一种适用于矿井巷道的形变监测方法及系统技术方案

本发明专利技术属于巷道形变监测技术领域，提供了一种适用于矿井巷道的形变监测方法及系统。所述方法包括：基于架设于液压支架上的激光雷达对巷道壁区域进行扫描，以获取与该巷道壁区域相应的一批三维点云数据；将与该批三维点云数据相应的各所述第一标准值、所述第二标准值及所述第三标准值输入3D卷积神经网络模型，以获取相应的时间特征及空间特征，并计算输出相应的形变监测结果；基于所述形变监测结果判断所述巷道壁区域是否发生形变。所述系统基于所述方法搭建。本发明专利技术采用基于移动的液压支架上激光雷达获取三维点云数据，并将其与3D卷积神经网络相结合的方式不但降低巷道形变监测的难度及复杂度，还提高了结果获取的准确性及时效性。性。性。

【技术实现步骤摘要】
一种适用于矿井巷道的形变监测方法及系统


[0001]本专利技术涉及巷道形变监测
，具体涉及一种适用于矿井巷道的形变监测方法及系统。

技术介绍

[0002]对于矿下开采而言，各类交错分布连通的巷道构成了矿井下的作业空间。但巷道壁由于受到周围复杂地质结构不稳定的挤压作用影响，常常存在巷道形变情况；进而增加了矿下开采中发生塌陷及透水等安全隐患的风险。
[0003]因此，对巷道形变进行有效监测以便及时采取相应的应对措施对于保障矿下开采的安全性具有重要意义。目前，进行巷道形变监测主要通过如下方法进行：首先，在巷道内选择合适的监测点位，并在各监测点位部署相应的位移传感器；然后，所述位移传感器将以各巷道壁为探测目标以获取其相较于巷道壁的相对位置数据；最终，对比位移传感器实时采集的实际相对位置数据与标准相对位置数据是否一致以判断是否发生巷道形变。
[0004]但上述基于位移传感器进行巷道形变监测的方法在实际应用时仍存在以下缺陷：一方面，在矿下资源的开采过程中，巷道也处于不断掘进中；因此需要不断的寻找新的监测点位并部署新的位移传感器，从而增加了采用该方式进行形变监测的复杂度及难度。另一方面，基于位移传感器的监测方式为有限点位的有限点监测，而巷道为三维立体空间；因此只能对巷道结构中有限的局部区域进行监测，且受监测点位的合理性影响，还不可避免的存在监测盲点，无法及时获取巷道形变情况。

技术实现思路

[0005]本专利技术目的在于提供一种适用于矿井巷道的形变监测方法及系统，以改善现有的巷道形变监测中监测过程复杂度高、难度大，且监测结果准确性低的技术问题。
[0006]为达成上述目的，本专利技术提出如下技术方案：一种适用于矿井巷道的形变监测方法，包括：基于架设于液压支架上的激光雷达对巷道壁区域进行扫描，以获取与该巷道壁区域相应的一批三维点云数据；分别计算与所有三维点云数据的X轴坐标值相应的第一标准值，Y轴坐标值相应的第二标准值，Z轴坐标值相应的第三标准值；分别计算与所有三维点云数据的X轴坐标值相应的第一标准值，Y轴坐标值相应的第二标准值，Z轴坐标值相应的第三标准值；将与该批三维点云数据相应的各所述第一标准值、所述第二标准值及所述第三标
准值输入3D卷积神经网络模型，以获取相应的时间特征及空间特征，并计算输出相应的形变监测结果；其中，所述3D卷积神经网络模型由若干批历史三维点云数据训练得到，所述时间特征为巷道形状在时间维度的特征，所述空间特征为巷道形状在空间结构中的特征；基于所述形变监测结果判断所述巷道壁区域是否发生形变。
[0007]进一步的，所述基于所述形变监测结果判断所述巷道壁区域是否发生形变之后，包括：若判断所述巷道壁区域未发生形变，则删除该批三维点云数据；反之，则基于该批三维点云数据生成与所述巷道壁区域相应的三维模型并存储；并发送预警信息至控制端显示界面；其中，所述三维模型关联展示任一位置的各轴坐标值。
[0008]进一步的，包括：基于反馈信息触发激光雷达对形变巷道壁区域进行即时扫描；其中，所述反馈信息用于确认已对形变巷道壁区域进行维护；基于即时扫描获取的三维点云数据及所述3D卷积神经网络模型确认维护后的形变巷道壁区域的当前状态；若维护后的形变巷道壁区域的当前状态仍为形变状态，则重新发送预警信息并执行后续步骤直至维护后的形变巷道壁区域的最新状态为未形变状态。
[0009]进一步的，所述基于架设于液压支架上的激光雷达对巷道壁区域进行扫描，包括：判断巷道壁区域未发生过形变时，基于激光雷达对该巷道壁区域按第一频率R进行周期扫描；反之，则获取巷道维护时支撑结构的调整量L，并基于激光雷达对该巷道壁区域按第二频率R
’
=R+f(L)进行周期扫描；其中，f(L)为由调整量L决定的频率增量；若相应的巷道发生过若干次形变，则f(L)还与巷道壁维护完成至再次发生形变的历史时间间隔呈正相关关系。
[0010]进一步的，所述3D卷积神经网络模型由若干批历史三维点云数据训练得到，包括：获取若干批历史三维点云数据以构成训练集及测试集；基于所述训练集对初始3D卷积神经网络模型进行训练，并基于测试集对训练后的初始3D卷积神经网络模型进行验证；重复执行上述步骤以对所述初始3D卷积神经网络模型进行迭代训练直至巷道形变判断的准确率大于预设阈值，进而得到所述3D卷积神经网络模型。
[0011]一种适用于矿井巷道的形变监测系统，包括：数据获取模块，用于基于架设于液压支架上的激光雷达对巷道壁区域进行扫描，以获取与该巷道壁区域相应的一批三维点云数据；第一预处理模块，用于分别计算与所有三维点云数据的X轴坐标值相应的第一基准值，Y轴坐标值相应的第二基准值，Z轴坐标值相应的第三基准值；其中，N为三维点云数据的个数，x
i
为第i个三维点云数据的X轴坐标值，μ1为所有三维点云数据中X轴坐标值的数字平均值，y
i
为第i个三维点云数据
的Y轴坐标值，μ2为所有三维点云数据中Y轴坐标值的数字平均值，z
i
为第i个三维点云数据的Z轴坐标值，μ3为所有三维点云数据中Z轴坐标值的数字平均值；第二预处理模块，用于分别计算与所有三维点云数据的X轴坐标值相应的第一标准值，Y轴坐标值相应的第二标准值，Z轴坐标值相应的第三标准值；模型判断模块，用于将与该批三维点云数据相应的各所述第一标准值、所述第二标准值及所述第三标准值输入3D卷积神经网络模型，以获取相应的时间特征及空间特征，并计算输出相应的形变监测结果；其中，所述3D卷积神经网络模型由若干批历史三维点云数据训练得到，所述时间特征为巷道形状在时间维度的特征，所述空间特征为巷道形状在空间结构中的特征；形变确认模块，用于基于所述形变监测结果判断所述巷道壁区域是否发生形变。
[0012]进一步的，包括：判断模块，用于判断所述巷道壁区域未发生形变时，删除该批三维点云数据；反之，则基于该批三维点云数据生成与所述巷道壁区域相应的三维模型并存储；并发送预警信息至控制端显示界面；其中，所述三维模型关联展示任一位置的各轴坐标值。
[0013]进一步的，包括：即时扫描模块，用于基于反馈信息触发激光雷达对形变巷道壁区域进行即时扫描；其中，所述反馈信息用于确认已对形变巷道壁区域进行维护；维护确认模块，用于基于即时扫描获取的三维点云数据及所述3D卷积神经网络模型确认维护后的形变巷道壁区域的当前状态；第一循环模块，用于在维护后的形变巷道壁区域仍为形变状态时，则重新发送预警信息并循环调用判断模块、即时扫描模块及维护确认模块直至维护后的形变巷道壁区域为未形变状态。
[0014]进一步的，所述数据获取模块包括：判断单元，用于判断巷道壁区域未发生过形变时，基于激光雷达对该巷道壁区域按第一频率R进行周期扫描；反之，则获取巷道维护时支撑结构的调整量L，并基于激光雷达对该巷道壁区域按第二频率R
’
=R+f(L)进行周期扫描；其中，f(L)为由调整量L决定的频率增量；若相应的巷道发生过若干次形变，则f(L)还与巷道壁维护完成至再次发生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于矿井巷道的形变监测方法，其特征在于，包括：基于架设于液压支架上的激光雷达对巷道壁区域进行扫描，以获取与该巷道壁区域相应的一批三维点云数据；分别计算与所有三维点云数据的X轴坐标值相应的第一基准值 ，Y轴坐标值相应的第二基准值，Z轴坐标值相应的第三基准值；其中，N为三维点云数据的个数，x
i
为第i个三维点云数据的X轴坐标值，μ1为所有三维点云数据中X轴坐标值的数字平均值，y
i
为第i个三维点云数据的Y轴坐标值，μ2为所有三维点云数据中Y轴坐标值的数字平均值，z
i
为第i个三维点云数据的Z轴坐标值，μ3为所有三维点云数据中Z轴坐标值的数字平均值；分别计算与所有三维点云数据的X轴坐标值相应的第一标准值，Y轴坐标值相应的第二标准值，Z轴坐标值相应的第三标准值；将与该批三维点云数据相应的各所述第一标准值、所述第二标准值及所述第三标准值输入3D卷积神经网络模型，以获取相应的时间特征及空间特征，并计算输出相应的形变监测结果；其中，所述3D卷积神经网络模型由若干批历史三维点云数据训练得到，所述时间特征为巷道形状在时间维度的特征，所述空间特征为巷道形状在空间结构中的特征；基于所述形变监测结果判断所述巷道壁区域是否发生形变。2.根据权利要求1所述的适用于矿井巷道的形变监测方法，其特征在于，所述基于所述形变监测结果判断所述巷道壁区域是否发生形变之后，包括：若判断所述巷道壁区域未发生形变，则删除该批三维点云数据；反之，则基于该批三维点云数据生成与所述巷道壁区域相应的三维模型并存储；并发送预警信息至控制端显示界面；其中，所述三维模型关联展示任一位置的各轴坐标值。3.根据权利要求2所述的适用于矿井巷道的形变监测方法，其特征在于，包括：基于反馈信息触发激光雷达对形变巷道壁区域进行即时扫描；其中，所述反馈信息用于确认已对形变巷道壁区域进行维护；基于即时扫描获取的三维点云数据及所述3D卷积神经网络模型确认维护后的形变巷道壁区域的当前状态；若维护后的形变巷道壁区域的当前状态仍为形变状态，则重新发送预警信息并执行后续步骤直至维护后的形变巷道壁区域的最新状态为未形变状态。4.根据权利要求1所述的适用于矿井巷道的形变监测方法，其特征在于，所述基于架设于液压支架上的激光雷达对巷道壁区域进行扫描，包括：判断巷道壁区域未发生过形变时，基于激光雷达对该巷道壁区域按第一频率R进行周期扫描；反之，则获取巷道维护时支撑结构的调整量L，并基于激光雷达对该巷道壁区域按第二
频率R
’
=R+f(L)进行周期扫描；其中，f(L)为由调整量L决定的频率增量；若相应的巷道发生过若干次形变，则f(L)还与巷道壁维护完成至再次发生形变的历史时间间隔呈正相关关系。5.根据权利要求1所述的适用于矿井巷道的形变监测方法，其特征在于，所述3D卷积神经网络模型由若干批历史三维点云数据训练得到，包括：获取若干批历史三维点云数据以构成训练集及测试集；基于所述训练集对初始3D卷积神经网络模型进行训练，并基于测试集对训练后的初始3D卷积神经网络模型进行验证；重复执行上述步骤以对所述初始3D卷积神经网络模型进行迭代训练直至巷道形变判断的准确率大于预设阈值，进而得到所述3D卷积神经网络模型。6.一种适用于矿井巷道的形变监测系统，其特征在于，包括：数据获...

【专利技术属性】
技术研发人员：杨成和，袁刚，刘碧波，
申请(专利权)人：深圳酷源数联科技有限公司，
类型：发明
国别省市：