0 引言

矿山应急救援在我国矿山安全工作中发挥着举足轻重的作用。在煤矿突水、火灾、瓦斯灾害等重大事故发生后，迅速控制事故的发展并尽可能获取井下事故现场的灾变信息，从而用最短的时间救援井下遇险人员是应急救援的重中之重。因存在二次灾害发生的可能，以及受高温、烟气、有害气体等因素影响，救援人员难以准确判定能否进入灾害现场执行营救任务，可能延误救援时机[1-2]。为保障救援人员安全，避免投入大量人力、物力到井下实施救援任务，当井下发生事故时，利用煤矿救灾机器人先行进入事故现场，对井下灾变环境进行侦测，可为救援人员安全开展救援工作提供保障[3]。笔者阐述了煤矿救灾机器人突水水源、火灾及瓦斯浓度侦测技术的原理和特点，指出其发展趋势，以期为煤矿救灾机器人灾变环境侦测技术的研究工作提供参考。

1 煤矿救灾机器人突水水源侦测技术

1.1 传统突水水源侦测技术

(1)水温水位监测法。受地下水的赋存条件和循环环境的影响，地下水的水温呈现变化性和不均一性[4-5]。基于该特性，水温监测法利用煤矿救灾机器人搭载的水温传感器实时采集具有突水隐患的含水层的水温和突水点的水温，然后进行温度对比，从而对矿井突水水源进行预测[6]。水温监测法操作简单，但当矿井水灾水源温度和正常矿井水温度差异较小时，水温监测法精度明显降低。相互联系的含水层的水位会随其中一个含水层水位的变化而变化，因此，水位监测法利用煤矿救灾机器人搭载的水位传感器对含水层水位变化进行监测，可判断矿井突水水源。但在传感器布置前需探明老空水位置等，限制了水位监测法的应用。

(2)水化学分析法。水化学分析法主要有常规水化学法、微量元素法、同位素法等[7]。常规水化学法通过对煤矿各含水层的8种代表离子(Na+，K+，Ca2+，Mg2+，SO42-，Cl-，HCO3-，CO32-)的含量、矿化度、电导率、碱度、硬度、pH值等水质综合指标进行分析，确定突水水质和含水层水质的类型，通过类比判断矿井突水水源。常规水化学法在矿井突水判别中应用较广泛，但仅适用于含水层水质特征差异较大的单一水源。微量元素法、同位素法是分别基于水中微量元素、同位素特征进行突水水源判别的方法。微量元素法具有较高的可信度，但需要在特征组分易检且稳定的条件下使用。同位素法判别速度快且准确，但成本较高。

(3)数理分析法。数理分析法包含非线性分析法和多元统计法[8]。非线性分析法在矿井突水水源判别领域的具体应用方法有模糊数学法、神经网络法、GIS(Geographic Information System，地理信息系统)理论法等。模糊数学法可进行多因素分析，但主观程度较高；神经网络法判别结果客观、准确率高，但需针对具体矿井进行分析；GIS理论法可将判别结果进行可视化呈现，实用性强，但难以避免模糊性。多元统计法分为判别分析法和聚类分析法。判别分析法是在若干类已知对象中确定新对象归属类的统计分析方法，该方法操作简单且经济实用，但准确度受样本限制；聚类分析法是根据样品数据的相似性将样品划分成不同类别的方法，该方法易于操作，但需要选出影响大的类。

1.2 基于无线自组网的煤矿救灾机器人突水水源侦测方法

利用煤矿救灾机器人搭载传感器，在巷道内通过巡检排查的方式对突水水源进行侦测效率较低。因此，提出了基于无线自组网的煤矿救灾机器人突水水源侦测方法。重点在断层区域和陷落柱区域提前布置多种类型传感器，在传感器附近预设可唤醒的无线传感节点(此时节点处于休眠状态)，构建无线传感器网络。需要对突水水源侦测时，派遣煤矿救灾机器人抵达预设的无线传感节点附近，通过煤矿救灾机器人发射低频信号唤醒节点，在不需要煤矿救灾机器人大面积移动的情况下快速获取数据，对数据进行分析处理后判断矿井突水水源。该方法可有效提高突水水源侦测的效率和可靠性。

2 煤矿救灾机器人火灾侦测技术

2.1 传统火灾侦测技术

(1)感温式监测法。感温式监测法通过煤矿救灾机器人搭载的感温传感器监测煤矿井下火灾生成的热气流，即监测火灾的某一点或沿某一条线范围的温升速率和温度，从而达到监测火灾的目的[9-11]。该方法准确率高，具有较强的实时性，但监测点数量多，对煤自燃火灾的侦测具有一定局限性。

(2)感烟式监测法。当井下发生火灾时，燃烧产生的悬浮在巷道内的液体粒子气溶胶及固体混合后会形成大量烟雾[12]。因此通过煤矿救灾机器人搭载的烟雾传感器可对井下火灾进行监测。光电式烟雾传感器适用于机电设备及阴燃火灾监测，但监测可靠性易受煤矿井下浮游粉尘的影响。离子式烟雾传感器可有效监测明火火灾和阴燃火灾产生的燃烧生成物，抗粉尘能力强，适用于较复杂环境的煤矿井下火灾监测，但不能有效监测燃烧早期产生的颗粒状黑烟，灵敏度易受井下环境影响，误报率较高。

(3)电磁辐射能监测法。当煤矿井下发生燃烧或爆炸时，会有大量能量以电磁辐射的形式产生。基于此可通过煤矿救灾机器人搭载的红外线辐射测温仪和光敏火灾检测器进行矿井火灾侦测。红外辐射测温仪基于物体表面绝对温度与红外辐射能量之间的关系特性，对物体表面辐射的能量通过非接触式测量以实现物体温度检测，可监测井下各种电器设备及电缆的发热情况[13]。光敏火灾检测器是基于物质燃烧时会有可燃性气体产生选择性辐射的性质来实现火源判定，适用于对煤矿井下煤尘-甲烷-空气混合气体的燃烧或爆炸进行侦测。电磁辐射能监测法对火灾侦测的贡献重大，但其可靠性和灵敏度仍需提高。

2.2 基于大数据的煤矿救灾机器人火灾侦测方法

矿井火灾发生前，常伴有一些前兆现象，如巷道内有烟气且带有烧焦糊味、O2含量逐渐降低、空气的温度及湿度增高、C2H4与C2H2浓度发生变化等。因此，提出了基于大数据的煤矿救灾机器人火灾侦测方法。利用煤矿救灾机器人搭载多种类和多数量的传感器，监测煤矿井下温度、湿度、气体浓度、气味、风速等与火灾相关的灾变信息，采用大数据技术对这些信息进行快速分析处理，从而对煤矿井下火灾进行侦测。该方法可弥补单一参数火灾侦测技术的不足，有效提高火灾侦测的准确率。

3 煤矿救灾机器人瓦斯浓度侦测技术

3.1 传统瓦斯浓度侦测技术

(1)热导型监测法。通过煤矿救灾机器人搭载的热导型传感器，利用空气热导率与各种气体热导率之间的差异，结合气体浓度和热导率之间的关系来检测瓦斯浓度[14-15]。当被测气体浓度高时，其热导率与空气热导率相差较大，测量结果精度高。当被测气体浓度较低时，其热导率与空气热导率相近，则传感器输出信号较弱，灵敏度和分辨率较小。因此，热导型监测法不适用于低浓度瓦斯的监测。

(2)载体热催化监测法。在催化剂的作用下，可燃气体在元件表面发生氧化反应，释放的热量导致元件上铂丝的阻值发生变化，而铂丝的阻值在0～630.74 ℃范围内与可燃气体浓度呈正比[16]。基于此，可通过煤矿救灾机器人搭载的载体热催化传感器对瓦斯浓度进行监测。载体热催化监测法简单、易于实现，但侦测精度易受硫、铅、磷、氯等化合物的影响。

(3)电化学监测法。各种物质在电解池中的氧化还原反应均在一定的电位下进行。某物质的标准电极电位是在规定浓度、温度下物质的电极电位，当高于该标准电极电位时，产生氧化反应，反之则产生还原反应[17]。基于此，可通过煤矿救灾机器人搭载的电化学传感器对瓦斯浓度进行监测。电化学监测法具有响应快、实用性强的优点，但测试结果的稳定性较差。

(4)红外监测法。除了O2，N2，H2及惰性气体外，大多数气体能够吸收一定波长范围的红外光。当红外光透过被测气体时，某一波长范围内的光强度因气体吸收而减弱，被测气体浓度和光强度减少量呈正比，根据气体光强度变化即可获得被测气体浓度[18]。基于此，可通过煤矿救灾机器人搭载的红外传感器对瓦斯浓度进行监测。红外监测法选择性强，稳定性好，不受背景气体影响，但只适用于实验室环境。

3.2 基于多源信息融合的煤矿救灾机器人瓦斯浓度侦测方法

为提高煤矿救灾机器人瓦斯浓度侦测结果的准确性，提出了基于多源信息融合的煤矿救灾机器人瓦斯浓度侦测方法。通过煤矿救灾机器人平台搭载热导型传感器、载体热催化传感器、电化学传感器、红外传感器，实现多源信息采集，在传感器采集的数据中筛选出前后变化最大的数据，并对这些数据进行融合计算，从而得到精准的瓦斯浓度监测结果。该方法可弥补单一传感器瓦斯浓度侦测技术的不足，降低瓦斯浓度监测的误报率。

4 结语

对煤矿救灾机器人突水水源、火灾及瓦斯浓度侦测技术原理和特点进行了分析，提出了基于无线自组网的煤矿救灾机器人突水水源侦测方法、基于大数据的煤矿救灾机器人火灾侦测方法、基于多源信息融合的煤矿救灾机器人瓦斯浓度侦测方法，能有效提高煤矿救灾机器人突水水源、火灾及瓦斯浓度侦测的准确率。今后，煤矿救灾机器人灾变环境侦测技术将深度融合以云计算、人工智能、物联网为代表的现代信息技术，全面提升煤矿救灾机器人灾变环境侦测结果的可靠性。

参考文献（References）：

[1] 孙继平,钱晓红.煤矿事故与应急救援技术装备[J].工矿自动化,2016,42(10):1-5.

SUN Jiping,QIAN Xiaohong.Coal mine accident and emergency rescue technology and equipment[J].Industry and Mine Automation,2016,42(10):1-5.

[2] 张勇.新时期煤矿事故特点与应急救援之特征[J].中国高新技术企业,2012(31):99-101.

[3] 张旭辉,董润霖,马宏伟,等.基于虚拟现实的煤矿救援机器人远程控制技术[J].煤炭科学技术,2017,45(5):52-57.

ZHANG Xuhui,DONG Runlin,MA Hongwei,et al.Study on remote control technology of mine rescue robot based on virtual reality[J].Coal Science and Technology,2017,45(5):52-57.

[4] 赵作鹏,宋国娟,宗元元,等.基于D-K算法的煤矿水灾多最优路径研究[J].煤炭学报,2015,40(2):397-402.

ZHAO Zuopeng,SONG Guojuan,ZONG Yuanyuan,et al.Research on the multi-optimal paths of coal mine floods based on the D-K algorithm[J].Journal of China Coal Society,2015,40(2):397-402.

[5] 孙继平,钱晓红.2004—2015年全国煤矿事故分析[J].工矿自动化,2016,42(11):1-5.

SUN Jiping,QIAN Xiaohong.Analysis of coal mine accidents in China during 2004-2015[J].Industry and Mine Automation,2016,42(11):1-5.

[6] 马雷,钱家忠,赵卫东.基于GIS和水质水温的矿井突水水源快速判别[J].煤田地质与勘探,2014,42(2):49-53.

MA Lei,QIAN Jiazhong,ZHAO Weidong.An approach for quickly identifying water-inrush source of mine based on GIS and groundwater chemistry and temperature[J].Coal Geology &Exploration,2014,42(2):49-53.

[7] 王德高,余凯.潘谢矿区深部地下水常规水化学特征的多水源示踪分析[J].淮南师范学院学报,2016,18(3):104-107.

WANG Degao,YU Kai.Multi-source tracing analysis of the chemical features of conventional deep groundwater in Panxie Mining Area[J].Journal of Huainan Normal University,2016,18(3):104-107.

[8] 汪洋,左文喆,王斌海,等.矿井突水水源判别方法研究进展[J].现代矿业,2018,34(1):69-73.

WANG Yang,ZUO Wenzhe,WANG Binhai,et al.Study progress of discriminant method of the sources of mine water inrush[J].Modern Mining,2018,34(1):69-73.

[9] 王文亮.光纤感温报警系统对矿井火灾监测技术应用[J].山东煤炭科技,2014(2):61-63.

WANG Wenliang.Application of optical fiber temperature alarm system in mine fire detection technology[J].Shandong Coal Science and Technology,2014(2):61-63.

[10] 范亮.矿井防灭火技术适用性探究[J].能源与节能,2016(4):124-125.

FAN Liang.Study on the applicability of mine fire prevention technology[J].Energy and Energy Conservation,2016(4):124-125.

[11] 苗续芝,陈伟,毕方明,等.基于改进FOA-SVM的矿井火灾图像识别[J].计算机工程,2019,45(4):267-274.

MIAO Xuzhi,CHEN Wei,BI Fangming,et al.Mine fire image recognition based on improved FOA-SVM[J].Computer Engineering,2019,45(4):267-274.

[12] 胡永才.基于低照度室内视频图像的烟雾检测算法研究[D].西安:西安科技大学,2017.

[13] 王庆春,余园悌,蒋伟妮,等.基于FPGA的红外测温仪设计[J].电子测量技术,2018,41(2):105-109.

WANG Qingchun,YU Yuanti,JIANG Weini,et al.Design of infrared thermometer based on FPGA[J].Electronic Measurement Technology,2018,41(2):105-109.

[14] 王德明.煤矿热动力灾害及特性[J].煤炭学报,2018,43(1):137-142.

WANG Deming.Thermodynamic disaster in coal mine and its characteristics[J].Journal of China Coal Society,2018,43(1):137-142.

[15] 魏玉宾.光纤气体传感器及其安全工程应用中的关键技术研究[D].济南:山东大学,2016.

[16] 郭大路.热催化原理在煤矿井下甲烷浓度监测系统中的应用[J].科技创新导报,2010(29):48.

[17] 胡茜,葛思擘,王伊卿,等.电化学气敏传感器的原理及其应用[J].仪表技术与传感器,2007(5):77-78.

HU Qian,GE Sibo,WANG Yiqing,et al.Principle and application of electro-chemical gas sensor[J].Instrument Technique and Sensor,2007(5):77-78.

[18] 单元伟,白优.红外线气体分析仪在检测甲烷中的应用[J].内蒙古煤炭经济,2017(14):140-141.