一种瓦斯巡检任务派发与考核方法与流程

本发明涉及煤矿安全信息化，具体为一种瓦斯巡检任务派发与考核方法。

背景技术：

1、煤矿瓦斯巡检是保障矿井安全生产的关键环节，瓦斯巡检任务的合理派发与瓦检员工作质量的科学考核，对于防止瓦斯事故、保障矿工生命安全具有至关重要的意义。

2、目前，瓦斯巡检任务派发与人员考核普遍存在以下技术缺陷：

3、1.任务派发依赖静态计划，缺乏动态风险响应能力。现有巡检计划基于固定的时间表和路线图制定，主要依据地质结构分布数据和瓦斯实时浓度数据进行空间拓扑模拟分析，无法根据井下瓦斯浓度的实时变化、环境风险的动态演化进行自适应调整，当井下某一区域瓦斯浓度异常升高或采掘进度发生变化时，现有系统无法及时增派或调整巡检任务，导致高风险区域巡检频次不足。

4、2.任务派发与人员考核相互独立，缺乏技术层面的双向联动机制，现有系统中，任务派发模块仅依据静态巡检计划或风险数据进行任务分配，考核模块仅在月末或季末对历史执行数据进行统计评分，两者之间不存在实时的数据交互与反馈闭环，考核结果无法即时影响后续任务的派发策略，派发策略也无法根据人员表现进行动态调整，导致“派发、执行、考核和优化”的闭环链路断裂。

5、3.考核指标的时效性不足，缺乏动态调整能力和实时预警机制，现有考核多采用固定指标体系，无法根据任务难度、风险等级、突发状况等因素动态调整考核权重，且均为事后评价，无法在任务执行过程中根据瓦检员的实时表现进行动态评分和预警，无法对可能出现的假检、漏检等行为进行提前干预和纠正。

6、为此，提出一种瓦斯巡检任务派发与考核方法。

技术实现思路

1、本发明的目的在于提供一种瓦斯巡检任务派发与考核方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种瓦斯巡检任务派发与考核方法，包括以下步骤：

3、s1：通过布设于井下各巡检点的矿用多参数瓦斯传感器、部署于井下的uwb定位基站、搭载于瓦检员的矿用本安型智能终端以及部署于巷道的防爆巡检机器人，实时采集煤矿井下的多源异构数据，并通过矿井工业以太环网或5g专网将采集的数据实时传输至地面数据中心；

4、s2：对所述多源异构数据进行预处理、特征提取与多源数据时空融合；

5、s3：将步骤s2输出的融合特征数据输入改进的lstm瓦斯浓度预测模型，预测未来多个时间步长内各巡检区域的瓦斯浓度分布及风险等级；所述改进的lstm瓦斯浓度预测模型采用双层lstm结合注意力机制的架构；

6、s4：根据瓦检员的历史考核记录、技能等级认证、执行效率统计与违规记录，构建包含多个维度的动态人员能力向量，并实时更新所述能力向量的各维度数值；

7、s5：根据步骤s3输出的各巡检任务的需求特征向量与步骤s4输出的各瓦检员的能力向量，计算各瓦检员与各巡检任务之间的匹配度矩阵；

8、s6：根据步骤s5输出的匹配度矩阵、步骤s3输出的风险预测结果以及各瓦检员的实时uwb定位位置与工作状态，构建包含考核反馈项的多目标优化函数并求解，生成最优的任务分配方案与巡检路径规划方案；

9、s7：将步骤s6生成的任务分配方案通过井下5g专网下发至对应的矿用本安型智能终端或巡检机器人，并实时回收执行过程中的uwb定位数据、时间数据与检测数据；

10、s8：根据步骤s7回收的执行数据，结合任务的风险等级与难度系数，采用动态权重算法实时计算各瓦检员的当次任务考核得分，并更新步骤s4中所述人员能力向量中的对应维度数据；

11、s9：在任务执行过程中，根据步骤s8的实时评分结果与瓦检员的历史能力基线进行对比，当实时评分偏离历史基线超过预设阈值时，生成考核预警信号并反馈至步骤s6，触发后续任务的派发策略调整。

12、优选的，所述步骤s1中所述多源异构数据包括：静态基础数据、动态环境数据和巡检资源数据；

13、所述静态基础数据包括：煤矿矿井地质结构分布数据、巷道拓扑结构数据——包含空间坐标、连通关系、巷道长度及坡度信息、以及固定传感器与巡检点位的空间布局数据；

14、所述动态环境数据包括：各监测点的瓦斯浓度实时数据——包含ch4浓度与co浓度、风速、风向、温度、气压等通风参数、采掘机械位姿时序数据、以及微震监测事件序列；

15、所述巡检资源数据包括：通过uwb定位系统实时获取的瓦检员的实时位置信息、瓦检员的技能等级信息、瓦检员的历史考核评分信息、瓦检员的当前工作状态信息、巡检机器人的实时位置信息、巡检机器人的剩余电量信息、巡检机器人的设备状态信息及可用性信息。

16、优选的，所述步骤s2中所述预处理包括：剔除传感器故障产生的异常跳变值、采用线性插值或knn插补法对缺失值进行插补、将不同采样频率的数据统一重采样至相同时间粒度以实现多源数据时空对齐；

17、所述特征提取包括构造以下增强特征：瓦斯浓度变化率为一阶差分、瓦斯浓度加速度为二阶差分、瓦斯浓度时空梯度为相邻监测点间的浓度差异值、历史同时段瓦斯浓度统计特征包含均值、方差与峰值、通风参数与瓦斯浓度的交叉特征以及采掘进度与瓦斯涌出的关联特征。

18、优选的，所述步骤s3中所述改进的lstm瓦斯浓度预测模型具体包括：

19、输入层，用于接收过去个时间步的多维特征向量——所述多维特征向量包含瓦斯浓度时序数据、通风参数时序数据与采掘参数时序数据；

20、第一层lstm，包含64至128个隐藏单元，用于提取所述多维特征向量在时间维度上的短期依赖特征；

21、第二层lstm，包含32至64个隐藏单元，用于提取所述多维特征向量在时间维度上的长期依赖特征；

22、注意力层，用于对所述第二层lstm各时间步的输出赋予不同的注意力权重，以强化关键时间点的特征表达；

23、全连接输出层，用于输出未来k个时间步各巡检点的预测瓦斯浓度值。

24、优选的，所述步骤s3中所述风险等级的划分方式为：

25、对于预测浓度的巡检点，划分为ⅰ级低风险区域，维持常规巡检频次。

26、对于预测浓度的巡检点，划分为ⅱ级中风险区域，巡检频次加密至2倍频次。

27、对于预测浓度的巡检点，划分为ⅲ级高风险区域，巡检频次加密至3倍频次。

28、对于预测浓度的巡检点，划分为ⅳ级危险区域，触发立即响应机制,并同时启动持续监测

29、其中，c为预测瓦斯浓度百分比，所述阈值根据矿井安全规程动态调整。

30、优选的，所述步骤s4中所述动态人员能力向量包括以下维度：

31、能力等级维度，根据瓦检员通过的国家职业技能鉴定等级确定，取值1至5的整数；

32、历史绩效维度，根据过去n次任务的考核得分的加权移动平均值计算，公式为：

33、；

34、其中，为第次任务的权重系数，为第次任务的考核得分；

35、执行效率维度，根据瓦检员历史任务的平均完成时间与标准完成时间的比值计算，公式为：

36、；

37、风险处置能力维度，根据瓦检员历史任务中成功识别并处置的高风险隐患数量与总高风险任务数量的比值计算，公式为：

38、；

39、诚信合规维度，根据瓦检员历史任务中未发生假检、漏检、数据篡改等违规行为的任务次数与总任务次数的比值计算，公式为：

40、；

41、步骤s5中所述匹配度矩阵按以下方式计算：对于第个巡检任务与第个瓦检员，匹配度的计算公式为：

42、；

43、其中：为第个任务的需求能力特征向量；为第个瓦检员的能力向量；为向量相似度计算函数；为第个任务的位置特征向量；为第个瓦检员的历史服务区域偏好向量；为第个瓦检员当前位置与第个任务位置的邻近度评分；为第个瓦检员当前剩余工作负荷与第个任务所需工作负荷的匹配度评分。

44、优选的，所述步骤s6中所述多目标优化函数为：

45、；

46、其中，所有带右上标的变量均为经归一化处理后的无量纲值，归一化公式为：

47、；

48、分别映射至区间；

49、其中，为归一化系统响应时间；为响应时间的非线性映射函数，为归一化巡检路径总长度；为归一化系统整体能耗；为归一化高风险区域覆盖率并采用形式引入以体现边际递减效应；为归一化任务执行成功率预测值，为归一化任务中的人员匹配度；为二元决策变量，取1表示第个巡检任务分配给第个瓦检员、取0表示不分配；为第个瓦检员的考核激励/惩罚项，为有符号实数值；至为各目标项的权重系数并满足；

50、所述考核激励/惩罚项按以下方式计算：

51、；

52、其中，为第个瓦检员当前班次的实时累计考核得分，为第个瓦检员的历史能力基线值；和分别为激励系数与惩罚系数。

53、优选的，所述步骤s6中所述多目标优化函数的约束条件包括：

54、任务技能匹配约束：对于第个任务，其所分配的瓦检员的能力等级必须不低于该任务的最低技能等级要求；

55、任务-人员匹配度下限约束：对于第个任务，其所分配的瓦检员与该任务的匹配度必须不低于预设的最低匹配度阈值；

56、考核状态约束：若某瓦检员当前处于考核预警状态，则系统在预设的冷却时间内不向其派发ⅲ级及以上风险区域的巡检任务；

57、工作负荷约束：任一瓦检员单次连续工作时间不得超过规定上限；

58、时间窗口约束：每个巡检点必须在规定的时间窗口内完成检查；

59、设备状态约束：巡检机器人电量低于阈值时不得派发新任务；

60、步骤s6中所述多目标优化函数采用基于改进的nsga-ⅱ多目标遗传算法进行求解，或在系统运行稳定后切换为基于多智能体强化学习的在线决策算法。

61、优选的，所述步骤s8中所述动态权重算法计算当次任务考核得分的公式为：

62、；

63、其中，为各考核维度的得分；为各考核维度的动态权重；所述动态权重根据任务的风险等级和难度系数自动调整；

64、对于ⅲ级与ⅳ级风险区域的高风险任务，任务执行真实性维度的权重自动上浮至，工作质量维度的权重自动上浮至；

65、对于系统触发的特急巡检任务，任务响应与执行效率维度的权重自动上浮至；

66、对于同时派发人工与机器人的复核任务，数据一致性维度的权重自动上浮至。

67、步骤s9中所述考核预警信号按以下方式生成：设瓦检员在第次任务中的实时考核得分为，其历史能力基线值为，历史能力基线的标准差为；

68、当时，生成初级考核预警信号；

69、当时，生成中级考核预警信号，并在预设的2小时冷却时间内不向该瓦检员派发ⅲ级及以上风险区域的巡检任务；

70、当时，生成高级考核预警信号，在预设的24小时冷却时间内不向该瓦检员派发任何巡检任务，并自动生成人员替换方案。

71、优选的，所述步骤s6中所述派发策略根据系统全局状态自动切换：

72、在初始状态下采用成绩优先派发策略，即优先将任务分配给人员能力画像综合评分最高的瓦检员；

73、当检测到某一区域存在固定周期性风险，即同一区域在相同时段反复出现瓦斯浓度升高的规律时，切换为专长匹配派发策略，即优先将所述区域的任务派发给在该区域具有最高风险处置能力维度评分的瓦检员；

74、当检测到全局任务积压，即待执行任务数量超过在岗瓦检员数量与机器人数量之和的1.5倍时，切换为“效率优先”派发策略——即优先将任务分配给执行效率维度评分最高的瓦检员和巡检机器人；

75、步骤s7中所述任务分配方案通过以下方式下发至执行终端：对于瓦检员，通过矿用本安型智能终端以图文方式接收任务指令；对于巡检机器人，通过井下无线网络以数据指令方式接收任务指令；所述任务指令包含巡检点列表、最优路径、规定时间窗口、重点检查项目与风险提示信息；在执行过程中，通过比对执行终端的uwb实时位置与计划路线进行位置校验，任何偏离自动记录；瓦检员到达巡检点后通过nfc刷卡或二维码扫码完成到点确认；瓦斯浓度数据通过智能瓦检仪自动采集并上传；发现隐患时通过移动端app即时上报，自动生成整改任务并推送至责任人。

76、与现有技术相比，本发明的有益效果是：

77、1.本发明针对现有技术中任务派发依赖静态计划、无法根据井下瓦斯浓度实时变化和环境风险动态演化进行自适应调整的技术缺陷，本发明通过多源传感器融合感知与深度学习预测模型，实现了瓦斯浓度的超前预测，能够根据预测结果动态生成和调整巡检任务，使高风险区域能够及时获得足额的巡检资源，从根本上解决了静态计划模式下高风险区域巡检频次不足的技术问题，显著提升了瓦斯风险防控的时效性和精准性。

78、2.本发明针对现有技术中任务派发模块与考核模块相互独立、不存在实时数据交互与反馈闭环的技术缺陷，本发明通过动态人员能力画像和考核联动多目标优化，使每次任务的执行结果通过考核评分即时反馈至人员能力模型，能力模型直接参与后续任务派发的优化决策，形成了考核引导派发、派发驱动考核的紧密闭环耦合机制，从根本上解决了考核结果无法即时影响派发策略、派发策略无法根据人员表现动态调整的技术问题，实现了人力资源管理从静态评价到动态优化的技术升级。

79、3.本发明针对现有技术中考核指标缺乏动态调整能力和实时预警机制、无法在任务执行过程中对假检漏检等行为进行提前干预的技术缺陷，本发明通过动态权重算法根据任务风险等级自动调整考核权重，并在任务执行过程中进行实时评分和分级预警，将考核节点从事后前移至事中，使违规行为能够在发生过程中被及时发现和纠正，显著提升了考核的时效性和约束力，有效保障了巡检数据的真实性和可靠性，推动了煤矿瓦斯巡检管理从静态考核向动态智能管控的技术进步。