(3) 改进传感器频率输出信号电路 改变传感器的频率信号输出方式，可防止传感器的输出信号在传输的过程中产生伪数据。煤炭行业的传感器的频率输出通常采用脉冲恒流型或脉冲恒压型输出电路。由于充电和放电回路阻抗不对称和传输线路上的分布电容的影响，将导致频率信号由高电平变为低电平的放电时间过长，而导致低电平被抬高，当受到外界电磁干扰时容易产生冒大数问题。因此，在频率信号传输的过程中，要缩短线路上分布电容的充放电时间，降低频率信号的低电平的幅值。基于上述原因，频率输出电路可以采用差分信号进行传输，其输出信号的高电平的电平为3～5 V左右，而输出的低电平为-3～-5 V左右，这样不会因为分布电容的存在而影响频率信号的高低电平的上升和下降的时间。图1-7为传感器接2 km且直径为0.52 mm的传输电缆的波形，其波形与图2所测波形相比，其频率输出信号的低电平完全符合煤炭行业标准要求，而且即使频率信号低电平被抬高也不会影响传感器的输出信号。传输距离将大幅度延长，信号抗干扰能力也比较强，减少传感器产生伪数据的几率，也能提高传感器的稳定性。 图1-8传感器接2 km且直径为0.52 mm的传输电缆的波形 (4)分站进行软件滤波 电磁干扰，尤其是浪涌干扰，持续时间都比较短。因浪涌干扰产生的冒大数，
- 16 -
检测值瞬时变化的速度远远大于探头正常的反应速度，所以我们可以利用这一特性在分站中设计软件滤波方案，以滤除因浪涌干扰产生的冒大数又不影响传感器正常的快速反应。目前我们采用的方案是：按照瓦斯传感器正常反应时间10s来设计软件滤波器的截止频率。该方案可以滤除相当一部分的因浪涌干扰产生的冒大数，但对脉冲群干扰产生的冒大数有效性稍低。 （5）增大传感器供电芯线的截面积。 4．我矿监控系统其他干扰原因分析及应对措施： 针对我矿监控系统出现的其他干扰现象进行了原因分析，并提出了应对措施。 新系统投入使用后，发现了一个老系统不常出现的问题：一些分站传感器有时出现中断传输3-4秒的情况。出现这种现象的分站电源箱都放置在中央或采区变电所内。经过观察，发现由该变电所供电的大型设备开停，尤其是较大功率的水泵开停时会出现这种现象，进一步分析原因，认为是电源箱受到浪涌干扰后发生输出保护，导致本安电源输出暂停3-4秒。这种干扰过去肯定也是存在的。那为什么这种现象在新系统投入使用后变得突出了呢？这是因为新系统的巡检速度比老系统大大提高。老系统的巡检周期约有十几秒，在两次巡检分站的间隔内分站电源发生本安电源输出暂停3-4秒的事件上位机并不知道。而新系统的巡检周期不超过1秒，这样本安电源输出暂停3-4秒的故障就及时被发现了。 井下实地观察时发现，这些分站电源信号线和动力电缆并行的距离并不远，说明这种浪涌干扰和电缆并行引入的浪涌干扰不同，我们怀疑是电网地引入的干扰。我们在-320变电所经过实地测量，捕捉到了这种干扰。 图1-9为-320变电所18#分站电源箱660V输入电源地（电网地）和大地之间的干扰波形，幅值约为37V。
- 17 -
图1-9 -320变电所分站电源箱外壳到大地干扰 抗这种干扰的首选方案是选用抗浪涌干扰的本安电源。我们12月2日更换了抗干扰电源后，分站受干扰情况明显好转，下表是我矿监控系统18#分站更换抗干扰电源前后各10天内受干扰发生断电3-4秒的记录。说明抗干扰电源的抗干扰能力得到了实际验证。 18#分站电源更换前后故障统计表 - 18 -
针对这种干扰的另一项抗干扰措施是将电源外壳接地和电网地分开（电源外壳单独接地）。11#分站和18#分站同处-320变电所内,原来11#分站用抗干扰电源供电, 18#分站用普通电源供电。使用情况是11#分站受干扰较少, 18#分站受干扰较多(见上表)，2011年12月2日我们将18#分站用抗干扰电源供电，11#分站用普通电源供电的同时，对11#分站用电源采取了将电源外壳和电网地分开的措施，结果，目前为止11#分站也未发生过故障情况。说明采取这一抗干扰措施后分站电源受干扰情况明显好转。 电源外壳接电网地是煤矿安全规程中防止触电事故而要求的。采取电源外壳接地和电网地分开后，电源外壳单独接地时应确保可靠接地并尽量减少接地电阻。
- 19 -
(二)监测点数据异常识别技术 1.研究目标和切入点 监测点数据异常识别技术研究作为监控系统数据可靠性和挖掘技术研究这一课题的一个重要组成部分，其研究目的是将模拟量测量值和测量地点建立联系，并建立模拟量测量值和测量地点所对应的“监测数据正常表现模型”，通过模拟量测量值和测量地点的对应关系是否符合“监测数据正常表现模型”，来发现异常情况并报警,从而建立特定区域瓦斯传感器数据异常的判据，从数据的可信度方面提高监控系统的可靠性。 如何建立瓦斯传感器的异常表现的模型，首先就必须搞清楚正常情况下各传感器表现形式是什么样的，而且对于不同的煤矿是否会有所不同？能不能得到一个可以在大多数矿井进行推广的模型来自动识别传感器数据的异常？为了较好的掌握矿井主要工作面区域（包括综采面和掘进面，下同，不再特别指出）瓦斯传感器的数据表现形式，为数据挖掘和异常识别打好坚实的基础，前期对井下现场瓦斯和一氧化碳传感器数据做了大量的调研工作。 2．现状分析及问题的提出 煤矿安全监控系统对（CH4、CO等）模拟量信号异常的判别方法都是根据传感器的测量值超过或低于一定值（统称为超限）时进行报警。这种报警处理有如下特点： 首先它是假设传感器测量数值都是正确的,系统不会自动判别数据的可信性；第二，都采用超限原理以测量值的大小作为判别依据,只要不超限就认为正常；第三，根据单个测点的数据独立给予警示；第四，报警对象都是环境或监测量的异常，不能发现将传感器人为移位或屏蔽等不按规定使用的情况。对监控系统不同测点的监测数据进行关联性分析，并在此基础上建立测点监测数据的关联模型，是一种提高监控系统监测数据可信性的有效方法。其基本思路是，把过去彼此独立判别的测 - 20 -