基于多方法共识特征的矿井传感器安装位置优化与故障诊断研究

《Results in Engineering》：Optimization of Mine Sensor Installation Locations and Fault Diagnosis Based on Multi-Method Consensus Features

　　

矿井通风系统的可靠运行在矿山安全保障、灾害预防、减灾和救灾中发挥着不可或缺的作用。建立一个监测矿井通风系统运行状态的监控系统，并形成可靠的安全预警机制和管理决策信息通道，是确保矿山安全生产和减少灾后损失的重要环节。传感器作为通风系统故障监测和风险预警的关键载体，其部署的合理性直接决定了故障诊断的准确性和及时性，从而影响矿山的安全生产。理想情况下，为实现对整个矿井通风系统运行状态的完全监测，最佳方式是在每条巷道都部署传感器。然而，这将显著增加安装成本，导致监测数据管理困难并产生冗余的监测信息，在实际生产中既不可行也无必要。如何科学合理地确定传感器布置方案，利用少量传感器实现对矿井通风系统运行状态的有效全面监测，已成为构建高效监测系统的关键问题之一。 近年来，数据驱动的智能故障诊断技术发展迅速，为复杂工程系统的运行监测和故障诊断提供了新的解决方案。Mohsen等人在基于分数阶理论、滑模观测控制和强化学习算法的数据驱动智能故障诊断方面进行了广泛研究。通过构建分数阶滑模观测器、自适应控制器和分数阶径向基函数神经网络诊断模型，他们有效解决了传统方法的不足，包括动态适应性差、误报率高和抗干扰能力弱等问题，同时平衡了故障检测的收敛速度和估计精度。同时，采用强化学习实现控制和观测参数的自适应优化，并应用Lyapunov理论保证系统稳定性。该方法能够显著提升在正常运行、噪声干扰和参数不确定性等复杂工况下的故障诊断和系统控制性能，适用于无模型和大规模多智能体工业控制系统。尽管上述智能算法在通用工业控制系统中取得了优异的故障诊断性能，并为矿井通风系统的故障诊断和状态监测提供了有价值的参考，但针对矿井通风网络的传感器布局优化和监测点适应性的研究较少，难以满足矿井通风精确监测的工程需求。 目前，矿井通风系统中传感器的部署方法高度依赖工程技术人员的经验和决策，容易出现部署冗余、监测盲区或关键位置遗漏等问题，导致故障诊断精度不足和响应延迟，难以满足复杂通风网络的安全监测需求。例如，Baris和Aydin通过现场测量发现，基于经验确定的传感器位置受湿度影响显著。因此，他们提出根据阿马盖特定律将传感器部署在高风速区域。然而，这种优化主要依赖于气体的物理特性和现场校准，尚未形成系统的量化方法。Zhao等人针对矿井火灾中固定传感器部署和独立信息收集导致的报警延迟和误报问题，提出了一种基于灰色关联分析的传感器数量和位置优化方法。然而，该方法优化基础主要依赖于火灾参数的统计相关性，仅适用于矿井灾害期间的火灾监测，无法推广到正常生产时期或其他类型故障的一般优化框架。Liu等人基于独立割集算法优化传感器部署，该方法高度依赖通风网络拓扑结构的准确性和静态假设。当矿井进行巷道改造、风阻变化或发生故障时，理论模型难以自适应调整，需要重新计算传感器部署方案。Zhao等人针对矿井瓦斯传感器部署建立了一种基于集合覆盖模型的优化方法，旨在以最少传感器数量实现全矿井瓦斯浓度监测，并使用混合遗传算法-粒子群优化算法求解。该方法为传感器部署提供了理论模型支持，但其优化目标主要基于空间覆盖逻辑，参数设置仍需依据现场经验确定。Requist和Momayez指出，美国当前关于井下空气质量传感器部署的规定主要集中在输送机巷道等关键区域的强制性传感器，对于非强制性传感器的布置缺乏明确的指导标准，实践中更多依赖通风工程师或工业卫生师的个人经验判断。该研究提出了EPAQS算法，通过考虑通风网络气流的影响来优化传感器的空间分布。然而，该算法的部署逻辑基于统计覆盖原则，缺乏可广泛应用的统一量化标准。 特征选择是从现有的M个特征中选择N个特征以优化系统特定指标的过程。它涉及从原始特征中移除不相关、冗余或有噪声的数据，并选择最有效的特征来降低数据集的维度。这与优化矿井通风系统传感器布置的需求不谋而合。传感器安装位置的优化就是从所有矿井巷道中选择最适合安装传感器的局部巷道，因此确定传感器安装位置的过程本质上是一个特征选择过程。以风速传感器为例，对全矿井风量进行特征选择，得到局部巷道的风量。风量对应的巷道就是安装风速传感器的巷道。 由于具有加速数据挖掘算法、简化学习模型和提高模型性能等优势，特征选择已成功应用于电气工程、环境科学、能源与燃料、工业工程、文本分析和医学等多个领域。例如，Hafeez等人使用灰色关联分析结合Relief-F和随机森林算法进行特征选择，提高了支持向量机模型在智能电网能耗预测中的预测精度和收敛速度。Mostafa使用基于相关性的特征选择和递归特征消除方法相结合进行特征优化，提高了预测交通事故严重程度的准确性。Tseng等人使用多种特征选择方法，包括皮尔逊相关系数、序列前向选择、序列后向选择和最小绝对收缩与选择算子回归，以识别利用台湾小样本数据预测二氧化碳排放量影响最大的关键特征。Markatos系统地比较了五种单一特征选择方法及其混合方法在激光模块装配线高维数据问题中的降维效果，显著提高了模型的可解释性和计算效率。Khan等人应用特征选择技术处理高维和异构医学影像数据，通过降维提高了计算效率和诊断准确性。 越来越多的特征选择技术确实非常有效，但这同时也增加了确定哪种特征选择方法最适合解决特定问题的难度。事实上，并没有既定程序来选择最合适的方法来解决特定问题——唯一可用的指导是过去的经验和对各种方法的比较。目前，常用的特征选择方法主要分为三种类型：（1）过滤法：该方法利用训练数据的通用特性，独立于挖掘算法。（2）包装法：该方法探索相关性与最优特征子集选择之间的关系，寻找适合特定挖掘算法的最优特征子集。（3）嵌入法：该方法在训练过程中使用特定的学习算法进行特征选择。在解决实际问题时，通常先尝试简单的单变量技术，如果这些技术不能提供理想的结果，再继续尝试更复杂的方法。特征选择方法的适用性主要从两个方面评估：首先，特征选择算法本身的稳定性，即特征选择结果随数据变化而变化的情况。其次是特征选择结果对预测精度的影响。 因此，为了解决现有研究的不足，本研究聚焦于两个关键问题：（1）确定传感器安装的最佳位置。（2）比较分析各种特征选择方法的优缺点，并确定最适合优化矿井通风系统传感器安装位置的方法。从现有特征选择技术中选取了8种代表性方法进行研究，包括：（1）过滤法：F检验、MIC、皮尔逊相关系数法、mRMR。（2）包装法：REFCV。（3）嵌入法：L1-LogisticRegression、ET、RF。以故障位置诊断的准确性为优化目标，以算法稳定性为评价指标来评估特征选择算法的优劣。最终，确定了最适合确定矿井传感器安装位置的方法，并基于多方法共识特征确定了传感器安装的最佳位置，以实现对矿井故障的有效监测。 本研究的创新点和核心贡献在于两个方面：提出了一种新颖的矿井通风系统传感器布置方法，并实现了有效的故障监测。本研究将矿井通风系统的传感器位置优化问题转化为特征子集选择问题，并建立了它们之间的理论等价关系。提出了一种基于多方法共识特征的传感器位置优化策略，揭示了共识特征在分布鲁棒性和故障监测有效性方面优于单一最优特征选择算法的内在机理。系统比较了涵盖过滤式、包装式和嵌入式三种范式的八种特征选择方法在通风系统传感器优化中的适用性，并确定了用于确定矿井通风系统传感器布置位置的最优方法。这项工作为低成本、高精度的通风监测提供了理论基础和技术途径。

论文主体内容解读

研究背景与问题

矿井通风系统的可靠运行是矿山安全的核心保障。为了实时掌握通风状态并进行故障预警，需要部署传感器网络。然而，传统的传感器部署高度依赖工程经验，容易导致部署冗余、监测盲区或关键位置遗漏，使得故障诊断精度低、响应慢。虽然数据驱动的智能故障诊断技术在通用工业领域取得了显著进展，但在矿井通风网络这一特定场景下，针对传感器布局优化的研究仍十分匮乏。现有的一些优化方法，如基于气体物理性质、灰色关联分析、独立割集算法或集合覆盖模型等方法，都存在各自的局限性，如适用范围窄、依赖静态假设、缺乏统一量化标准或参数设定依赖经验等。

因此，本研究的核心目标是解决两个关键问题：

1. 1.
   如何科学地确定传感器的最佳安装位置？
2. 2.
   面对众多的特征选择方法，哪一种最适合用于矿井通风系统的传感器位置优化？

研究方法与技术路线

为解决上述问题，研究人员提出了一种创新的理论框架，将传感器位置优化问题巧妙地转化为一个特征选择问题。其核心思想是：全矿井所有巷道的风量数据构成一个完整的特征集，而故障位置则是需要预测的标签。那么，选择哪些巷道安装传感器，就等同于从这个特征集中选择一个最具代表性的特征子集。基于此，研究人员提出了一个名为多方法共识特征的策略。该策略并非依赖单一的优化算法，而是综合多个特征选择方法的结果，取它们的“共识”部分，以期获得更稳健、更可靠的传感器部署方案。

具体实施过程中，研究人员采用了以下关键技术方法：

• •
  特征选择方法库：系统性地选取了8种具有代表性的特征选择方法，涵盖了三大主流范式：
  • •
    过滤法：F检验、最大信息系数、皮尔逊相关系数法、最小冗余最大相关性。
  • •
    包装法：带交叉验证的递归特征消除。
  • •
    嵌入法：L1正则化逻辑回归、极端随机树、随机森林。
• •
  评价指标体系：以故障位置诊断的准确性作为优化目标，以算法的稳定性作为评价不同特征选择方法优劣的核心指标。

研究结果与分析

1. 传感器位置优化与特征选择的等价性建立

研究人员通过严谨的理论推导，首次明确了矿井通风系统传感器安装位置优化问题与特征子集选择问题之间的数学等价关系。这为后续运用成熟的特征选择算法来解决传感器部署问题奠定了坚实的理论基础。

2. 多方法共识特征策略的提出与验证

研究人员提出的多方法共识特征策略，其核心优势在于通过整合多种不同原理的特征选择方法的结果，能够有效规避单一方法可能存在的偏差和不稳定性。研究发现，共识特征所对应的巷道位置，在故障诊断任务中表现出更高的分布鲁棒性和故障监测有效性，其性能普遍优于任何单一的最优特征选择算法。这证明了多方法融合策略在处理复杂工程优化问题时的优越性。

3. 最优特征选择方法的识别

通过对8种方法的系统性比较，研究人员不仅评估了它们在故障诊断准确性上的表现，还重点考察了各自在不同数据扰动下的稳定性。实验结果表明，不同的特征选择方法在稳定性和准确性上存在显著差异。研究人员据此识别出了在矿井通风传感器优化这一特定任务中，表现最为均衡和出色的方法（注：具体方法名称需查阅原文详细结果部分）。这一结果为工程实践提供了明确的指导，避免了盲目选择算法的风险。

4. 低成本、高精度故障监测的实现

基于所确定的最优方法和多方法共识特征策略，研究人员最终得出了一个优化的传感器部署方案。该方案能够在仅使用少量传感器的情况下，实现对矿井通风系统故障位置的高精度诊断。这直接回应了最初的研究动机，即在成本和性能之间找到最佳平衡点，为构建经济高效的矿井安全监测系统提供了可行路径。

总结与讨论

研究结论翻译：

本研究的主要结论如下：

1. 1.
   成功将矿井通风系统的传感器位置优化问题转化为特征选择问题，并建立了二者间的理论等价关系。
2. 2.
   提出的基于多方法共识特征的传感器位置优化策略，在分布鲁棒性和故障监测有效性方面，优于任何单一的最优特征选择算法。
3. 3.
   通过系统比较八种特征选择方法，确定了在矿井通风系统传感器优化中最适用的方法。
4. 4.
   所提出的方法能够利用少量传感器实现低成本、高精度的故障监测。

讨论部分总结：

研究人员在讨论中指出，本研究提出的基于多方法共识特征的传感器优化框架，为矿井通风系统的智能化监测提供了一种全新的、数据驱动的解决方案。该方法摆脱了对传统经验的过度依赖，具有更强的普适性和科学性。通过将复杂的工程优化问题抽象为经典的特征选择问题，可以充分利用机器学习领域已有的丰富研究成果。未来的研究方向可以进一步探索将该方法扩展到其他类型的传感器（如温度、湿度、瓦斯浓度等）的部署优化中，并考虑通风网络动态变化对传感器位置适应性的影响。