0 引言
近年来矿山安全形势持续好转，但群死群伤事故仍时有发生。矿山灾后救援面临有毒有害气体、高温、水灾、巷道坍塌、煤尘爆炸等危险，如果不能及时了解井下救援现场和人员的实际情况，极易造成二次事故[1-6]。作为灾变处置关键环节的矿山救护保障系统，对降低人员伤亡有重要作用。
为了保障救护人员的自身安全，减少救护过程中的损失，本文通过分析灾害现场的环境信息与救护人员生命体征信息，设计了一种矿山救护保障系统，实现了矿山灾后现场环境远程监测和救援人员生命体征监测与实时传输功能，提高了矿山事故应急处理能力和应急救援效率。
1 系统组成
矿山救护保障系统由井下超前环境侦测设备、救护人员穿戴式生命体征设备、应急通信基站、交换机、服务器和应急指挥调度平台组成，如图1所示。该系统可用于煤矿运输巷、采煤工作面、掘进工作面等区域。
图1 矿山救护保障系统组成
Fig.1 Composition of mine rescuing support system
系统采用井下超前环境侦测设备和救护人员穿戴式生命体征设备实时采集井下环境信息和救护人员生命体征信息，通过应急通信基站快速搭建数据传输通道，利用井下环网交换机将事故地点的环境信息、救护人员生命体征信息传输至服务器。基于嵌入式Linux系统的服务器对数据进行融合分析，之后传输到应急指挥调度平台，供救援指挥人员实时查看现场情况。
应急通信基站自由组建专用的网络信道，完成信息的可靠传输。基站间可视通信距离达1 000 m以上，基站与井下超前环境侦测设备、救护人员穿戴式生命体征设备的无线通信距离为150 m以上。
2 井下超前环境侦测设备设计
救护人员进入井下事故现场时，需要超前侦测现场环境信息，包括CH4，CO，O2等，避免次生灾害的发生[7]。本文提出一种投掷式远距离井下超前环境侦测设备，其主要由探测器、弹射器、信号收发器等组成，如图2所示。
图2 井下超前环境侦测设备组成
Fig.2 Composition of ahead underground environment detector
探测器与弹射器采用活动连接方式，探测器用于检测环境信息[8-9]，弹射器通过弹射操作将探测器发射出去。当弹射器未弹射时，探测器固定在弹射器上；当弹射器弹射时，探测器与弹射器分离。信号收发器和探测器是一体化设备，用于以无线方式向应急通信基站发送环境信息。
当使用弹射器发射探测器时，探测器沿弹射方向飞出后落在超前的某位置，探测该位置的环境信息。信号收发器将环境信息以WiFi形式发送到应急通信基站，进而传输到服务器和应急指挥调度平台。服务器软件采用“爆炸三角形”原理分析井下环境信息，救护指挥人员根据分析结果判断该位置是否为安全环境，同时通知井下作业人员或救护人员采取撤离或注氮防爆等措施。
探测器是井下超前环境侦测设备的关键器件，其原理如图3所示。探测器内置CH4检测元件、电化学CO检测元件、O2检测元件、温度检测元件。检测元件感知环境气体浓度和温度，并输出微弱电信号。CH4，CO，O2信号相互独立放大，并和温度信号传输至中央处理器处理，得出与气体实际浓度和环境温度对应的模拟信号值，并最终传输到显示输出模块进行显示。显示输出模块包括信号连接指示灯，当开机后未连接到应急通信基站时，指示灯为红色，正常连接后为绿色。
图3 探测器原理
Fig.3 Detector principle
救护人员随身携带多参数气体测定器，用于实时检测人员所处环境信息，检测信息可与井下超前环境侦测设备检测值对比分析。
井下超前环境侦测设备及多参数气体测定器的环境参数检测范围：CH4体积分数0～40%，CO体积分数0～10 000×10-6，O2体积分数0～30%；温度检测范围：-20～100 ℃。
3 救护人员穿戴式生命体征设备设计
3.1 设备组成
救护人员穿戴式生命体征设备主要由处理器、运算放大器、信号调理模块、三轴加速度传感器、存储器、蓝牙模块、WiFi模块、卡扣电源开关、电源模块等组成[10-11]，如图4所示。处理器采用EFM32LG330；运算放大器采用MCP6232，实现呼吸及体温信号放大功能；信号调理模块采用AD8232，实现心率信号前级处理；三轴加速度传感器采用ADXL345，用于获取人员的运动量；存储器采用K9F1G08U0B，用于存储生命体征信息；蓝牙模块采用BLK-MD-BC04-B；WiFi模块采用QCA4004。
图4 救护人员穿戴式生命体征设备组成
Fig.4 Composition of wearable vital sign equipment for rescuer
救护人员穿戴式生命体征设备内置呼吸/体温敏感元件、心率传感元件与倾角传感元件。各元件感知人体的呼吸、体温、心率、姿态、活动度等信息，并输出微弱电信号，通过运算放大器、信号调理模块、三轴加速度传感器等处理，得到生命体征参数对应的数字信号。数字信号传输至处理器进行信号处理，处理结果通过蓝牙、WiFi方式上传至应急通信基站。
救护人员穿戴式生命体征设备测量范围：体温10～50 ℃，误差±1 ℃；呼吸频率10～50次/min，误差±2次/min；心率10～200次/min，误差±5次/min；姿态0～360°，误差±2°，其中前趋为0～90°，直立为90°，后仰为90～180°，平躺为180°，倒立为180～270°，弯腰为270～360°；活动度0～10 m/s，活动度≤0.2 m/s时显示活动慢，0.2 m/s<活动度≤1.0 m/s时显示活动平缓，1.0 m/s<活动度≤10 m/s时显示活动快。
3.2 卡扣电源开关设计
卡扣电源开关由生命体征模块、卡扣、穿戴配件组成，如图5所示。生命体征模块通过穿戴配件的卡壳进行连接，卡扣内部设置有用于触发卡扣电源开关短接的触发器，当卡壳和卡扣卡接之后，卡扣挤压或接触触发器，使得触发器被触发。
图5 卡扣电源开关组成
Fig.5 Composition of fastened power switch
当卡扣与触发器接触或挤压时，生命体征模块中的电平发生器输出高电平，短按卡扣电源开关按钮，电源开关能够开启生命体征模块，但不能关闭生命体征模块；当卡扣与触发器未接触或挤压时，电平发生器输出低电平，短按卡扣电源开关按钮，电源开关能够开启或关闭生命体征模块。该方式可以防止救护人员在工作时触发器被触发使得开关失灵，从而防止了由于误操作、身体挤压、设备碰撞等情况导致生命体征模块误关机情况的发生。
4 救护保障检测方法
系统服务器对井下超前环境侦测设备和救护人员穿戴式生命体征设备的检测信息进行融合分析，以判断救护人员的状态和所处环境是否适合继续工作，并对危险情况进行报警。救护保障检测方法流程如图6所示。
图6 救护保障检测方法流程
Fig.6 Flow of rescuing support detecting method
系统首先获取佩戴者的生命体征信息和所处井下位置的环境信息，之后服务器对生命体征信息和环境信息进行融合分析。信息融合分析包括以下4个方面的内容。
(1) 生命体征信息分析。正常情况下，成年人处于平静状态时心率为60～100次/min，体温为36.3～37.2 ℃，呼吸频率为16～20次/min，姿态和活动度可直观地通过数据得出。
救护人员在井下进行救援工作时，可能会遇到工作量大导致的劳累、高热和疼痛等情况，得到的生命体征信息会偏离正常范围。
(2) 环境信息分析。根据《煤矿安全规程》，井下所有地点的O2体积分数不得低于20%，CH4爆炸体积分数为5%～16%，CO体积分数不能超过24×10-6。
(3) 工作时长分析。不同的救护人员体能不同，对井下环境的适应能力也不同，因此，需针对每位救护人员设计适合自身的工作时长。本文根据环境信息和生命体征信息确定救护人员的工作时长，具体实现方法：① 根据救护人员自身生命体征信息和生命等级的第一预设对应关系，确定救护人员生命体征信息所对应的生命等级。② 根据环境信息和环境等级的第二预设对应关系，确定环境信息所对应的环境等级。③ 根据对应的生命等级、环境等级和工作时长的第三预设对应关系，确定工作时长。④ 将输出结果和对应的工作时长样本进行比对，更新深度学习模型的参数，直到输出结果和工作时长样本的误差在预设范围内。将生命体征信息和环境信息输入深度学习模型，得到工作时长。
(4) 信息融合。建立信息融合分析模型，输入为生命体征数据样本和环境数据样本2组参数，得到输出结果[12-13]。
信息融合本质上是底层信息到顶层信息的整合过程。本文采用特征输入-决策输出融合方法。首先对2组参数中的每个数据进行本地处理，即通过各自的数据关联与校准机构进行预处理，然后对目标属性进行独立的决策，最后决策层对各个信息源的决策进行融合，从而得到最优的决策，如图7所示。决策层融合具有较好的容错性，当某组数据出现问题时，可通过融合得到正确的决策。
图7 信息融合结构
Fig.7 Information fusion structure
信息融合处理算法采用BP神经网络和扩展卡尔曼滤波算法[14]。系统检测数据包括4类环境数据、5类生命体征数据，因此BP神经网络输入为9维向量，输出为1维向量，输出状态为线性信号。首先利用BP神经网络对输入向量进行学习，以提高不同传感器数据的匹配度；BP神经网络输出结果作为扩展卡尔曼滤波算法的输入，实现决策层融合和数据修正，使输出结果达到期望值。
系统根据信息融合分析结果，判断救护人员是否适合继续井下工作。当确定救护人员不适合继续井下工作时，服务器输出报警信息，同时该信息通过无线方式传输到救护人员穿戴式生命体征设备，进行声光报警和语音提示。
应急指挥调度平台根据报警信息分析出救护人员的具体情况，并根据具体问题确定解决方案。
5 系统试验
对矿山救护保障系统进行井下模拟试验，5名救护人员下井时将救护人员穿戴式生命体征设备穿戴在各自胸部位置，同时携带1台井下超前环境侦测设备。井下工作环境：空气湿度为50%，平均温度为30 ℃，海拔高度为-300 m，属于低瓦斯矿井。
试验期间，在井下先后进行生命体征测试、环境参数测试和信息融合分析结果测试。假设5名救护人员的工作时长均为100 min，测试数据见表1、表2，信息融合结果见表3。
表1 生命体征测试数据
Table 1 Test data of vital signs
表2 环境参数测试数据
Table 2 Test data of environmental parameters
表3 信息融合分析结果
Table 3 Information fusion analysis result
从表1可看出，5名救护人员的生命体征数据均在正常范围内。
表2中数据为3组，每组数据采集时间间隔40 min。可看出第2次测试时O2体积分数为19.2%，低于正常范围，达到报警条件。
表3为1名救护人员的信息融合分析结果。可看出第1次测试数据均在正常范围内，测试结果显示正常。第2次测试的环境数据不正常，第3次测试的工作时长超标，测试结果均为不正常，系统进行报警提示。
6 结语
矿山救护保障系统通过对生命体征信息和环境信息进行融合分析，能够对救护人员的状态及灾害现场的环境状况进行实时监测和预警，对保障救护人员的自身安全、减少二次伤亡、提高救援效率具有重要意义。
参考文献( References) :
[1] 孙继平,钱晓红.煤矿重特大事故应急救援技术及装备[J]．煤炭科学技术，2017，45(1):112-116．
SUN Jiping,QIAN Xiaohong.Emergency rescue technology and equipment of mine extraordinary accidents[J].Coal Science and Technology,2017,45(1):112-116.
[2] 孙继平.煤矿事故特点与煤矿通信、人员定位及监视新技术[J].工矿自动化，2015,41(2):1-5.
SUN Jiping.Characteristics of coal mine accidents and new technologies of coal mine communication, personnel positioning and monitoring[J].Industry and Mine Automation,2015,41(2):1-5.
[3] 孙继平.煤矿信息化自动化新技术与发展[J].煤炭科学技术，2016,44(1):19-23.
SUN Jiping.New technology and development of mine informatization and automation[J].Coal Science and Technology,2016,44(1):19-23.
[4] 孙继平.煤矿信息化与自动化发展趋势[J].工矿自动化，2015,41(4):1-5.
SUN Jiping.Development trend of coal mine informatization and automation[J].Industry and Mine Automation,2015,41(4):1-5.
[5] 孙继平.“互联网+煤炭”与煤矿信息化[J].煤炭经济研究，2015,35(10):16-19.
SUN Jiping."Internet+coal" and coal mine informationalization[J].Coal Economic Research,2015,35(10):16-19.
[6] 张立亚,孟庆勇,温良.煤矿应急救援中无线Mesh网络多信道分配算法[J].工矿自动化，2015,41(6):83-86.
ZHANG Liya,MENG Qingyong,WEN Liang.Multi-channel allocation algorithm for wireless mesh network in coal mine emergency rescue[J].Industry and Mine Automation,2015,41(6):83-86.
[7] 葛亮，邵毅敏，蒋德献,等．井下灾区环境参数快速采集和分析技术与装备[J].煤矿安全，2017,48(3):99-102.
GE Liang,SHAO Yimin,JIANG Dexian,et al.Technology and equipment for fast sampling and analysis of environmental parameters in underground disaster area[J].Safety in Coal Mines,2017,48(3):99-102.
[8] 王勇,叶锦娇,孟庆勇,等．煤矿应急救援中多参数气体测定系统的设计[J].煤炭技术，2017,36(4):194-196.
WANG Yong,YE Jinjiao,MENG Qingyong,et al.Design of multi parameter gas measurement system in coal mine emergency rescue[J].Coal Technology,2017,36(4):194-196.
[9] 孙改平，郭海文.煤矿井下环境安全评价系统的研究[J].煤炭技术,2015,34(6):320-322.
SUN Gaiping,GUO Haiwen.Research on coal mine environment safety evaluation system[J].Coal Technology,2015,34(6):320-322.
[10] 马裕静,白东梅,刘雨田,等．煤矿井下人员安全可穿戴装置研究[J]．工矿自动化，2018,44(8):96-99.
MA Yujing,BAI Dongmei,LIU Yutian,et al.Research on wearable devices for safety of underground mine personnel[J].Industry and Mine Automation,2018,44(8):96-99.
[11] 钱旭,韩英,王慧,等．基于ZigBee的煤矿井下生命体征检测仪[J]．煤矿安全，2015,46(2):106-108.
QIAN Xu,HAN Ying,WANG Hui,et al.Design of life signs detector applied in coal mine based on ZigBee[J].Safety in Coal Mines,2015,46(2):106-108.
[12] 张帆,韩会杰．多源传感器融合的矿井瓦斯释放源定位方法[J]．煤炭学报，2018,43(4):1179-1186.
ZHANG Fan,HAN Huijie.Location method of mine gas diffusive position based on multi-source sensor[J].Journal of China Coal Society,2018,43(4):1179-1186.
[13] 潘永昊,于洪涛,刘树新．基于神经网络的链路预测算法[J]．网络与信息安全学报，2018,4(7):30-38.
PAN Yonghao,YU Hongtao,LIU Shuxin.Neural network-based link prediction algorithm[J].Chinese Journal of Network and Information Security,2018,4(7):30-38.
[14] TIAN Zijian, ZHANG Liya,CHEN Wei.Improved algorithm for navigation of rescue robots in underground mines[J].Computers and Electrical Engineering,2013,39(4):1088-1094.