一种矸石堆自燃防控智能灌溉控制方法及其系统与流程

本技术涉及矿山环境治理与生态修复，尤其涉及一种矸石堆自燃防控智能灌溉控制方法及其系统。

背景技术：

1、煤炭开采过程中产生的大量矸石常堆积形成矸石堆。由于矸石中往往残留有可燃成分，在有氧和水分参与的条件下，极易发生氧化放热反应并引发自燃。在矸石堆的自然演化及生态修复过程中，水分的含量至关重要：适宜的湿度能够形成隔离膜阻断氧气并利用水分蒸发带走热量，从而抑制高温反应；然而，水分过多产生的下渗会加速特定矿物的放热反应，而水分过少则会导致孔隙暴露，使氧气深入内部加剧局部积热，进而引发自燃或已有高温区域的复燃。

2、目前，行业内常采用覆土压实与表面植被恢复相结合的方式对矸石堆进行综合治理，并通过人工或定时设备进行定期灌溉，以期维持覆土层的湿润度，保障地表植被存活并兼顾下层矸石的温度控制。

3、然而，现有的常规灌溉养护方式存在明显不足。首先，常规灌溉模式通常为漫灌或按设定时间的固定量喷洒，无法根据矸石堆各区域的地形起伏和实际失水情况进行差异化供水，导致区域间水分分布极不均匀，极易形成局部严重偏旱或局部严重过湿。其次，现有的安全监测往往停留在对表层环境的单一监测，未能对覆土层内部及覆土层下方关键交界处的温湿度变化进行深层次的联动感知，更无法结合外部气象变化趋势进行预判，导致控制策略严重滞后。这种粗放且滞后的作业方式，不仅造成了严重的资源浪费，更致命的是，一旦表层灌溉量过大引发下渗，水分大量侵入深层高温区域，反而会急剧推高复燃风险；若为防止下渗而盲目减少灌水量，又会导致表层极度偏旱，丧失对热量的抑制能力。

4、综上所述，现有的矸石堆养护与自燃防控手段缺乏多维度的数据感知能力，且灌溉作业缺乏科学的动态决策机制，面临着表层干旱积热与深层过湿复燃的双重矛盾，难以实现安全且高效的治理目标。

技术实现思路

1、第一方面，本发明提供一种矸石堆自燃防控智能灌溉控制方法，包括：

2、分别采集矸石堆中覆土层的第一温湿度数据，以及所述覆土层下方矸石层的第二温湿度数据，并获取所述矸石堆所在区域的降雨预测数据；

3、基于所述第一温湿度数据、所述第二温湿度数据以及所述降雨预测数据，利用卡尔曼滤波算法进行状态预测与更新，动态计算并输出当前的湿度修正系数、降雨修正系数和温度修正系数；

4、根据预设的基础灌溉量，结合所述湿度修正系数、所述降雨修正系数和所述温度修正系数，计算得到目标灌溉量；

5、判断所述第二温湿度数据是否满足预设的深层高危条件；所述深层高危条件为：所述第二温湿度数据中的湿度值不小于预设饱和湿度阈值，或温度值不小于预设温度阈值且湿度值满足超渗条件；

6、若是，则无视所述目标灌溉量，生成并输出禁灌指令；

7、若否，则根据所述目标灌溉量生成对应的灌溉作业指令，以控制执行端进行灌溉。

8、在可选的实施方式中，所述目标灌溉量的计算公式为：

9、q=q0×k1×k2×k3；

10、其中，q为所述目标灌溉量；q0为所述预设的基础灌溉量；k1为所述湿度修正系数；k2为所述降雨修正系数；k3为所述温度修正系数。

11、在可选的实施方式中，所述利用卡尔曼滤波算法进行状态预测与更新，动态计算并输出当前的湿度修正系数、降雨修正系数和温度修正系数，包括：

12、构建状态向量，所述状态向量包括湿度、降雨和温度状态变量；

13、根据前一时刻的最优状态估计值及状态转移矩阵，通过状态转移方程进行先验状态估计，并计算误差协方差矩阵的先验估计；

14、获取前一灌溉周期的实测灌溉量作为观测数据；基于所述第一温湿度数据、所述第二温湿度数据以及所述降雨预测数据构建观测矩阵；结合所述观测数据和所述观测矩阵，计算卡尔曼增益；

15、利用所述卡尔曼增益对所述先验状态估计进行更新，获取当前时刻的最优状态估计值，并更新所述误差协方差矩阵；

16、提取所述当前时刻的最优状态估计值中的对应分量，分别作为所述当前的湿度修正系数、降雨修正系数和温度修正系数。

17、在可选的实施方式中，所述结合所述观测数据和所述观测矩阵，计算卡尔曼增益的过程中，采用的观测方程为：

18、zk=h·xk+vk；

19、其中，zk为所述观测数据，即实测灌溉量；xk为状态向量，vk为观测噪声；h为所述观测矩阵，其表达式为：h=[q0·rhk,q0·rk,q0·tk]；其中，q0为预设的基础灌溉量；rhk为基于所述第一温湿度数据和所述第二温湿度数据提取的k时刻的平均湿度；rk为k时刻的降雨量；tk为基于所述第一温湿度数据和所述第二温湿度数据提取的k时刻的最高温度。

20、在可选的实施方式中，所述利用卡尔曼滤波算法进行状态预测与更新的具体迭代流程如下：

21、状态预测方程：xk|k-1=φxk-1；

22、协方差预测方程：pk|k-1=φpk-1φt+qw；

23、卡尔曼增益计算方程：kk=pk|k-1ht(hpk|k-1ht+rv)-1；

24、状态更新方程：xk=xk|k-1+kk(zk-hxk|k-1)；

25、协方差更新方程：pk=(i-kkh)pk|k-1；

26、其中，φ为状态转移矩阵；xk-1为上一时刻的状态向量；xk|k-1为先验状态估计值；pk-1为上一时刻的误差协方差矩阵；pk|k-1为先验误差协方差估计；qw为过程噪声协方差矩阵；rv为观测噪声协方差矩阵；kk为卡尔曼增益；i为单位矩阵；xk为当前时刻的最优状态估计值，其包含的分量即为所述当前的湿度修正系数、降雨修正系数和温度修正系数。

27、在可选的实施方式中，所述利用卡尔曼滤波算法进行状态预测与更新的过程中，还包括对过程噪声协方差矩阵的自适应调整步骤：

28、获取连续预设次数灌溉后的当前区域的最大湿度差；

29、若所述最大湿度差大于预设的湿度差上限阈值，则放大所述过程噪声协方差矩阵中的过程噪声，以增强修正系数的调整幅度；

30、若所述最大湿度差不大于所述预设的湿度差上限阈值，则缩小所述过程噪声协方差矩阵中的过程噪声，以稳定修正系数。

31、在可选的实施方式中，基于所述第一温湿度数据、所述第二温湿度数据以及所述降雨预测数据的耦合分析结果，将矸石堆的当前状态划分为预设的五个风险等级；其中，所述五个风险等级中的最高风险等级的触发条件，即为所述预设的深层高危条件；

32、相应的，所述根据所述目标灌溉量生成对应的灌溉作业指令，包括：

33、获取当前状态所属的非最高风险等级，并根据该非最高风险等级对应的灌溉策略，结合所述目标灌溉量，生成所述对应的灌溉作业指令。

34、在可选的实施方式中，所述将矸石堆的当前状态划分为预设的五个风险等级，具体包括：

35、1级极高危风险：当前区域的平均湿度小于40%rh，且温度不小于60℃；

36、2级高危风险：当前区域的平均湿度小于50%rh，且温度不小于40℃，且未达到所述1级极高危风险的条件；

37、3级中危风险：当前区域的平均湿度小于50%rh或温度不小于40℃，且未达到所述1级极高危风险和所述2级高危风险的条件；

38、4级低危风险：当前区域的平均湿度为60%rh至80%rh，且温度为15℃至25℃；

39、5级超渗风险：当前区域的平均湿度大于90%rh；其中，所述5级超渗风险对应所述深层高危条件，用于触发停止灌溉的指令。

40、在可选的实施方式中，所述第一温湿度数据是通过布设于所述覆土层深度方向30%~90%区间内的数据采集节点获取的；和/或，

41、所述第二温湿度数据是通过布设于所述覆土层下方5cm~10cm深度的矸石层区间内的数据采集节点获取的；和/或，

42、所述降雨预测数据的获取方法为：通过气象平台api接口，获取未来24小时~72小时内的降雨量预测信息，作为所述降雨预测数据。

43、在可选的实施方式中，所述执行端为包括步进电机的智能喷头；

44、所述根据所述目标灌溉量生成对应的灌溉作业指令，以控制执行端进行灌溉，包括：

45、根据所述第一温湿度数据和所述第二温湿度数据的空间分布差异，生成对应的电机驱动指令发送至所述步进电机，以控制所述智能喷头的偏转角位移，并在全域均匀喷洒模式和定点强化喷洒模式之间进行切换。

46、在可选的实施方式中，所述根据所述第一温湿度数据和所述第二温湿度数据的空间分布差异，生成对应的电机驱动指令发送至所述步进电机，以控制所述智能喷头的偏转角位移，并在全域均匀喷洒模式和定点强化喷洒模式之间进行切换，包括：

47、计算当前区域内的最大湿度差；

48、当所述最大湿度差不小于预设的湿度差切换阈值时，生成偏转角位移指令并发送至所述步进电机，以切换至针对低湿度点位的定点强化喷洒模式；

49、当所述最大湿度差小于所述预设的湿度差切换阈值时，切换至全域均匀喷洒模式。

50、在可选的实施方式中，所述灌溉作业指令还包括反冲洗指令；

51、所述矸石堆自燃防控智能灌溉控制方法还包括：在满足预设清洗条件时，向所述执行端下发所述反冲洗指令，以控制所述智能喷头执行自动反冲洗防堵塞操作。

52、在可选的实施方式中，在所述基于所述第一温湿度数据、所述第二温湿度数据以及所述降雨预测数据，利用卡尔曼滤波算法进行状态预测与更新之前，所述方法还包括：

53、利用孤立森林算法对采集到的所述第一温湿度数据和所述第二温湿度数据进行异常值剔除；

54、计算剔除异常值后的温湿度数据，提取出当前区域的平均湿度、最大湿度差和最高温度，作为状态预测与更新的输入数据。

55、在可选的实施方式中，所述方法还包括基于环境强蒸发的次级禁灌判定逻辑：

56、获取所述矸石堆所在区域的风速数据；

57、当所述第一温湿度数据中的温度值大于预设的强蒸发温度阈值，且所述风速数据大于预设的强风阈值时，无论是否满足所述深层高危条件，均强制禁止启动灌溉指令，直至环境参数回落至适宜灌溉区间。

58、在可选的实施方式中，在控制执行端进行灌溉的过程中，所述方法还包括：

59、以预设频率持续采集环境的温湿度数据；

60、在基于持续采集的温湿度数据提取的当前区域的平均湿度上升至预设的安全湿度区间，且当前区域的最大湿度差不大于预设的均匀度达标阈值时，生成停止灌溉指令。

61、第二方面，本发明提供一种矸石堆自燃防控智能灌溉控制系统，包括：

62、感知获取模块，用于分别采集矸石堆中覆土层的第一温湿度数据，以及所述覆土层下方矸石层的第二温湿度数据，并获取所述矸石堆所在区域的降雨预测数据；

63、算法控制模块，用于基于所述第一温湿度数据、所述第二温湿度数据以及所述降雨预测数据，利用卡尔曼滤波算法进行状态预测与更新，动态计算并输出当前的湿度修正系数、降雨修正系数和温度修正系数；

64、所述算法控制模块，还用于根据预设的基础灌溉量，结合所述湿度修正系数、所述降雨修正系数和所述温度修正系数，计算得到目标灌溉量；

65、决策执行模块，用于判断所述第二温湿度数据是否满足预设的深层高危条件；所述深层高危条件为：所述第二温湿度数据中的湿度值不小于预设饱和湿度阈值，或温度值不小于预设温度阈值且湿度值满足超渗条件；

66、若是，则无视所述目标灌溉量，生成并输出禁灌指令；

67、若否，则根据所述目标灌溉量生成对应的灌溉作业指令，以控制执行端进行灌溉。

68、第三方面，本发明提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施前述实施方式中任一项所述的矸石堆自燃防控智能灌溉控制方法。

69、第四方面，本发明提供一种计算机存储介质，其存储有计算机程序，所述计算机程序在处理器上执行时，实施根据前述实施方式中任一项所述的矸石堆自燃防控智能灌溉控制方法。

70、本技术实施例通过分别采集覆土层与深层矸石层的温湿度数据并融合降雨预测，构建了多维立体的环境感知机制，有效克服了传统单层表面监测无法洞察内部隐患的缺陷。在此基础上，利用卡尔曼滤波算法对多源数据进行状态预测与更新，动态计算各项修正系数，实现了对复杂环境干扰的过滤与灌溉参数的自适应整定。这一过程精准计算出匹配当前真实物理需求的灌溉量，从根本上解决了常规灌溉因缺乏动态适配能力而导致的局部偏旱、水资源浪费以及环境响应滞后的问题。

71、进一步地，引入深层高危条件判定机制，针对矸石层高温或高湿（超渗）的极端危险状态，建立了一票否决式的禁灌控制逻辑。这一机制敏锐且精准地切断了水分在超渗状态下作为“助燃剂”加剧底层特定矿物氧化放热的物理链条，彻底杜绝了因盲目漫灌引发深层积热复燃的致命风险。

72、整体而言，上述控制逻辑不仅保障了表层覆土维持适宜且均匀的湿度，大幅提升了植被的存活率与生态恢复质量，同时严密防范了深层固体废弃物的自燃隐患，实现了地表绿化养护与底层安全阻燃的科学、高效统一。