煤层气开发数据采集与远程监控系统设计

李自成，刘 庆，王后能，熊 涛

（武汉工程大学 电气信息学院，武汉 430205）

构造煤广泛发育和构造煤煤层气资源丰富是我国煤与煤层气资源的显著特征，随着采煤技术的不断发展，煤层气勘探开发采集监控系统及自动化程度要求越来越高[1-2]。传统的传感器测量，因测量过程中存在噪声干扰的影响，无法满足测量精度要求；传统的工业控制在无精确数学模型基础上难以实现控制要求。

传感器测量中如基于卡尔曼滤波的矿井人员二维精确定位方法和工业控制中如选煤厂煤仓瓦斯监控系统设计，在煤层气开发领域应用较多，而其两者的结合在煤层气开发领域应用较少[3-4]。为拓展传统的传感器测量和工业控制应用领域，需要在传统测量和控制基础上设计开发新型系统来满足实际应用要求。

在构造煤原位煤层气勘探开发系统中，煤层气气体的收集伴随着很多干扰因素，压力和温度是影响煤层气气体解吸过程和收集速率的主要因素。在解吸过程中，温度升高则煤层气解吸率增大，温度降低而煤层气解吸率减小；压力降低，煤层气解吸率增大，压力升高则煤层气解吸率减小；温度升高且压力增大，会加快煤层气气体的流速[5]，使煤层气开采效率低下，安全性、稳定性降低，甚至发生瓦斯爆炸等。因此，有必要对地下构造煤原位煤层气开采过程中的温度和压力进行有效的测量和监控。为提高煤层气气体的开采效率，在此以设计数据采集与远程监控系统为基础，提出了卡尔曼滤波和模糊控制结合算法[6-8]。

1 总体设计方案

煤层气开发数据采集与远程监控系统实时采集温度、压力信号，结合卡尔曼滤波算法和模糊控制算法的优点，通过卡尔曼滤波模型，对地下煤层气开发系统中的温度和压力进行有效的预测，提高数据采集精度；通过模糊控制算法，对地上煤层气气体收集装置阀进行有效的控制，实现煤层气气体的匀速采集，该系统及算法对构造煤原位煤层气高效勘探开发具有实际的意义。

1.1 数据采集设计方案

对数据采集开发环境的选取，结合实际工程经验和数据采集平台的通用性，选取LabVIEW作为数据采集上位机开发平台，选取NI公司的USB-6008数据采集板卡，输出信号为0～10 V的SBWZ-230温度变送器和2088压力变送器来输出温度与压力信号。采用设备层、控制层和管理层3层网络架构，实现对煤层气开采过程中的温度、压力进行数据采集与实时监控。系统设计原理如图1所示。

1.2 勘探开发界面设计方案

为了形象、直观的对煤层气勘探开发数据采集及阀门开度进行实时监控，需要开发界面友好、功能丰富的组态界面。在此选取LabVIEW设计开发组态界面。

图1 系统设计原理Fig.1 System design schematic

LabVIEW开发平台具有程序可视化、有效处理数据、便于二次开发等优点，可实现多物理量高度可视化的实时采集与监控，能较好地满足系统要求。煤层气数据采集与远程监控系统界面，通过LabVIEW开发平台和数据采集卡，可实现温度、压力信号采集及阀门开度实时监控[9]。

1.3 控制设计方案

鉴于地下煤层气解吸和传输时的环境干扰因素，为提高采集的稳定性和数据的精确度，结合实际煤层气开采经验和技术，对煤层气气体收集时温度及压力影响因素进行模型预测，以实现煤层气气体收集装置阀的有效控制。数据采集及控制结构原理如图2所示，其中包括温度传感器、压力传感器、模糊控制器、气体收集装置阀。具体实现过程如下：

步骤1设定地下煤层气气体采集时期望的温度、压力和气体收集时的阀门开度值。

步骤2根据温度传感器和压力传感器检测煤层气气体解吸和采集时的温度和压力。

步骤3鉴于环境因素影响，加上高斯白噪声作为测量干扰，得到温度的实时检测值和压力的实时检测值。

步骤4对地下系统中的温度和压力进行数学建模，建立卡尔曼预测模型，得到煤层气气体检测时的温度预估值和压力预估值。

步骤5建立卡尔曼更新模型，通过卡尔曼增益系数对温度的实时检测值、温度预估值和压力的实时检测值、压力预估值进行可信度分析，得到数据采集时的最优估计温度值和最优估计压力值。

步骤6计算最优估计值和预设期望值的误差，得到温度误差E1和压力误差E2。

图2 数据采集及控制结构原理Fig.2 Data acquisition and control structure schematic

步骤7将温度误差E1和压力误差E2作为模糊控制的两输入，选取模糊子集论域，确定隶属函数，制定模糊控制规则表，设计模糊控制器。根据温度和压力的误差变化范围，调节煤层气气体收集装置阀的开度。

2 软件设计

2.1 卡尔曼滤波算法

在此将卡尔曼滤波应用在地下煤层气开采系统中，结合实际环境分别建立温度与压力的一维数学模型，其数学表达式为

预测模型

更新模型

在更新模型中，ki为卡尔曼增益系数；H为测量系统的参数；Zt为测量方程；R为测量噪声的协方差矩阵。为当前时刻的预估值。Pt为下一时刻的协方差。I为单位矩阵，对于单模型单测量，I＝1。

根据上述模型，在LabVIEW上设计卡尔曼滤波算法。首先，确定和Pt-1的初值，在 LabVIEW 上的初值确定为0，Pt-1的初值确定为0.2。根据迭代过程设计迭代算法，确定卡尔曼增益系数和协方差。加上高斯白噪声模拟煤矿井下实际噪声干扰，根据温度和压力的实时数据采集，分别确定R和Q的实际参数值。温度信号采集过程中取 R＝0.2，Q＝1；压力信号采集过程中取 R＝0.3，Q＝1。

2.2 模糊控制算法

在卡尔曼滤波算法的基础上，通过LabVIEW采集到滤波数据后，分别将采集时温度和压力信号对应的电压值与预期设定的电压值进行误差分析，将误差作为模糊控制器输入。其中，两输入变量的模糊子集均设定为｛负大，负小，零，正小，正大｝，简记｛NB，NS，ZO，PS，PB｝。根据实际的数据采集，可以确定温度误差变化的基本论域为［-3，3］，压力误差变化的基本论域为［-3，4］。在模糊推理过程中，选取三角函数来构建隶属函数图，建立对应模糊控制规则表，具体见表1。利用LabVIEW上的模糊控制模块构筑模糊推理系统，设计模糊控制器。

表1 模糊规则Tab.1 Fuzzy rule

3 监控系统实现及实验室模拟验证

建立卡尔曼滤波算法和模糊控制器后，在LabVIEW上进行仿真验证。

在该系统中，设定：煤层气开采温度为10℃，对应温度变送器输出电压为3 V；开采压力为24 MPa，对应压力变送器输出信号为4 V。温度、压力采集及滤波波形如图3所示。仿真结果表明，通过数据采集程序和卡尔曼滤波算法设计，实现了温度、压力的数据采集及卡尔曼滤波算法的应用。

图3 温度、压力采集及滤波波形Fig.3 Temperature and pressure acquisition and filtering waveform

温度、压力的最优估计值和预定期望值的误差分析波形如图4所示。通过卡尔曼滤波算法得到滤波波形图，与预定期望值作误差分析，得到信号采集误差分析波形图，确定模糊控制算法输入论域范围。

图4 温度、压力的最优估计值与预定期望值的误差分析波形Fig.4 Error analysis waveform of optimal estimation of temperature and pressure and predicted expectation

阀门开度曲线如图5所示。确定模糊控制输入论域范围，设计模糊控制规则、模糊推理系统及模糊控制调用程序。由图可见，温度和压力发生变化时，煤层气气体收集装置阀开度同时发生变化。结果表明，该系统中模糊控制器的设计及应用，对煤层气气体收集装置阀有较好的控制效果。

图5 阀门开度曲线Fig.5 Valve opening curve

煤层气数据采集与远程监控系统界面如图6所示。该界面显示了功能区、数据监控区及模糊控制算法区，实现温度与压力信号采集及阀门开度实时监控。

图6 煤层气数据采集与远程监控系统界面Fig.6 Data acquisition and remote monitoring system interface for coalbed methane

程序设计框图如图7所示。图中分别设计了温度、压力数据采集程序、卡尔曼滤波算法程序及模糊控制算法程序。

4 结语

基于构造煤原位煤层气水平井洞穴卸压开发模拟试验系统，构建数据采集与监控系统平台，对煤层气开发过程中的影响因素如温度、压力信号进行实时采集与在线监控。在数据采集与远程监控系统的基础上，为提高煤层气气体实时采集和匀速收集效率，提出了卡尔曼滤波与模糊控制结合算法，并在LabVIEW上进行了算法验证。利用卡尔曼滤波算法具有数学结构简单、实时性高、降噪、不确定性因素少的优点，结合模糊控制算法不依赖于被控对象的精确数学模型、鲁棒性好、适应性强等优点，提高数据采集精度与煤层气气体收集效率。该系统及算法，能提高煤层气开采效率，降低开采成本，对煤层气的高效勘探开发具有较好的借鉴作用。