随着绿色制造的理念逐渐得到国家重视，人们对工作环境中产生的粉尘及其影响的关注也在持续提高。一定质量浓度的粉尘不仅会对人体健康造成损伤，还会影响到生产机器的运作。而且当粉尘超过一定的质量浓度时，可能会出现粉尘爆炸的危险，造成生命和财产的损失，所以防尘技术显得至关重要。若能够实时监测工作场所粉尘的质量浓度，在其到达一定质量浓度时及时启动除尘装置进行除尘，不但达到了降尘的目的，还可以节约能源。

目前主要的粉尘监测方法有基于机器视觉的粉尘监测方法和基于光声光谱的粉尘监测方法等。文献[1]提出一种基于机器视觉的粉尘监测方法，其主要运用2个摄像头对目标场景进行监测，形成双目视觉体系，对接收到的画面进行相应的图像处理，根据粉尘的颜色大小等特征，分析出粉尘在三维世界中的具体位置，从而精准地降尘。文献[2-3]提出一种基于光谱特性的粉尘监测方法，其主要利用粉尘对光的反射率不同的特点进行监测，分析出粉尘的大致分布，并进行精确降尘。文献[4]提出一种采用Mie光散射的粉尘监测方法，试制以红外线发光二极管作为光源的呼吸性粉尘质量浓度个体监测仪，该监测仪在不同质量浓度粉尘下输出的电压有所区别，在粉尘质量浓度为0～300 mg/m³测量范围内，试制仪器输出电压值和粉尘质量浓度之间具有线性函数关系，即可依据该关系判定粉尘质量浓度。文献[5]提出运用静电感应原理对粉尘质量浓度进行测量，传感器探头测到带电的粉尘会出现微弱的电信号，进而得到监测处的粉尘质量浓度，但该方法抗干扰性较弱，输出的粉尘质量浓度具有不稳定性。文献[6]提出利用一定条件下粉尘的散射光强正比于质量浓度的原理，给暗室里的浮游粉尘照射光，将粉尘的散射光强度转换成电信号从而计算出粉尘的相对质量浓度，通过预置比例参数值可直接计算出粉尘的质量浓度。文献[7]提出利用β射线测量粉尘质量浓度的方法，β射线法测定尘粒的质量浓度与β射线透过的物质质量有关，而不受颗粒直径、成分、颜色及分散状态的影响，从而能够较其他方法更精确地监测粉尘质量浓度。文献[8]提出一种基于图像透光率计算的粉尘质量浓度测量改进算法，该算法通过计算图像饱和度与亮度得到透光率，再利用透光率与粉尘质量浓度的关系拟合出高质量的校准曲线，从而根据曲线预测粉尘质量浓度，降低了对粉尘测量环境的要求。文献[9]提出一种用于测量煤尘质量浓度的高精度光学传感器，其根据Mie散射理论，并考虑尘埃颗粒大小、折射率和散射角的影响，利用MATLAB和MiePlot模拟检验了粉尘中散射光强的分布，确定了散射结构并建立了传感器的数学模型，然后在自主开发的光学传感器中导入模型，即可精确地测量粉尘质量浓度。文献[10]针对露天矿面的粉尘污染问题，提出一种基于深度学习算法的露天矿粉尘质量浓度监测方法，该文献设计出一种基于长短期记忆网络和注意机制的混合模型，并将其运用至露天矿面粉尘质量浓度的预测中。但深度学习算法的可解释性较低，并且预测精度主要依靠数据支撑，另外在预测模型训练的过程中，容易出现过拟合的现象。文献[11]提出一种煤矿粉尘在线检测系统，该系统采用一种基于光散射原理的快速粉尘检测传感器，将现场检测的粉尘质量浓度数据上传至远程控制系统，远程控制系统中采用滑动加权平均算法对数据进行处理，有助于移除外部干扰，确保粉尘数据的实时准确性。

在粉尘质量浓度评价方面，文献[12]提出运用层次分析法与模糊灰色关联法构建粉尘危害风险的综合评价模型，利用层次分析法确定一、二级指标影响因素的权重，然后通过灰色关联法分析数据之间的影响关系，并通过实例以量化的方式准确地计算出各指标的影响力排序，最终指出影响煤矿粉尘的主要因素。文献[13]提出一种在煤炭开采过程中评价煤与瓦斯危险性的方法，该方法构建了煤与瓦斯爆炸危险性评价体系和危险程度指标值体系。该评价体系包括6个指标和4个风险等级，根据模糊层次分析法和简单关联函数分别确定评价指标的主客观权重，最后通过风险水平的关联度，建立一个定量表征突出风险的评价系统，利用该系统对开采环境的危险性进行评价。但该系统所包括的6个关键指标相互独立，没有考虑到指标间的耦合作用。文献[14]提出了利用暴露在煤尘环境中的老鼠建立评估煤矿开采过程中的影响的模型。文中提出将实验老鼠放置于模拟的暴露在煤尘污染的环境中一段时间，之后采集老鼠的血液和组织样本进行分析，在此基础上建立用于识别被煤尘污染的环境有害影响的模型。文献[15]提出了一种基于地球遥感数据的雪覆盖诊断新方法，该方法可划定采矿和加工厂的污染区域，利用遥感数据中含尘积雪的光谱亮度在不同的光谱区域内变化不均匀的特点，估算粉尘污染的影响水平，并对检测区域的雪样本进行采样验证，实验证明该方法适用于分析冬季煤矿的生态影响。

可拓创新方法^[16-17]是中国原创学科可拓学中特有的形式化、定量化、逻辑化相结合的方法，适用于各领域的创新和解决矛盾问题。可拓创新方法中的优度评价方法是综合多种衡量指标对某一对象、策略或方案等的优劣程度进行综合评价的实用方法。关于一个对象的评价不能只局限于某些有利方面，需要综合考虑可能涉及到的其他因素。优度评价方法在这一方面的优势更加明显，其利用关联函数来计算待评对象关于各衡量指标的符合要求的程度，由于关联函数输出的值可正可负，因此可以更灵敏地反映出一个对象的优劣程度。在优度评价方法运用于粉尘质量浓度监测方面，文献[18]提出一种基于可拓层次分析方法的粉尘质量浓度危险性评价模型，该文献综合分析粉尘危险性因素，并以此为依据设立衡量指标和各个指标的权系数，依据上述内容建立可拓关联函数，代入检测数据即可得知环境在该粉尘质量浓度条件下的危险性。但是其输出结果的效率较低，需要人工评价当前数据所属的危险状态。

上述监测评价方法各有优劣，部分监测评价方法缺少综合性的粉尘质量浓度状态判断策略。本文提出一种基于优度评价方法的煤矿粉尘质量浓度综合评价方法，并利用C++软件设计了煤矿粉尘质量浓度的可拓智能评价软件辅助计算分析，实现粉尘质量浓度的精确快速评价，并且能够依据当前粉尘质量浓度下的危险性和其他各类数据智能化输出相应的除尘措施，提高输出分析结果的效率和精度。

1 煤矿粉尘质量浓度的综合评价方法

优度评价方法是综合评价待评对象优劣的定量化方法，可用于识别出在某一场景特定事物的从属类型或状态，包括一级优度评价方法和多级优度评价方法。本文尝试将一级优度评价方法应用于煤矿粉尘质量浓度的综合评价方法，具体步骤如下。

(1) 确定衡量指标。

根据待评对象的领域知识并结合专家建议，确定衡量指标，用于后续关联函数计算和结果优劣的评价。若需要确定多个衡量指标，则将诸多指标组成一个集合，便于后续分析。

(2) 确定权系数。

根据领域知识确定综合评价的类型，并确定各衡量指标的权系数。

若综合优度计算中涉及到取大型或取小型，即待评对象关于若干个衡量指标的关联度中，最大的关联度或最小的关联度应大于0，否则被认为不符合要求，则需先根据取大型和取小型的评价标准筛选数据，之后再进行后续计算。若综合优度评价涉及到多个衡量指标且为加权求和型，为了综合每个衡量指标的影响，需要结合相关领域知识分别为各个指标设立权系数，为后续综合关联度的计算提供必要参数。权系数越高，则代表该指标实际影响越大。

(3) 建立关联函数。

结合衡量指标和实际问题，选取合适的关联函数 $ k(x) $ ，用于后续评价结果的准确鉴定和相应策略的制定。关联函数包括初等关联函数、简单关联函数和离散关联函数等多种类型，关于关联函数的选择和计算可参考文献[12-13]。由于粉尘数据的特殊性，本文选择建立如下初等关联函数。

$ k \left(x\right) = \left\{ \begin{array}{ll}\dfrac{\rho \left(x,{x}_{0},{X}_{0}\right) }{D\left(x,{x}_{0},{X}_{0},X\right) }, & D(x,{x}_{0},{X}_{0},X) \ne 0,x\in X \\ -\rho (x,{x}_{0},{X}_{0}) +1, & D(x,{x}_{0},{X}_{0},X) =0,x\in {X}_{0} \\ 0, & D(x,{x}_{0},{X}_{0},X) =0,x \notin {X}_{0},x \in X \\ \dfrac{\rho \left(x,{x}_{0},{X}_{0}\right) }{D(x,{x}_{0},{X}_{0},\stackrel{\wedge }{X}) }，& D(x,{x}_{0},{X}_{0},\stackrel{\wedge }{X}) \ne 0,x\in \mathbb{R}-X \\ -\rho (x,{x}_{0},\stackrel{\wedge }{X}) -1, & D(x,{x}_{0},{X}_{0},\stackrel{\wedge }{X}) =0,x\in \mathbb{R}-X \end{array} \right. $

式中： $ x $ 为现场检测得到的样本数据； $ {X_0} $ 为标准正域，也可称为满意区间； $ {x_0} $ 为标准正域中的一点，也称其为最优点； $ X $ 为正域，也称为可接受区间； $ \mathop X\limits^ \wedge $ 为增广区间； $ \mathbb{R}$ 为实数集； $ \rho \left( {x,{x_0},{X_0}} \right) $ 为可拓距，描述任一样本数据 $ x $ 关于最优点 $ {x_0} $ 和标准正域 $ {X_0} $ 之间的位置关系，用以区别于数学领域中点与区间的位置关系； $ D\left( {x,{x_0},{X_0},X} \right) $ 为位值，描述样本数据 $ x $ 关于 $ {x_0} $ 与 $ {X_0} $ 和 $ X $ 的区间套的位置关系，也可描述 $ x $ 关于 $ {x_0} $ 与 $ {X_0} $ 和 $ \mathop X\limits^ \wedge $ 的区间套的位置关系。

(4) 计算规范关联度。

关联函数计算得出的关联度是表征待评对象符合要求的程度，关联度值越大，说明数据越接近衡量指标所要求的标准，若得出的关联度越小，则表明数据与标准偏离的越远。

设置好关联函数的必要参数后，经过计算得到关联度，随后对关联度进行规范化处理，得到规范关联度。若第j(j=1,2,3,···,m) 个待评价对象关于第i(i=1,2,3,···,n) 个衡量指标的取值为 $ {x_{ij}} $ ，关联度为 $ {k_i}({x_{ij}}) $ ，则其规范关联度为

$ {K_i}({x_{ij}}) = \frac{{{k_i}({x_{ij}}) }}{{\mathop {\max }\limits_{j \in \{ 1,2,\cdots,m\} } \left| {{k_i}({x_{ij}}) } \right|}} $

(5) 综合关联度的计算。

根据第(2)步确定的综合评价的类型，选择加权求和型、取大型或取小型综合关联度计算方法。如果选择加权求和型，则还需要使用(2)中提到的权系数，对每一个样本关于所有衡量指标的规范关联度进行加权求和，得出该样本数据关于所有衡量指标的综合关联度，待计算完所有样本数据关于多个衡量指标的综合关联度之后，即可依据综合关联度，评估样本数据的优劣。

(6) 判断粉尘质量浓度的类型。

根据上一步得出的综合关联度，结合领域知识和专家意见拟定评价标准，依据该标准输出检测数据所对应的等级，根据等级评价数据的优劣，同时输出适当的处理措施。

2 煤矿粉尘质量浓度的可拓智能评价系统软件研发

基于上述方法和C++软件开发方法，开发了煤矿粉尘质量浓度的可拓智能评价系统软件，软件实现的具体步骤如下。

2.1 软件开发平台

本软件主要基于Qt集成开发平台进行开发，是由Qt Company开发的跨平台C++图形用户界面应用程序开发框架，其内部含有现成的模块接口，例如按键模块、输入框模块、下拉框模块等等，使得开发者能够轻松地根据需求进行模块的调用和改写，又由于C++可以进行以抽象数据类型为特点的基于对象的程序设计，还可以进行以继承和多态为特点的面向对象的程序设计，配合Qt的面向对象框架，使得开发者可以很轻松地对程序进行调试，大大提升了程序版本的迭代速度，Qt开发平台的交互逻辑设计界面如图1所示。

开发者一般在交互逻辑设计界面根据需求设计交互界面，而交互界面中的按钮和下拉框等模块可在交互逻辑设计界面左边的列表里选择。之后在代码开发界面中，对交互界面按钮的交互逻辑进行设定，定义每个按钮被用户触发后产生的效果和调用的算法。代码开发界面如图2所示。待上述设计完成后，可点击代码开发界面左下角的任意绿色三角形进行测试，观察代码是否依照指定逻辑运行。若出现误差，则可返回代码开发界面进行修改，之后再次调试。

2.2 软件操作步骤

首先打开软件进入主界面，根据衡量指标数量和数据类型，创建等量的、合适的关联函数计算窗口并分别计算，此处以选择初等关联函数为例，如图3所示。

选择好之后点击“生成衡量指标分别计算”按钮，系统将弹出计算窗口供用户输入并计算，每点击一次会产生一个相应类型的计算窗口，初等关联函数的计算窗口如图4所示。

之后输入必要的计算参数，点击“计算关联度”按钮，即可得到计算结果。待所有关联函数的关联度计算完毕，回到主界面，点击“计算综合关联度”按钮，软件将自动对已经计算出来的数据进行综合关联度的计算，并将结果显示在“综合关联度”的白框中，用户随后可点击“输出最终评价结果”按钮，软件将根据先前设下的标准对数据进行对比，输出样本数据的危险等级和相应的应对策略。

3 案例分析

以察哈素煤矿的粉尘质量浓度数据为例，本文将可拓智能评价方法与现场的粉尘监测方式相融合，结合该企业所收集的数据进行计算验证，并设计出粉尘质量浓度的智能评价软件，依靠智能评价软件进行计算分析，输出综合性较强的粉尘质量浓度评价结果和合适的粉尘处理策略，提高数据输出的效率和准确性。

3.1 建立粉尘的衡量指标

本文选取煤矿场中主要的粉尘之一煤尘作为被评价对象，并选取煤尘的总尘质量浓度 $ {\rm{MI}}{_1} $ 和呼尘质量浓度 $ {\rm{MI}}{_2} $ 作为衡量指标。根据中华人民共和国国家职业卫生标准^[19-20]可知，总尘质量浓度和呼尘质量浓度安全范围分别是： $\langle {0,4} \rangle \; {\text{mg}} \cdot {{\text{m}}^{{{ - }}3}}$ 和 $\langle {0,2.5} \rangle {\text{mg}} \cdot \;{{\text{m}}^{{{ - }}3}}$ ，上述质量浓度和后文所涉及的粉尘质量浓度均为时间加权平均质量浓度。

总结上述分析可得出衡量指标集为

$ {\rm{MI}}=\left\{{\rm{MI}}{_1}\text{，}{\rm{MI}}{_2}\right\} $

式中： ${\rm{MI}}{_1} = (总尘质量浓度,\; \langle 0,4 \rangle \;\text{mg}\cdot {\text{m}}^{{-}3})$ ， ${\rm{MI}}{_2} = (呼尘 质量浓度, \langle 0,2.5 \rangle\;\; \text{mg}\cdot {\text{m}}^{{-}3})$ 。

3.2 确定各衡量指标的权系数

为了综合评价各衡量指标的影响，此处引入权系数，以代表各衡量指标的重要程度。通过调查和整理资料，依据文献[21]可知，呼尘是煤矿场作业过程中产生量最大的一类粉尘，能够深入肺部，相对于其他类型的粉尘更容易引发肺部疾病。所以将总尘质量浓度的权系数设为0.3，呼尘质量浓度的权系数设为0.7，为方便后续计算分析和表达，将各衡量指标的权系数记为 $ \alpha =\left({\alpha }_{1},\; {\alpha }_{2}\right) =\left(0.3,\; 0.7\right) $ 。

3.3 建立关联函数

此处采用初等关联函数计算各个粉尘数据与衡量指标的关联度，函数详情可参见前文所述。初等关联函数的参数设置主要参考文献[22-25]中各项数据并且结合专家意见进行设置。总尘质量浓度低于 $4\;{{{\rm{mg}}}} \cdot {{\text{m}}^{{{ - }}3}}$ 即符合国家标准，在 $ \langle {4,6} \rangle \;{\text{mg}} \cdot {{\text{m}}^{{{ - }}3}} $ 范围内对人体有较大的危害，在 $ \langle {6,10} \rangle \;{\text{mg}} \cdot {{\text{m}}^{{{ - }}3}} $ 范围内或更高时，将对人体造成极大的危害。依据上述结论，总尘质量浓度对应的初等关联函数的各区间可按如下进行设置，标准正域 $ {X_{01}} = \langle {0,4} \rangle $ ，正域 $ {X_1} = \langle {0,6} \rangle $ ，增广区间 $ \mathop {{X_1}}\limits^ \wedge = \langle {0,10} \rangle $ ，由于粉尘质量浓度无法真正达到最优点0，此处设置最优点 $ {x_{01}} = 0.01 $ 。对于呼尘质量浓度的初等关联函数的各区间，依据资料，同理可设其最优点为 $ {x_{02}} = 0.01 $ ，标准正域为 $ {X_{02}} = \langle {0,2.5} \rangle $ ，正域 $ {X_2} = \langle {0,4} \rangle $ ，增广区间 $ \mathop {{X_2}}\limits^ \wedge = \langle {0,6} \rangle $ 。

3.4 综合关联度计算

为提高数据输出的效率和准确性，此处使用先前设计好的粉尘质量浓度智能评价软件进行计算和后续的评价输出。该智能评价软件内部运算规则、运行逻辑主要参照文献[12-13]进行设计，只需要设置好相应的参数，即可准确地输出计算结果，并智能化地推荐合适的除尘措施。

首先打开程序进入主界面，点击下拉框，选择初等关联函数，并点击两次右侧的“生成衡量指标并计算”按钮，即可生成两个初等关联函数的计算窗口，如图5所示。

在初等关联函数的计算窗口设置计算的相关参数，其中的检测数据来自于企业提供，具体的样本数据如表1所示。

将上述数据输入到智能评价软件当中，并设置初等关联函数的相应参数，点击初等关联函数计算窗口中的“计算关联度”按钮，即可得到样本数据关于各衡量指标的关联度和规范关联度，之后回到程序主界面，点击“计算综合关联度”按钮，软件即输出粉尘数据与衡量指标集的综合关联度，计算结果如表2所示。

3.5 输出评价结果

本文根据上一步输出的综合关联度，结合文献[22-25]所描述的粉尘质量浓度危害和防治策略进行综合考虑，同时询问专家意见，划分出4个危险等级和相应的降尘策略并输入到智能评价软件中，以评价输出的综合关联度。

在完成综合关联度计算之后，智能评价软件将会根据计算结果将数据归类到相应的等级，并推荐相应的降尘策略，使得整体的粉尘数据评价具有高效性和智能性。在综合关联度输出后，用户可点击程序主界面的“输出最终评价结果”按钮，软件根据样本数据与衡量指标的综合关联度，输出当前数据的危险等级和相应的降尘策略。相对于人手动计算结果和评价，该软件大大提升了分析的效率和准确性，并且能够智能地根据数据输出降尘策略。程序的输出策略如图6所示。

软件中各个等级所对应的综合关联度范围、情况描述以及根据领域知识生成的降尘策略如下。

危险等级一：对应的综合关联度范围是 $ \langle 0.5,1 \rangle $ ，此情况下的各类粉尘质量浓度较低，符合国家制定的职业卫生标准，为了节省能源，此时的降尘策略为开启通风设施并保持低功率运行，采面风速控制在2.0～2.5 m/s之间，并采用下行通风，减少粉尘返回开采面。过大的风速会将粉尘散布到空气中，影响作业人员的开采工作，合理的风速控制可保持环境空气流通，防止粉尘堆积。

危险等级二：对应的综合关联度范围是 $ \langle 0,0.5 \rangle $ ，此时的粉尘质量浓度相较于上一等级略有升高，能够对人体的呼吸系统造成一定的损伤，需要提升通风设施的运行功率，提高环境中空气流通的速度，同时启动喷雾机进行随机喷雾。

危险等级三：对应的综合关联度范围是 $ \langle -0.5, 0 \rangle $ ，此时的作业环境粉尘质量浓度较高，不仅对人体造成较大的伤害，还有发生粉尘爆炸的可能。应对该情况需采用高压喷雾进行持续降尘，设置喷雾压力为8～12 MPa，喷雾流量为 50 L/min，直至总尘质量浓度和浮尘质量浓度均降低至符合国家标准的范围内，之后开启通风设施，排出残余粉尘。

危险等级四：对应的综合关联度范围是 $\langle -1,-0.5 \rangle$ ，此时作业环境可能由于某些突发状况导致粉尘质量浓度升高，极易发生粉尘爆炸，若环境中有作业人员，需要尽快撤离，同时开启高压喷雾机进行降尘，当粉尘质量浓度降低到安全范围内时，开启通风设施排出场所中残余的粉尘。

4 结论

国内外关于粉尘质量浓度的检测和评价方法的研究，大多以单一种类的粉尘质量浓度作为评价标准，虽然最终的监测结果较精确，但分析结果缺乏综合性，难以满足大数据环境下煤矿智能化除尘的实际需要。本文提出将可拓创新方法中的优度评价方法用于煤矿粉尘质量浓度状态的综合评价，可以综合考虑多种煤矿粉尘质量浓度的影响。结合自主设计的煤矿粉尘质量浓度可拓智能评价系统软件，分析得出综合的煤矿粉尘质量浓度评价结果和降尘策略。案例分析结果得到了领域专家的认可，但由于案例的样本数据较少，衡量指标也较少，且数据大多来自粉尘质量浓度较高的区域，缺少粉尘质量浓度较小区域的数据，因此并没有很好体现出该方法及相应的软件的优势，后续将收集更多数据以进一步验证该方法和软件的效果。