本发明专利技术公开了一种基于云计算的钻孔封闭质量分类及危险性评价系统，包括查询终端和云计算服务器，查询终端由微处理器、显示模块、警示模块、输入模块和供电模块构成；云计算服务器的输出端分别与外存储器、应急方案制定模块、分类模块、危险性评价模块和查询模块的输入端电性连接；云计算服务器分别与RAM存储器、MRAM存储器和数据库电性连接；云计算服务器的输出端通过GPRS网络与云端存储器的输入端连接；分类模块的输出端分别与第一闪存卡和第二闪存卡的输入端电性连接，该发明专利技术的有益效果是钻孔封闭质量分析、分类和危险性评价效率高，相关数据存储安全，可以迅速导出钻孔封闭质量不合格的原因以及制定相应的应急措施。
【技术实现步骤摘要】
一种基于云计算的钻孔封闭质量分类及危险性评价系统
本专利技术属于煤矿生产领域，尤其涉及一种基于云计算的钻孔封闭质量分类及危险性评价系统。
技术介绍
封闭不良钻孔是导致煤矿突(涌)水事故的一个重要影响因素。在不同历史时期施工的钻孔，由于各种原因导致一些钻孔存在封闭质量问题，给煤矿开采带来了重大隐患。封闭不良钻孔可以导通地表水、含水层水、老空水、也可以导通煤层或者老空中瓦斯或者有害气体，还可以引起煤层自燃。废气钻孔隐蔽性强，垂向深度大，生产中很难防范，而由于钻孔平面上影响范围小，往往容易被忽视，因此导致重大事故。但是现有的钻孔封闭质量分类及危险性评价系统的本地数据存储不够安全，导致数据的丢失，由于采用简单的存储方式会产生大量重复或者无效的数据，这对数据的存储、挖掘和分析造成额外负担；另一方面现有的钻孔封闭质量分类及危险性评价系统不具备钻孔不合格所采用的应急措施功能，使得系统的实用性能大大降低。
技术实现思路
本专利技术的目的在于提供一种基于云计算的钻孔封闭质量分类及危险性评价系统，旨在解决是现有的钻孔封闭质量分类及危险性评价系统的本地数据存储不够安全，导致数据的丢失，由于采用简单的存储方式会产生大量重复或者无效的数据，这对数据的存储、挖掘和分析造成额外负担；另一方面现有的钻孔封闭质量分类及危险性评价系统不具备钻孔不合格所采用的应急措施功能，使得系统的实用性能大大降低的问题。本专利技术是这样实现的，一种基于云计算的钻孔封闭质量分类及危险性评价系统，包括查询终端和云计算服务器，所述查询终端由微处理器、显示模块、警示模块、输入模块和供电模块构成；所述微处理器的输出端分别与显示模块和警示模块的输入端电性连接；所述微处理器的输入端分别与输入模块和供电模块的输出端电性连接；所述微处理器通过以太网与数据交换机连接；所述云计算服务器通过以太网与数据交换机连接；所述云计算服务器的输入端与数据更新模块的输出端电性连接；所述云计算服务器的输出端分别与外存储器、应急方案制定模块、分类模块、危险性评价模块和查询模块的输入端电性连接；所述云计算服务器的输出端通过采集数据分析模块与数据处理模块的输入端电性连接；所述云计算服务器分别与RAM存储器、MRAM存储器和数据库电性连接；所述云计算服务器的输出端通过GPRS网络与云端存储器的输入端连接；所述分类模块的输出端分别与第一闪存卡和第二闪存卡的输入端电性连接；所述查询终端的外壳采用防爆材料构件制成，所述显示模块具体为防爆LED显示屏，所述警示模块具体为LED闪烁灯，所述外存储器的输出端与数据更新模块的输入端电性连接。该系统通过以下方法实现钻孔封闭质量分类及危险性评价；所述基于云计算的钻孔封闭质量分类及危险性评价系统的基于云计算的钻孔封闭质量分类及危险性评价方法包括：步骤一、根据钻孔基本信息数据库、钻孔封闭用料体积和质量数据库以及钻孔煤层信息数据库三部分，确定钻孔目标储层中水平段中地质突变的预测区域；步骤二、根据矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；步骤三、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；步骤四、将钻孔基本信息数据实时上传云计算中心；步骤五、初始化钻孔基本信息数据的种群规模，并且设置种群最大迭代次数；步骤六、按照编码规则随机生成染色体，将云任务抽象为染色体的编码输入，染色体中的每个基因为该云任务中的子任务，染色体的位序号表示每个子任务代表分配到虚拟机的号码；然后判断染色体是否满足预期的Qos，若满足，则将该染色体加入到初始种群中，若不满足，则丢弃该染色体，直到达到初始种群的规模；步骤七、对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为存储服务请求分配资源；步骤八、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；步骤九、将全景原始图像进行色度补偿以得到补偿后图像，将该补偿后的图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；步骤十、钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；步骤十一、封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成；钻孔基本信息数据库又包含钻孔基本信息，钻孔封闭信息、第四系及泥灰岩含水层信息；其中基本信息包括钻孔序号、名称、纬距、经距、孔口标高、钻孔深度、终孔层位；钻孔封闭信息包括封闭钻孔结构、钻孔封闭起止深度、封孔材料及用量、封孔概况及取样质量；第四系及泥灰岩含水层信息包括第四系含水层底板标高，泥灰岩底板标高及厚度；钻孔封闭用料体积和质量数据库包含了钻孔结构信息和封闭段距信息，钻孔结构信息包括孔径，起始深度和终止深度，封闭段距信息包括钻孔封闭段距的起始深度、终止深度、水泥用量和砂用量；钻孔煤层信息数据库包含了钻孔所穿切的各煤层的底板标高，煤层厚度，以及封孔段距的起始和终止高度，孔口标高和最高水位；导水危险性影响因素包括充水水源、地质构造、采掘活动，充水水源又包含第四系含水层、泥岩含水层以及老空水三个子因素，地质构造包含断层、褶皱，采掘活动包括导水裂隙带发育高度以及底板破坏深度，通过系统计算各个影响因素的导水危险性影响指数；BP人工神经网络预测模块包括各个参数设置、样本训练和样本预测。将全景原始图像由原始封闭钻孔图像拼接而成，生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：式中：得到：A＝(Aij)m×n；m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据。进一步，所述微处理器设置有分布式功率控制模块，所述分布式功率控制模块基于有限差分算法求解上述哈密顿-雅可比-贝尔曼方程和福克-普朗克-柯尔莫戈洛夫方程，从而得出干扰感知功率控制策略；所述哈密顿-雅可比-贝尔曼方程为：其中所述福克-普朗克-柯尔莫戈洛夫方程为：进一步，所述分布式功率控制模块的分布式功率控制方法包括以下步骤：步骤一，初始化，并将时间间隔，主干扰源的状态空间和一般干扰的状态空间进行离散化；所述时间间隔，主干扰源的状态空间和一般干扰的状态空间将被离散化为X×Y×Z的空间，时间，能量，干扰空间的迭代步长为：步骤二，判断是否符合迭代条件，若是进行下一步，否则停止迭代；所述迭代条件是指是t,o,i同时符合t＝1:s,o＝1:Y且i＝1:Z，符合条件时进行下一步，否则停止迭代；其中s、Y本文档来自技高网...
【技术保护点】
一种基于云计算的钻孔封闭质量分类及危险性评价系统，其特征在于，包括查询终端和云计算服务器，所述查询终端由微处理器、显示模块、警示模块、输入模块和供电模块构成；所述微处理器的输出端分别与显示模块和警示模块的输入端电性连接；所述微处理器的输入端分别与输入模块和供电模块的输出端电性连接；所述微处理器通过以太网与数据交换机连接；所述云计算服务器通过以太网与数据交换机连接；所述云计算服务器的输入端与数据更新模块的输出端电性连接；所述云计算服务器的输出端分别与外存储器、应急方案制定模块、分类模块、危险性评价模块和查询模块的输入端电性连接；所述云计算服务器的输出端通过采集数据分析模块与数据处理模块的输入端电性连接；所述云计算服务器分别与RAM存储器、MRAM存储器和数据库电性连接；所述云计算服务器的输出端通过GPRS网络与云端存储器的输入端连接；所述分类模块的输出端分别与第一闪存卡和第二闪存卡的输入端电性连接；所述查询终端的外壳采用防爆材料构件制成，所述显示模块具体为防爆LED显示屏，所述警示模块具体为LED闪烁灯，所述外存储器的输出端与数据更新模块的输入端电性连接；所述基于云计算的钻孔封闭质量分类及危险性评价系统的基于云计算的钻孔封闭质量分类及危险性评价方法包括：步骤一、根据钻孔基本信息数据库、钻孔封闭用料体积和质量数据库以及钻孔煤层信息数据库三部分，确定钻孔目标储层中水平段中地质突变的预测区域；步骤二、根据矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；步骤三、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；步骤四、将钻孔基本信息数据实时上传云计算中心；步骤五、初始化钻孔基本信息数据的种群规模，并且设置种群最大迭代次数；步骤六、按照编码规则随机生成染色体，将云任务抽象为染色体的编码输入，染色体中的每个基因为该云任务中的子任务，染色体的位序号表示每个子任务代表分配到虚拟机的号码；然后判断染色体是否满足预期的Qos，若满足，则将该染色体加入到初始种群中，若不满足，则丢弃该染色体，直到达到初始种群的规模；步骤七、对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为存储服务请求分配资源；步骤八、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；步骤九、将全景原始图像进行色度补偿以得到补偿后图像，将该补偿后的图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；步骤十、钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；步骤十一、封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成；钻孔基本信息数据库又包含钻孔基本信息，钻孔封闭信息、第四系及泥灰岩含水层信息；其中基本信息包括钻孔序号、名称、纬距、经距、孔口标高、钻孔深度、终孔层位；钻孔封闭信息包括封闭钻孔结构、钻孔封闭起止深度、封孔材料及用量、封孔概况及取样质量；第四系及泥灰岩含水层信息包括第四系含水层底板标高，泥灰岩底板标高及厚度；钻孔封闭用料体积和质量数据库包含了钻孔结构信息和封闭段距信息，钻孔结构信息包括孔径，起始深度和终止深度，封闭段距信息包括钻孔封闭段距的起始深度、终止深度、水泥用量和砂用量；钻孔煤层信息数据库包含了钻孔所穿切的各煤层的底板标高，煤层厚度，以及封孔段距的起始和终止高度，孔口标高和最高水位；导水危险性影响因素包括充水水源、地质构造、采掘活动，充水水源又包含第四系含水层、泥岩含水层以及老空水三个子因素，地质构造包含断层、褶皱，采掘活动包括导水裂隙带发育高度以及底板破坏深度，通过系统计算各个影响因素的导水危险性影响指数；BP人工神经网络预测模块包括各个参数设置、样本训练和样本预测；将全景原始图像由原始封闭钻孔图像拼接而成，生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：...
【技术特征摘要】
1.一种基于云计算的钻孔封闭质量分类及危险性评价系统，其特征在于，包括查询终端和云计算服务器，所述查询终端由微处理器、显示模块、警示模块、输入模块和供电模块构成；所述微处理器的输出端分别与显示模块和警示模块的输入端电性连接；所述微处理器的输入端分别与输入模块和供电模块的输出端电性连接；所述微处理器通过以太网与数据交换机连接；所述云计算服务器通过以太网与数据交换机连接；所述云计算服务器的输入端与数据更新模块的输出端电性连接；所述云计算服务器的输出端分别与外存储器、应急方案制定模块、分类模块、危险性评价模块和查询模块的输入端电性连接；所述云计算服务器的输出端通过采集数据分析模块与数据处理模块的输入端电性连接；所述云计算服务器分别与RAM存储器、MRAM存储器和数据库电性连接；所述云计算服务器的输出端通过GPRS网络与云端存储器的输入端连接；所述分类模块的输出端分别与第一闪存卡和第二闪存卡的输入端电性连接；所述查询终端的外壳采用防爆材料构件制成，所述显示模块具体为防爆LED显示屏，所述警示模块具体为LED闪烁灯，所述外存储器的输出端与数据更新模块的输入端电性连接；所述基于云计算的钻孔封闭质量分类及危险性评价系统的基于云计算的钻孔封闭质量分类及危险性评价方法包括：步骤一、根据钻孔基本信息数据库、钻孔封闭用料体积和质量数据库以及钻孔煤层信息数据库三部分，确定钻孔目标储层中水平段中地质突变的预测区域；步骤二、根据矩形成像器件的边长以及当前待检测区域的周视角和俯仰角，调整全景镜头在焦平面上所成圆形全景像，使得所述全景镜头在焦平面上所成圆形全景像的直径大于矩形成像器件的短边长度；步骤三、生成具有约束条件的地面模型及钻井轨道模型,建立通用的靶平面方程以及靶点坐标系与井口坐标系之间的坐标转换关系，以适用于各种井型的靶平面；步骤四、将钻孔基本信息数据实时上传云计算中心；步骤五、初始化钻孔基本信息数据的种群规模，并且设置种群最大迭代次数；步骤六、按照编码规则随机生成染色体，将云任务抽象为染色体的编码输入，染色体中的每个基因为该云任务中的子任务，染色体的位序号表示每个子任务代表分配到虚拟机的号码；然后判断染色体是否满足预期的Qos，若满足，则将该染色体加入到初始种群中，若不满足，则丢弃该染色体，直到达到初始种群的规模；步骤七、对接收到的用户存储服务请求进行判断，如果不符合服务要求则返回错误信息；符合服务要求则由全局资源调度器为存储服务请求分配资源；步骤八、基于实钻轨迹最后两测点的测斜数据，计算末测段的轨迹特征参数，所述测斜数据为井深、井斜角、方位角，所述轨迹特征参数用于表征最后测段的轨迹形状；步骤九、将全景原始图像进行色度补偿以得到补偿后图像，将该补偿后的图像与轨迹特征参数进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的图像；步骤十、钻孔封闭质量分类评价方法从钻孔图像、钻孔封孔材料的用量、钻孔封闭段距三个方面分别对钻孔的封闭质量进行分类定量评价，至少两方面评价结果合格则判定为该钻孔的封闭质量合格，否则，则判定其为封闭不良钻孔；步骤十一、封闭不良钻孔导水危险性评价由各个引发钻孔导水危险性影响因素的影响指数计算和BP人工神经网络模块预测两部分组成；钻孔基本信息数据库又包含钻孔基本信息，钻孔封闭信息、第四系及泥灰岩含水层信息；其中基本信息包括钻孔序号、名称、纬距、经距、孔口标高、钻孔深度、终孔层位；钻孔封闭信息包括封闭钻孔结构、钻孔封闭起止深度、封孔材料及用量、封孔概况及取样质量；第四系及泥灰岩含水层信息包括第四系含水层底板标高，泥灰岩底板标高及厚度；钻孔封闭用料体积和质量数据库包含了钻孔结构信息和封闭段距信息，钻孔结构信息包括孔径，起始深度和终止深度，封闭段距信息包括钻孔封闭段距的起始深度、终止深度、水泥用量和砂用量；钻孔煤层信息数据库包含了钻孔所穿切的各煤层的底板标高，煤层厚度，以及封孔段距的起始和终止高度，孔口标高和最高水位；导水危险性影响因素包括充水水源、地质构造、采掘活动，充水水源又包含第四系含水层、泥岩含水层以及老空水三个子因素，地质构造包含断层、褶皱，采掘活动包括导水裂隙带发育高度以及底板破坏深度，通过系统计算各个影响因素的导水危险性影响指数；BP人工神经网络预测模块包括各个参数设置、样本训练和样本预测；将全景原始图像由原始封闭钻孔图像拼接而成，生成经过拼接的图像的数据矩阵，并对数据矩阵进行中心化或标准化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：式中：
【专利技术属性】
技术研发人员：张建国，吕有厂，高明忠，王满，孙矩正，陈召繁，
申请(专利权)人：平顶山天安煤业股份有限公司，中国平煤神马能源化工集团有限责任公司，四川大学，
类型：发明
国别省市：河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。