Design of data storage scheme for coal mine personnel precise positioning system
-
摘要:
为了满足基于UWB等新型定位技术的煤矿人员精确定位系统数据存储与访问需要,分析了人员精确定位系统的数据结构、操作频率、数据量及存储占用空间大小等的数据情况,总结了系统数据生成与使用的主要特征,提出了基于Redis、MySQL和文件分别存储热数据、温数据和冷数据的混合数据存储架构,并详细阐述了Redis、MySQL、文件的存储关键设计,以及数据加密和基于Web API数据交互服务的数据查询方法。模拟数据测试结果表明:该存储方案具有较高的数据访问效率,能够满足数据存储与业务功能数据查询需要。
Abstract:In order to meet the data storage and access needs of coal mine personnel precise positioning system based on new positioning technologies such as UWB, the data structure, sampling frequency, data volume and storage space occupied by the personnel precise positioning system are analyzed, and the main features for system data generation and use are summarized, a hybrid data storage architecture based on Redis, MySQL and files to respectively store hot data, warm data and cold data is proposed, and the key design of Redis, MySQL, file storage, data encryption and data query method based on Web API data interaction service are described in detail. By using simulated data testing, it was verified that the storage solution has high data access efficiency, can meet the needs of data storage and business function data query.
-
粉尘危害普遍存在于矿山开采、金属加工、建筑材料、隧道挖掘等领域,随着机械化、自动化水平的不断提高,粉尘污染也日益严重[1-2]。目前粉尘治理的方法仍在不断改进[3],这些方法能够实现对全尘浓度的有效控制,但对于呼吸性粉尘等细微粉尘的防治效果不佳[4-5],呼吸性粉尘的监测技术滞后,无法实现呼吸性粉尘的实时监测[6]。通过各种粉尘治理方法煤矿企业一定程度上改善了作业环境,但是呼吸性粉尘浓度仍高于国家相关规定[7]。呼吸性粉尘具有粒径小、逸散能力强、表面积大、容易吸附毒害物质等特点,会随风流分布在作业环境中。并且传统的降尘方法不易使粉尘沉降,给安全生产带来诸多隐患。
目前,我国粉尘防治手段主要为:减尘、降尘、隔尘、排尘和个体防护,现在普遍采用多种防尘技术联合进行综合防尘[8]。其中喷雾降尘是最常用的技术手段[9],许多专家学者对喷雾降尘技术进行了大量的相关研究。传统的高压喷雾是较为常用的降尘方式,能够有效降低粉尘浓度,不过对压力要求较高[10-11]。邬高高等[12]、王健等[13]、马威[14]研究了喷雾压力改变的条件下,雾化角、雾滴粒径、有效射程、耗水量等雾化特性的变化规律,得出压力与降尘率的关系,并对喷雾降尘的压力进行了优化;秦波涛等[15]针对综采工作面高压喷雾降尘提出了活性磁化水雾化封闭尘源的降尘技术,构建了高效降尘工艺系统。
不过,传统喷雾降尘方式产生的雾滴粒径大,对呼吸性粉尘的降尘效果不佳。而雾化技术产生的雾滴粒径小,能够达到十几微米,耗水量相比传统喷雾显著减少、对设备和压力的要求低,对沉降细微粉尘具有很大优势。同时表面活性剂的加入能够降低水的表面张力,促进水雾化成粒径更小的雾滴;又有助于增强雾滴对粉尘颗粒的润湿性,增大对呼吸性粉尘的降尘率。将表面活性剂应用于超声雾化降尘技术,研究不同因素对雾化粒径及降尘效果的影响,对改善作业环境、减少生产危害、降低尘肺病发生率具有重要价值。
为此,设计了超声雾化喷雾实验平台,将阴离子型表面活性剂快渗T应用于超声雾化喷雾技术的研究,通过雾滴粒径实验研究表面活性剂溶液在不同压强组合下的粒径参数变化规律;为超声雾化喷雾降尘技术提供理论指导和依据。
1. 实验部分
1.1 实验平台
雾化粒度测量平台示意图如图1所示。
喷雾实验平台主要由喷雾系统和测量系统组成。喷雾系统主要由喷嘴、柱塞泵、空压机、喷雾管路、调压系统、压力表、流量计、实验架台和连接装置等组成,实验架台为实验室自行搭建,底部为边长1.5 m的正方形,整体尺寸为1.5 m×1.5 m×2.5 m,喷嘴通过支架固定在实验架台2.2 m高中心点处。测量系统主要由Winner318A激光粒度分析仪和计算机组成。
1.2 实验设备及仪器
1)实验采用东莞市华嶥喷雾技术有限公司生产的流体性超声雾化喷嘴,喷嘴型号SK508,喷雾角度为80°,喷嘴由喷头和底座2部分组成。在喷嘴底座的侧面和下部分别设有进水口和进气口,接口螺纹为G1/8和G1/4;喷头部分包含混合室和共振腔(超声波发生器),共振腔由钢丝支架连接混合室末端固定于喷嘴出口前方。该超声雾化喷嘴的雾化过程分为2个阶段:①在喷嘴内部液体与压缩空气混合在压力的作用下初步雾化,形成水喷雾喷出喷嘴;②喷出的高速雾滴撞击喷嘴前端的超声波发生器,雾滴在超声波的作用下再次发生破碎、雾化,形成的粒径更小也更为均匀雾滴。
2)激光粒度分析仪。实验采用济南微纳颗粒仪器股份有限公司生产的Winner318A工业激光粒度分析仪测量喷雾粒径。
3)柱塞泵和空压机。实验水压和气压范围均在0.1~0.6 MPa,调节间距为0.1 MPa。所选用高压柱塞泵可提供0~7 MPa的工作压力,空压机的使用压力为0.8 MPa,气罐容量为95 L,能够满足实验喷嘴的供气要求。
1.3 实验方案
实验所选用的表面活性剂为快渗T溶液,溶液浓度为0.07%,研究溶液在不同压强组合下超声雾化喷雾粒径参数的变化情况,使用Winner318A工业激光粒度分析仪对雾化粒度进行测量,测量的粒径参数有D10、D50、D90、VAD、SMD、NAD、Δs。其中:D10、D50、D90分别为粒径第10、第50、第90百分位数;VAD为体积加权平均粒径;SMD为表面积加权平均粒径;NAD为数量加权平均粒径;Δs(Δs=D90−D10)为雾滴粒径跨度,实质是雾滴粒径分布的极差,可表征雾滴粒径分散程度,Δs越小则雾滴粒径跨度越小,雾滴粒径分布越均匀。参照相关研究学者的测试参数,选取距离喷嘴口出下方60 cm处为喷雾雾滴粒径测点,激光发射仪和接收仪的距离为500 cm。喷雾实验参数为:①实验药品为快渗T;②溶液浓度0.07%;③气压0.1、0.2、0.3、0.4、0.5、0.6 MPa;④水压0.1、0.2、0.3、0.4、0.5、0.6 MPa;⑤测定参数D10、D50、D90、VAD、NAD、SMD、Δs;⑥风速0 m/s。
2. 实验结果
不同气压条件下超声雾化喷嘴雾滴粒径随水压变化情况如图2所示,不同气压条件下水压从0.1 MPa提高到0.6 MPa时粒径参数变化量见表1。
表 1 不同气压条件下水压从0.1 MPa提高到0.6 MPa时粒径参数变化量Table 1. Variation of particle size parameters when water pressure increases from 0.1 MPa to 0.6 MPa under different air pressure conditions气压/MPa ΔD10/μm ΔD50/μm ΔD90/μm ΔVAD/μm ΔSMD/μm ΔNAD/μm 0.1 16.034 19.082 24.307 19.364 18.780 17.633 0.2 23.005 19.348 10.123 17.704 20.820 25.927 0.3 31.121 32.447 29.928 31.189 33.537 36.804 0.4 25.883 40.069 61.325 42.276 37.971 30.479 0.5 22.614 35.494 54.751 37.441 33.625 26.908 0.6 5.0480 7.5890 11.260 7.9210 7.2630 6.0640 由图2可知:当气压为0.1、0.3、0.5 MPa时,D10、D50、D90、VAD、SMD、NAD均随着水压的增加而整体上呈现增大的趋势;当气压为0.2 MPa时,且水压为0.1~0.5 MPa的范围内,D50、D90、VAD、SMD均随着水压的增加而整体上呈现增大的趋势;同样地,当气压为0.6 MPa时,导致气压向相反变化趋势的水压拐点为0.4 MPa;此外,粒径参数D10、D50、VAD、SMD、NAD变化一致,Δs与D90变化一致。
由表1可知:在0.07 %表面活性剂状态下,当气压不变时,随着水压的增加D10、D50、D90、VAD、SMD、NAD值均增大;随着气压的增加,当水压从0.1 MPa提高到0.6 MPa时D10、D50、D90、VAD、SMD、NAD粒径增加量整体变化趋势相同,其中D10和NAD粒径增加量呈现高度一致,D50、VAD、SMD粒径增加量呈现高度一致。
不同水压条件下超声雾化喷嘴雾滴粒径随气压变化如图3所示,不同水压条件下气压从0.1 MPa提高到0.6 MPa时粒径参数变化量见表2。
表 2 不同水压条件下气压从0.1 MPa提高到0.6 MPa时粒径参数变化量Table 2. Variation of particle size parameters when air pressure increases from 0.1 MPa to 0.6 MPa under different water pressure conditions水压/MPa ΔD10/μm ΔD50/μm ΔD90/μm ΔVAD/μm ΔSMD/μm ΔNAD/μm 0.1 31.129 44.607 63.397 46.277 42.971 36.982 0.2 36.131 46.674 60.409 47.590 45.729 42.220 0.3 39.683 49.416 61.478 50.132 48.723 46.011 0.4 39.657 50.918 65.406 51.862 50.050 46.542 0.5 41.097 53.983 71.102 55.203 52.758 48.183 0.6 42.115 56.100 76.444 57.720 54.488 48.551 由图3可知:在0.07%表面活性剂状态下,当水压不变时,D10、D50、D90、VAD、SMD、NAD整体粒径均呈现出随着气压的增加而减少;各水压状态下,随气压的变化,D10、D50、D90、VAD、SMD、NAD几种参数粒径的变化呈现出一致性,且D10< NAD < SMD <D50< VAD <D90,Δs在气压较小时小于D10,随着气压的增大Δs呈现出先增大再减小的变化。
由表2可知:在0.07%表面活性剂状态下,当水压不变时,随着气压的增加D10、D50、D90、VAD、SMD、NAD值均减小;随着气压的增加,当水压从0.1 MPa提高到0.6 MPa时D10、D50、D90、VAD、SMD、NAD粒径增加量整体变化趋势相同,D90粒径减小量变化幅度最大,随着水压的增加呈现出先减小再增加的趋势,D10粒径减小量变化幅度最小,其中D10和NAD粒径减小量呈现高度一致,D50、VAD、SMD粒径减小量呈现高度一致。
3. 工程应用
华晋吉宁煤业有限责任公司大规模开采矿井的开采、开拓强度大,煤尘产生量及粉尘的危害严重,大型设备摩擦火花造成瓦斯煤尘的潜在危险性大,粉尘污染状况严重。高强度开采的综采工作面割煤机司机处粉尘浓度达800 mg/m3以上;工作面支架后6 m人行道粉尘浓度高达2 912 mg/m3,单呼吸性粉尘浓度也高达到1 146 mg/m3。此外,在大规模开采时,仅采煤工作面下巷各转载点所产生的粉尘就可使综采工作面粉尘达500 mg/m3。亟须解决生产过程中的粉尘防治问题。
综掘工作面粉尘浓度的测定操作步骤如下:①关闭综掘工作面所有的防尘设备,测定现场各工序的原始粉尘浓度,并以此结果作为计算除尘系统降尘率的基础;②开启喷雾降尘系统,测定现场各工序的粉尘浓度,并计算降尘效率。
华晋吉宁煤业在工作面现场对1#、2#、3#、4#、5#、6#测点(各测点相距离9 m,测点高度2.5 m,其中6#测点距掘进头45m)分别进行粉尘浓度测量,测量结果均为3次测量的平均值。未采取防尘措施时工作面现场各测点粉尘浓度数据见表3,采取喷雾降尘措施后工作面现场各测点粉尘浓度数据见表4。
表 3 未采取防尘措施时工作面现场各测点粉尘浓度数据Table 3. Dust concentration data of each measuring point in working face without dustproof measures测点 粉尘浓度/(mg·m−3) 全尘 呼尘 1# 1306.20 443.71 2# 1 121.73 369.56 3# 1 049.62 343.37 4# 1 093.79 375.54 5# 588.23 204.61 6# 467.31 148.69 表 4 采取喷雾降尘措施后工作面现场各测点粉尘浓度数据Table 4. Dust concentration data of each measuring point on working face after adopting spray dust-reduction measures测点 粉尘浓度/(mg·m-3) 全尘 呼尘 1# 81.23 80.26 2# 77.54 78.73 3# 78.26 77.85 4# 96.37 95.87 5# 82.59 82.36 6# 97.22 96.64 由表3和表4可知:对吉宁煤业某综掘工作面在未采取任何防尘措施时,掘进头处的粉尘浓度最高,该处全尘和呼尘浓度的平均值分别高达1 306.2 mg/m3和443.71 mg/m3,综掘工作面其余测点的粉尘浓度也较高,粉尘浓度最低的测点6#处(距掘进头处45 m左右),全尘和呼尘浓度的平均值也分别高达467.31 mg/m3和148.69 mg/m3;开启喷雾降尘系统后,工作面现场各测点的粉尘浓度相对于未采取任何防尘措施时均大大降低,喷雾后各测点全尘和呼尘的平均沉降率分别达到89.29%和67.86%,说明喷雾设备对巷道中漂浮粉尘捕捉沉降作用非常明显。
4. 结 语
分析了表面活性剂快渗T溶液浓度为0.07%时,不同气压和水压组合下,超声雾化喷雾粒径参数的变化情况。采用直观分析的方法分析了雾滴粒径与气压和水压的关系,得出各项参数变化规律。
1)粒径参数D10、D50、D90、VAD、SMD、NAD随着气压的增加而减小,减小幅度受到水压影响;随着水压的增加而增大,增大幅度也会受到气压影响,气压对雾滴粒径变化的影响程度大于水压,Δs随压力的改变无明显变化规律。
2)当压力改变时,粒径参数D10和NAD的变化趋势呈现高度一致,D50、VAD、SMD粒径增加量呈现高度一致,总体上D90变化幅度最大,D10变化幅度最小。
3)0.07%表面活性剂浓度时,随着气压的增加,当水压从0.1 MPa提高到0.6 MPa时,各粒径参数的增加量整体变化相同,且呈现出先增大再减小的趋势;随着水压的增加,各粒径参数的减少量变化趋势一致并呈现增大趋势,各粒径参数的减少量排序为D10< NAD < SMD<D50< VAD<D90。喷雾系统在工程应用时降尘效果显著,对巷道中漂浮粉尘捕捉沉降作用非常明显。
-
表 1 主要数据的更新频率与数据增量估算
Table 1 Main data update frequency and data increment estimation
数据类别 数据操作/(万次·min−1) 每天增量/万条 添加 修改 删除 合计 全量轨迹 0.81 — — 0.81 1 152.00 人员实时状态 <0.01 3.24 <0.01 3.24 — 出入井(区域) <0.01 0.02 <0.01 0.02 0.32 人员实时快照 0.32 — — 0.32 466.00 入井考勤 <0.01 <0.01 <0.01 <0.01 0.08 检卡记录 <0.01 — — <0.01 0.16 设备实时状态 — 2.40 — 2.40 — 标识卡状态 — 0.81 — 0.81 — 合计 1.23 6.47 <0.01 7.70 1 618.56 注:“<0.01”表示该操作涉及极少,可忽略不计,故在合计中未计算此类数据;人员、设备等数据因数据量小或与用户操作有关,其数据操作极低,此表未作详述。 表 2 主要数据存储所需磁盘大小估算
Table 2 Estimated disk size required for primary data storage
数据类别 单条/Byte 增量/(MB·d−1) 存储时长/月 总量/GB 全量轨迹 62 681.152 3 59.867 关键轨迹 62 20.435 24 14.368 出入井(区域) 38 0.089 24 0.062 人员实时快照 93 413.800 3 36.369 入井考勤 29 0.022 24 0.016 检卡图片 2 097 152 3 200.000 3 281.250 检卡记录 65 0.099 24 0.070 合计 — 4 315.597 — 392.002 表 3 基于数据交换服务的主要数据查询响应时长
Table 3 Main data query response time based on data exchange service
查询内容 返回数量/行 平均响应/ms 无写入 有写入 井下实时人员状态查询 280 342 356 设备实时状态查询 400 315 334 一次入井关键轨迹 432 246 313 一次入井全量轨迹(MySQL) 14 400 289 341 一次入井全量轨迹(File) 14 400 2 567 2 693 注:测试环境为Windows11/Intel Core i7标压/内存16 GB/SSD硬盘;“平均响应”为10次测试的平均值;“有/无写入”指查询时是否进行了采集服务写入数据模拟。 -
[1] 孙继平. 煤矿井下安全避险“六大系统”的作用和配置方案[J]. 工矿自动化,2010,36(11):1−4. SUN Jiping. Effect and configuration of “six systems” for safe act of rescue of coal mine underground[J]. Industry and Mine Automation, 2010, 36(11): 1−4.
[2] AQ 6210—2007煤矿井下作业人员管理系统通用技术条件[S]. [3] AQ 1048—2007煤矿井下作业人员管理系统使用与管理规范[S]. [4] 郭海军,郭江涛. 2.4 GHz射频技术在煤矿人员定位系统中的应用[J]. 矿业安全与环保,2007,34(6):37−38. doi: 10.3969/j.issn.1008-4495.2007.06.014 GUO Haijun, GUO Jiangtao. Application of 2.4 GHz radio-frequency technique in coal mine person locating system[J]. Mining Safety & Environmental Protection, 2007, 34(6): 37−38. doi: 10.3969/j.issn.1008-4495.2007.06.014
[5] 张帅. 基于无线网络技术的煤矿井下人员定位系统研究[J]. 矿业装备,2021(4):4−5. doi: 10.3969/j.issn.2095-1418.2021.04.001 ZHANG Shuai. Research on personnel positioning system in coal mine based on wireless network technology[J]. Mining Equipment, 2021(4): 4−5. doi: 10.3969/j.issn.2095-1418.2021.04.001
[6] 郭瑜. 基于智能手机和ZigBee技术的煤矿人员定位研究[J]. 煤炭技术,2023,42(11):237−240. GUO Yu. Research on coal mine personnel location based on smartphone and ZigBee technology[J]. Coal Technology, 2023, 42(11): 237−240.
[7] 李锋. 煤矿井下精确定位技术现状及应用[J]. 工矿自动化,2023,49(S1):44−46. LI Feng. Present situation and application of underground precise positioning technology[J]. Journal of Mine Automation, 2023, 49(S1): 44−46.
[8] 陈伟. 基于UWB技术的煤矿精确定位系统[J]. 煤矿机械,2023,44(5):177−180. CHEN Wei. Coal mine precise positioning system based on UWB technology[J]. Coal Mine Machinery, 2023, 44(5): 177−180.
[9] 王飞. 基于UWB技术的矿井精确定位系统[J]. 煤矿安全,2021,52(7):99−102. WANG Fei. Accurate positioning system for mine based on UWB technology[J]. Safety in Coal Mines, 2021, 52(7): 99−102.
[10] 石发强. 基于WiFi技术的煤矿井下通讯系统的设计[J]. 矿业安全与环保,2013,40(4):50−52. doi: 10.3969/j.issn.1008-4495.2013.04.014 SHI Faqiang. Design of coal mine communication system based on WiFi technology[J]. Mining Safety & Environmental Protection, 2013, 40(4): 50−52. doi: 10.3969/j.issn.1008-4495.2013.04.014
[11] 李明锋,李䶮,刘用,等. 基于5G+UWB和惯导技术的井下人员定位系统[J]. 工矿自动化,2024,50(1):25−34. LI Mingfeng, LI Yan, LIU Yong, et al. Underground personnel positioning system based on 5G+UWB and inertial navigation technology[J]. Journal of Mine Automation, 2024, 50(1): 25−34.
[12] AQ 1119—2023煤矿井下人员定位系统通用技术[S]. [13] 朱巍,李许伟. 新安煤矿人员定位系统升级改造的研究与应用[J]. 煤炭科技,2024,45(1):91−96. ZHU Wei, LI Xuwei. Research and application of upgrading and renovation of personnel positioning system in Xin’an Coal Mine[J]. Coal Science & Technology Magazine, 2024, 45(1): 91−96.
[14] 陈超凡,李连林,张仕伟. 平煤神马集团矿井人员定位系统联网设计[J]. 煤矿安全,2013,44(8):112−114. CHEN Chaofan, LI Lianlin, ZHANG Shiwei. Design of mine personnel positioning system networking in Pingmei Shenma group[J]. Safety in Coal Mines, 2013, 44(8): 112−114.
[15] 朱思君. 基于UWB技术的精确人员定位系统在姚桥煤矿的研究应用[J]. 能源技术与管理,2023,48(5):159−161. doi: 10.3969/j.issn.1672-9943.2023.05.050 ZHU Sijun. Research and application of accurate personnel positioning system based on UWB technology in Yaoqiao coal mine[J]. Energy Technology and Management, 2023, 48(5): 159−161. doi: 10.3969/j.issn.1672-9943.2023.05.050
[16] 焦宇,李民,王欢,等. 基于MySQL性能调优的推荐系统优化设计[J]. 软件导刊,2022,21(9):108−112. doi: 10.11907/rjdk.212172 JIAO Yu, LI Min, WANG Huan, et al. Optimization design of recommendation system based on MySQL performance tuning[J]. Software Guide, 2022, 21(9): 108−112. doi: 10.11907/rjdk.212172
[17] 熊群毓. 大数据时代MySQL数据库的应用分析[J]. 信息与电脑(理论版),2023,35(14):209−212. XIONG Qunyu. Application analysis of MySQL database in the era of big data[J]. Information & Computer, 2023, 35(14): 209−212.
[18] 李庆宇,王松波,林伟伟. 面向时序大数据的数据库性能研究[J]. 广州大学学报(自然科学版),2021,20(3):69−79. LI Qingyu, WANG Songbo, LIN Weiwei. Research on database performance for time series big data[J]. Journal of Guangzhou University (Natural Science Edition), 2021, 20(3): 69−79.
[19] 马汝超,赵亮. 煤矿安全监控系统数据加密技术[J]. 工矿自动化,2017,43(2):15−18. MA Ruchao, ZHAO Liang. Data encryption technology for coal mine safety monitoring and control system[J]. Industry and Mine Automation, 2017, 43(2): 15−18.
[20] 张翼,于林,卢向明. 煤矿安全监控系统数据加密存储方案设计[J]. 煤矿安全,2023,54(10):196−200. ZHANG Yi, YU Lin, LU Xiangming. Design of data encryption storage scheme for coal mine safety monitoring system[J]. Safety in Coal Mines, 2023, 54(10): 196−200.
[21] 朱光磊. 基于云计算的虚拟存储系统方案及安全研究[J]. 电脑知识与技术,2017,13(5):236−238. ZHU Guanglei. Research on the scheme and security of virtual storage system based on cloud computing[J]. Computer Knowledge and Technology, 2017, 13(5): 236−238.