传感网络能量均衡路由算法[J]. 计算机应用, 2017, 37(6): 1545-1549.
[7]	徐同伟, 何庆, 吴意乐, 顾海霞. 基于改进离散果蝇优化算法的WSN广播路由算法[J]. 计算机应用, 2017, 37(4): 965-969.
[8]	甘峰浩, 牛玉刚, 贾廷纲. 基于模糊压缩感知的无线传感网络拥塞控制算法[J]. 计算机应用, 2015, 35(9): 2430-2435.
[9]	刘明珠许士涛陈光. 基于自适应更新的无线传感网络MAC协议[J]. 计算机应用, 2012, 32(12): 3508-3511.
[10]	任秀丽韩静晶. 基于无线传感网的海洋监测节点定位算法[J]. 计算机应用, 2012, 32(10): 2692-2695.
[11]	陈庆奎周利珍. 基于HBase的大规模无线传感网络数据存储系统[J]. 计算机应用, 2012, 32(07): 1920-1923.
[12]	陈向东杨斌. 智慧轨道交通——更透彻的感知[J]. 计算机应用, 2012, 32(05): 1196-1198.
[13]	张斌毛剑琳李海平陈波. 群混合算法应用于异构传感网络节点的优化部署[J]. 计算机应用, 2012, 32(05): 1228-1231.
[14]	周运詹华伟. 无线传感网络中有向性传感节点的覆盖问题[J]. 计算机应用, 2011, 31(12): 3200-3203.
[15]	陈友荣俞立董齐芬洪榛. 基于蚁群的无线传感网最大化生存时间路由[J]. 计算机应用, 2011, 31(11): 2898-2901.