一种矿用皮带机电控防灭火系统的制作方法

本技术涉及智能控制系统，且更为具体地，涉及一种矿用皮带机电控防灭火系统。

背景技术：

1、矿用皮带机是煤矿输送煤炭的重要设备，其由驱动装置、滚筒、传动装置、张紧装置、支撑装置、保护装置等部分组成，通过驱动装置带动滚筒转动，将物料沿着皮带运输到目的地，可以实现水平输送、倾斜输送和垂直提升等多种输送方式。矿用皮带机是火灾的高危部位，在生产中需要加强对其运行状态的监控，一旦发现皮带机运行异常情况，需要及时通过控制系统控制对应的报警系统、防灭火系统启动，防止造成重大生产事故。

2、例如申请号为201410396673.3的中国专利公开了一种皮带机安全监控装置，包括：采集层，其位于皮带机现场，采集层内设置多个温度传感器、多个振动传感器以及无线网络收发装置，通过控制器收集分析数据信息，并将数据信息通过无线网络传输至监控层；皮带机现场还设置视频摄像机，用于采集皮带机运行的视频图像，并将皮带状态信息通过网络传输至监控层；监控层，包括无线网络收发装置、中控室服务器，数据信息通过无线网络传输至中控室服务器，中控室服务器对数据信息进行分析处理，并显示皮带机的基本运行状态、故障预警、视频图像，同时，中控室服务器会将数据信息传输至web服务器，可对皮带机的运行状态进行多方位、全角度的实时监控，全方位的对皮带机数据进行采集、存储、处理、统计、查询和分析，为皮带机的安全运行提供保障。

3、再如，申请号为201410592498.5的中国专利公开了一种皮带机远程监控系统，包括：采集层，其内设置多个温度传感器、多个振动传感器以及无线网络收发装置；监控层，其内包括无线网络收发装置、中控室服务器，所述数据信息通过无线网络传输至中控室服务器，所述中控室服务器对数据信息进行分析处理，并显示皮带机的基本运行状态、故障预警、视频图像，同时，所述中控室服务器会将数据信息传输至web服务器；应用层，其包括web服务器以及多个用户终端，可对皮带机的运行状态进行多方位、全角度的实时监控，为皮带机的安全运行提供保障。

4、但是类似于上述现有的对皮带机的监控和保护技术，仅采用监控图像、视频图像监控或结合温度传感器对皮带的运行状态进行监控，对皮带机的火灾预测和判定不够准确性，控制对应的灭火系统响应也不够及时，仍存在一定的风险。

5、因此，对于矿用皮带机来说，必须加强火灾预防和处理措施，以确保其安全运行。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种矿用皮带机电控防灭火系统，其通过采用基于深度学习的神经网络模型，通过综合矿用皮带机表面温度分布的时序变化信息和全局范围内的温度分布时序特征信息来提高火灾预测模型的准确性，这样，能够对可能出现的火灾隐患进行预警和控制，进而降低了矿用皮带机发生火灾的风险，提高了安全性能。

2、根据本技术的一个方面，提供了一种矿用皮带机电控防灭火系统，其包括：

3、表面温度数据采集模块，用于获取由红外摄像头采集的矿用皮带机在预定时间段内多个预定时间点的红外监控图像；

4、内部温度数据采集模块，用于获取由部署于矿用皮带机的多个位置的温度传感器采集的多个预定时间点的温度值；

5、表面温度特征提取模块，用于将多个预定时间点的红外监控图像按照时间维度排列为输入张量后通过使用三维卷积核的卷积神经网络模型以得到红外温度分布时序特征图；

6、内部温度结构化模块，用于将由部署于矿用皮带机的多个位置的温度传感器采集的多个预定时间点的温度值按照时间维度和传感器样本维度排列为温度全时序输入矩阵；

7、内部温度特征提取模块，用于将温度全时序输入矩阵通过作为特征提取器的第二卷积神经网络模型以得到温度分布时序特征图；

8、特征融合模块，用于融合红外温度分布时序特征图和温度分布时序特征图以得到分类特征图；

9、去冗余模块，用于对分类特征图进行特征去冗余化以得到优化后分类特征图；以及

10、控制结果生成模块，用于将优化后分类特征图通过分类器以得到分类结果，分类结果用于表示是否启动防灭火设备。

11、在上述矿用皮带机电控防灭火系统中，表面温度特征提取模块，用于：使用使用三维卷积核的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对卷积特征图进行基于局部特征矩阵的池化以得到池化特征图；以及，对池化特征图进行非线性激活以得到激活特征图；其中，使用三维卷积核的卷积神经网络的最后一层的输出为红外温度分布时序特征图，使用三维卷积核的卷积神经网络的第一层的输入为多个预定时间点的红外监控图像按照时间维度排列得到的输入张量。

12、在上述矿用皮带机电控防灭火系统中，内部温度结构化模块，包括：行向量构造单元，用于将由部署于矿用皮带机的多个位置的温度传感器采集的多个预定时间点的温度值按照时间维度和传感器样本维度排列为多个行向量；二维矩阵化单元，用于将多个行向量通过二维排列以得到温度全时序输入矩阵。

13、在上述矿用皮带机电控防灭火系统中，内部温度特征提取模块，用于：使用作为特征提取器的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对卷积特征图进行基于局部特征矩阵的池化以得到池化特征图；以及，对池化特征图进行非线性激活以得到激活特征图；其中，作为特征提取器的第二卷积神经网络的最后一层的输出为温度分布时序特征图，作为特征提取器的第二卷积神经网络的第一层的输入为温度全时序输入矩阵。

14、在上述矿用皮带机电控防灭火系统中，特征融合模块，用于：以如下级联公式来融合红外温度分布时序特征图和温度分布时序特征图以得到分类特征图；其中，公式为：

15、；

16、其中，表示红外温度分布时序特征图，表示温度分布时序特征图，表示级联函数，表示分类特征图。

17、在上述矿用皮带机电控防灭火系统中，去冗余模块，用于：以如下优化公式对分类特征图进行特征去冗余化以得到优化后分类特征图；其中，公式为：

18、；

19、；

20、；

21、其中，为分类特征图，表示单层卷积操作，、和分别表示特征图的逐位置相加、相减和相乘，且和为偏置特征图，为优化后分类特征图。

22、在上述矿用皮带机电控防灭火系统中，控制结果生成模块，包括：展开单元，用于将优化后分类特征图基于行向量或列向量展开为分类特征向量；全连接编码单元，用于使用分类器的多个全连接层对分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将编码分类特征向量通过分类器的softmax分类函数以得到分类结果。

23、根据本技术的另一方面，提供了一种矿用皮带机电控防灭火方法，其包括：

24、获取由红外摄像头采集的矿用皮带机在预定时间段内多个预定时间点的红外监控图像；

25、获取由部署于矿用皮带机的多个位置的温度传感器采集的多个预定时间点的温度值；

26、将多个预定时间点的红外监控图像按照时间维度排列为输入张量后通过使用三维卷积核的卷积神经网络模型以得到红外温度分布时序特征图；

27、将由部署于矿用皮带机的多个位置的温度传感器采集的多个预定时间点的温度值按照时间维度和传感器样本维度排列为温度全时序输入矩阵；

28、将温度全时序输入矩阵通过作为特征提取器的第二卷积神经网络模型以得到温度分布时序特征图；

29、融合红外温度分布时序特征图和温度分布时序特征图以得到分类特征图；

30、对分类特征图进行特征去冗余化以得到优化后分类特征图；以及

31、将优化后分类特征图通过分类器以得到分类结果，分类结果用于表示是否启动防灭火设备。

32、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在存储器中存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上的矿用皮带机电控防灭火方法。

33、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上的矿用皮带机电控防灭火方法。

34、与现有技术相比，本技术提供的一种矿用皮带机电控防灭火系统，其通过采用基于深度学习的神经网络模型，通过综合矿用皮带机表面温度分布的时序变化信息和全局范围内的温度分布时序特征信息来提高火灾预测模型的准确性，这样，能够对可能出现的火灾隐患进行预警和控制，进而降低了矿用皮带机发生火灾的风险，提高了安全性能。