一种基于改进K-means的微震信号聚类方法及装置制造方法及图纸

本发明专利技术公开了一种基于改进K‑means的微震信号聚类方法及装置，所述方法包括以下步骤：S1、将微震信号传入到K‑means控制机中，生成样本数据和初始聚类中心；S2、计算样本数据与初始聚类中心之间的DTW距离；S3、比较DTW距离大小，标注标签后进行第一次聚类，将第一次聚类得到的结果传给DBA更新器中，得到新的聚类中心；S4、比较初始聚类中心与更新后的聚类中心是否相等，若是，则执行步骤S5，若否，则执行步骤S6；S5、输出聚类结果；S6、返回步骤S3‑S4，进行下一次聚类。本发明专利技术更适用于微震信号聚类分析，最大程度保留了波形的特征，其处理效率高、可靠性好。

【技术实现步骤摘要】
一种基于改进K-means的微震信号聚类方法及装置
本专利技术涉及数据挖掘
，尤其涉及一种基于改进K-means的微震信号聚类方法及装置。
技术介绍
煤矿生产过程中通常存在顶底板断裂、卸压与掘进爆破，均使得岩体受到外力的影响并释放能量而产生持续一段时间的震动。通常对于振动频率小于100Hz，事件能量在103～1011J的震动波称为微震。在煤岩变形破裂的过程中所产生的微震信号具有时间短、突变快的特性。矿井爆破和机械振动等外界环境因素的干扰噪声也会在一定程度上影响到微震信号的波形形态，导致信号失真。综上，微震信号的传播过程中会受到很多因素的干扰，故需要对其进行深入研究。随着开采深度的增加和采空区面积的扩大，矿山微震的发生越来越频繁。微震监测系统在矿山领域中得到了广泛应用，主要包括室内柜式微震监测系统、野外悬挂式微震实时监测系统以及地表浅埋式WiFi微震实时监测定位系统。微震监测系统连续不断地产生大量的微震信号，常常也伴随着各种各样的噪声信号。由于微震事件受干扰较多，呈现不同类型，无论是对于微震事件的处理还是对事故发生后复工复产的方案制定都需要对微震事件的类型进行判识。目前国内外研究学者对微震信号的研究已经逐渐深入，通过微震信号的非线性非平稳的特征，小波分析和经验模态分解方法在对微震信号的特征提取研究方面有了很大的进展，微震波到时可以通过滑动平均值法、STA\LTA方法、分形方法等方法实现。所提出的这种聚类装置能够实现对微震信号的有效聚类。微震信号聚类分析借助聚类算法的理论支撑，不仅可以发现微震事件的潜在特征还能够有效地降低人工划分的主观性，能够发现微震事件的活动规律和分布特征。由于微震信号是一种非平稳非线性信号，发现其潜在分布特征相对较难，传统的K-means算法仅能够针对数据点集进行分析聚类，因此所提出的装置中将处理时间序列数据的DTW(DynamicTimeWarping，动态时间归整算法)距离与K-means相结合来对微震事件聚类。综上所述，从大量的微震信号中挖掘有用的信息，对微震事件做出预测性的判断已经成为研究的热点与难点。
技术实现思路
本专利技术主要是解决现有技术中所存在的技术问题，从而提供一种适用于微震信号聚类分析、处理效率高、可靠性好的基于改进K-means的微震信号聚类方法及装置。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：本专利技术提供的基于改进K-means的微震信号聚类方法，其包括以下步骤：S1、将微震信号传入到K-means控制机中，生成样本数据和初始聚类中心；S2、计算样本数据与初始聚类中心之间的DTW距离；S3、比较DTW距离大小，标注标签后进行第一次聚类，将第一次聚类得到的结果传给DBA更新器中，得到新的聚类中心；S4、比较初始聚类中心与更新后的聚类中心是否相等，若是，则执行步骤S5，若否，则执行步骤S6；S5、输出聚类结果；S6、返回步骤S3-S4，进行下一次聚类。进一步地，所述步骤S1之前包括步骤：S0、对微震信号进行人工标注，人工标注方式包括更改文件名格式。进一步地，所述步骤S1包括：由K-means控制机预先随机生成参数，所述参数包括聚类个数m和传入的微震信号序列X1-Xn。进一步地，所述步骤S2包括：S21、通过DTW向量器对K-means控制机的所有微震信号序列X1-Xn进行向量化；S22、根据聚类个数确定初始聚类中心，并将初始聚类中心进行向量化；S23、K-means控制机将每一个样本微震信号Xi向量与初始聚类中心Ti向量传给DTW剥离器；所述DTW剥离器将所述Xi向量和Ti向量构成一个距离矩阵Yij，其中，距离矩阵Yij中每一个元素的欧式距离d的计算公式如下：d＝(Xi,i-Ti,j)2式中，Xii为Xi向量的第i个点；Tij为Ti向量的第j个点。进一步地，所述步骤S3包括：S31、DTW剥离器将距离矩阵Yij传给DTW距离计算器,DTW距离计算器在满足最佳匹配路径的前提下，计算累积距离Y(i,j)，所述累积距离Y(i,j)的计算公式如下：Y(i,j)＝d(Xii,Tij)+min{Y(i-1,j-1),Y(i-1,j),Y(i,j-1)}S32、K-means控制机得到所有样本微震信号与聚类中心之间的欧氏距离d；按照距离大小进行排序得到第一次聚类效果；S33、K-means控制机将聚类后的第i类标签数据Xi(xi1,xi2,xi3,xi4,…,xim),并令其中一个序列Xim作为平均序列传输给DBA更新器；S34、通过与Xim比较，使其他标签数据更新为新的序列，并将新的序列求平均作为新的聚类中心，再在DBA更新器中循环上述操作，得到一个相对稳定的新的聚类中心Ti，并将新的聚类中心Ti返回给K-means控制机。进一步地，所述最佳匹配路径包括：a、从距离矩阵Yij的起始点Y(1,1)匹配到终止点Y(n,m)；b、距离矩阵Yij中匹配后的前后两点一定是相邻关系；c、在匹配过程中，假如点Y(i,j)匹配下一个点，则下一个匹配点为Y(i+1,j)、Y(i,j+1)或Y(i+1,j+1)中的一个，所述下一个匹配点选择方法为：分别计算Y(i+1,j)、Y(i,j+1)、Y(i+1,j+1)与Y(i,j)之间的欧氏距离d，选择欧氏距离d最小的那个点。进一步地，所述步骤S4中，比较初始聚类中心与更新后的聚类中心是否相等包括：K-means控制机将每一次DBA更新器所得到的聚类中心都传递给聚类生成器进行存储；聚类生成器得到下一个聚类中心Ti与上一个聚类中心Ti-1比较,判断两个聚类中心是否完全一致。本专利技术提供的基于改进K-means的微震信号聚类装置，其包括：K-means控制机、DTW向量器、DTW剥离器、DTW距离计算器、DBA更新器和聚类生成器，所述K-means控制机分别与所述DTW向量器、DTW剥离器、DTW距离计算器、DBA更新器和聚类生成器相连接；其中，DTW向量器，用于将从K-means控制机中输入的样本数据与聚类中心序列转换成向量化；DTW剥离器，用于将每一个样本微震信号Xi向量与初始聚类中心Ti向量传构成一个距离矩阵Yij；DTW距离计算器，用于在满足最佳匹配路径的前提下，计算距离矩阵Yij的累积距离Y(i,j)；DBA更新器，用于根据聚类得到的结果更新新的聚类中心；聚类生成器，用于输出聚类结果。K-means控制机，分别与所述DTW向量器、DTW剥离器、DTW距离计算器、DBA更新器和聚类生成器相连接。本专利技术的有益效果在于：通过考虑微震信号具有时间序列的特点，采用DTW距离作为样本间的相似性度量，并改进K-means算法的聚类中心更新策略，采用与DTW特性相结合的DBA质心更新方法，迭代优化聚类中心的更新过程，从而使其更适用于微震信号聚类分析，最大程度保留了波形的特征，本文档来自技高网...

【技术保护点】
1.一种基于改进K-means的微震信号聚类方法，其特征在于，包括以下步骤：/nS1、将微震信号传入到K-means控制机中，生成样本数据和初始聚类中心；/nS2、计算样本数据与初始聚类中心之间的DTW距离；/nS3、比较DTW距离大小，标注标签后进行第一次聚类，将第一次聚类得到的结果传给DBA更新器中，得到新的聚类中心；/nS4、比较初始聚类中心与更新后的聚类中心是否相等，若是，则执行步骤S5，若否，则执行步骤S6；/nS5、输出聚类结果；/nS6、返回步骤S3-S4，进行下一次聚类。/n

【技术特征摘要】
1.一种基于改进K-means的微震信号聚类方法，其特征在于，包括以下步骤：
S1、将微震信号传入到K-means控制机中，生成样本数据和初始聚类中心；
S2、计算样本数据与初始聚类中心之间的DTW距离；
S3、比较DTW距离大小，标注标签后进行第一次聚类，将第一次聚类得到的结果传给DBA更新器中，得到新的聚类中心；
S4、比较初始聚类中心与更新后的聚类中心是否相等，若是，则执行步骤S5，若否，则执行步骤S6；
S5、输出聚类结果；
S6、返回步骤S3-S4，进行下一次聚类。


2.如权利要求1所述的基于改进K-means的微震信号聚类方法，其特征在于，所述步骤S1之前包括步骤：
S0、对微震信号进行人工标注，人工标注方式包括更改文件名格式。


3.如权利要求1所述的基于改进K-means的微震信号聚类方法，其特征在于，所述步骤S1包括：由K-means控制机预先随机生成参数，所述参数包括聚类个数m和传入的微震信号序列X1-Xn。


4.如权利要求3所述的基于改进K-means的微震信号聚类方法，其特征在于，所述步骤S2包括：
S21、通过DTW向量器对K-means控制机的所有微震信号序列X1-Xn进行向量化；
S22、根据聚类个数确定初始聚类中心，并将初始聚类中心进行向量化；
S23、K-means控制机将每一个样本微震信号Xi向量与初始聚类中心Ti向量传给DTW剥离器；所述DTW剥离器将所述Xi向量和Ti向量构成一个距离矩阵Yij，其中，距离矩阵Yij中每一个元素的欧式距离d的计算公式如下：
d＝(Xi,i-Ti,j)2
式中，Xii为Xi向量的第i个点；Tij为Ti向量的第j个点。


5.如权利要求4所述的基于改进K-means的微震信号聚类方法，其特征在于，所述步骤S3包括：
S31、DTW剥离器将距离矩阵Yij传给DTW距离计算器,DTW距离计算器在满足最佳匹配路径的前提下，计算累积距离Y(i,j)，所述累积距离Y(i,j)的计算公式如下：
Y(i,j)＝d(Xii,Tij)+min{Y(i-1,j-1),Y(i-1,j),Y(i,j-1)}
S32、K-means控制机得到所有样本微震信号与聚类中心之间的欧氏距离d；按照距离大小进行排序得到第一次聚类效果；
S33、K-means控制...

【专利技术属性】
技术研发人员：丁琳琳，张明，潘一山，孙明馨，陈泽，刘媛媛，刘丽，侯俊敏，
申请(专利权)人：新汶矿业集团有限责任公司，
类型：发明
国别省市：山东;37