基于压缩感知的煤矿安全监控大数据压缩方法研究

发布时间：2020-05-11 11:56

【摘要】：随着物联网技术在煤矿安全监控系统的应用,多种类传感器构建的多种监控系统实现对煤矿井下人员、设备、环境及安全生产信息的监测,产生了大量的煤矿安全监控数据,对服务器的处理和存储带来了极大压力。这些海量数据中含有大量有价值的信息有待被挖掘,如何有效压缩海量数据,减轻服务器的存储压力,是煤矿急需解决的工程应用问题。所以,如何利用有效的数据压缩方法来压缩这些海量数据信息,是本文要研究的重点内容。本文将传统压缩与压缩感知相结合,对煤矿安全监控大数据的压缩方法展开研究,主要研究内容与成果如下:(1)构建煤矿安全监控数据字典。在压缩前先对数据进行预处理,分析了数据的基本数据特征及时间相关性、空间相关性等特征,基于国家标准和企业标准对数据特征做了详细分析及对比,并建立了各自的数据字典。针对煤矿安全监控数据的稀疏化表示,通过对比其他变换基可知,采用KSVD的冗余字典构造方法可充分利用企业煤矿数据特征对煤矿安全监控数据进行稀疏表示,能够更好地应用于煤矿安全监控大量数据的压缩,为后文研究提供了实验基础。(2)提出了一种基于主成分分析的非线性Delta数据压缩算法。针对煤矿安全监控单传感器数据的压缩过程中,非线性Delta误差技术的数据压缩算法存在阈值选取不够精细的问题,本算法根据报警等级/敏感度不同,利用动态软阈值进行自动阈值判别和负反馈跟踪,有效压缩非异常过程数据而保留具有安全隐患特征的敏感数据,克服了Delta的硬阈值问题。实验结果表明该算法具有很好的适应性,为后文的进一步研究奠定了基础。(3)提出了一种煤矿安全监控大数据联合稀疏重构方法。在煤矿安全监控大数据的压缩处理中,分析了应用于多传感器监控数据压缩与重构的分布式压缩感知基本理论框架,并分析了多传感器监控数据之间的联合稀疏性。基于MATLAB仿真平台,引用第三章构造的冗余字典进行特征抽取,选用改进的基于主成分分析的非线性Delta算法压缩后的数据作为实验数据,对煤矿安全监控大量数据进行联合压缩与重构,实验结果表明,能够在实现大压缩比的条件下有效恢复原始数据。
【图文】：

架构图,联网系统,矿山,架构

传感器无线传感器网络网矿山物联网系统架构图rchitecture of Internet of Things in Mines了进一步安全保障，但物联网背景下的诸多系统数据呈现爆炸式增长，对目前的煤矿大数据平台力和存储设备都将形成极大的挑战。为应对上据进行有效的压缩处理，降低数据量，减轻服务的可靠运行。压缩[9]、压缩感知[10](Compressed Sensing，，CS)以 Compressed Sensing, DCS)等方法，数据压缩就据信息，减少数据的存储容纳空间。传统的数据失真压缩两大类。压缩感知是继传统数据压缩方能够有效对具有稀疏性的数据，构建一类新型的提出了针对可稀疏表示的数据，能够以少量
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TD76

【相似文献】