【技术实现步骤摘要】
本专利技术涉及一种放顶煤自动开采、煤矸识别，特别是关于一种综放工作面垮落煤岩混合度实时精准识别方法及系统。
技术介绍
1、目前，综放开采仍采用人工放煤方式，放煤工人在煤尘大、照明差的恶劣环境中，通过耳听或者目测来判断顶煤和矸石的放落程度，必然会导致顶煤的“欠放”或“过放”。“欠放”会丢失顶煤，降低了顶煤的回收率，“过放”会使顶煤中含有大量矸石，降低了煤炭质量。为此，为了兼顾综放开采中顶煤的采出率和煤质，代替人工的耳听目测，垮落过程中煤矸混合度(顶煤含矸率)的智能识别尤为重要。
2、综放开采现场煤尘大、照明差、噪声杂，描述垮落煤矸的特征信号具有非平稳性、非线性强和低信噪比的特点，准确地提取特征信号的特征用来表征垮落煤矸的难度也加大。并且，综放开采顶煤的垮落是一个连续的过程。因此，顶煤垮落过程中煤矸混合度的识别需要快速响应。继而作为识别模型输入的表征垮落煤矸的特征亦需要快速的提取。
3、针对综放开采为了兼顾顶煤采出率和顶煤含矸率的实际需求，对顶煤垮落过程中煤矸混合度识别的精准度也有更高的要求，因此，如何建立快速响应的垮落煤矸混合度识别模型，实现垮落煤矸混合度的精准识别是目前迫切需要解决的关键问题。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种综放工作面垮落煤岩混合度实时精准识别方法及系统，兼顾特征提取的实时性与有效性，解决了综放工作面不同工况下煤矸混合物的实时精准识别的问题。
2、为实现上述目的，第一方面，本专利技术采取的技术方案为：一
3、进一步，针对综放开采现场的恶劣环境，同时获取顶煤垮落过程中的第一振动信号和第一图像信号，包括：
4、通过设置在放顶煤液压支架后尾梁背部的矿用加速度传感器，设置在相邻放顶煤液压支架两立柱之间的矿用便携式测振记录仪，以采集顶煤垮落过程中的第一振动信号；
5、通过设置在相邻放顶煤液压支架两立柱之间的防爆摄像仪和带照度调节功能的补光灯，采集不同照度等级下的顶煤垮落过程中的第一图像信号。
6、进一步，利用综放开采现场的顶煤和矸石标定不同比例的煤矸混合物，获取第二振动信号和第二图像信号，包括：
7、根据综放开采现场的工况，构建井上实验室的模拟试验模型；
8、利用同一综放开采现场的顶煤和矸石，标定配置不同比例的煤矸混合物，基于模拟试验模型进行模拟试验；
9、通过模拟试验模型中的振动加速度传感器采集不同比例煤矸混合物冲击试验模型的第二振动信号；
10、通过模拟试验模型中的工业相机和不同等级的补光灯采集不同照度等级下不同比例煤矸混合物的第二图像信号。
11、进一步，分别提取第一振动信号和第二振动信号的特征，包括：
12、利用ewt对振动信号进行自适应分割，获得一系列具有紧支撑傅里叶谱的调幅-调频模态分量；
13、通过一系列调幅-调频模态分量与采集的原始振动信号的相关分析，筛选出相关系数较大的几个主模态分量；
14、对几个主模态分量进行双谱分析，将提取的几个主模态分量的双谱特征值构成向量，以作为表征垮落煤矸混合物振动信号的特征向量；
15、其中，以综放开采现场顶煤放落试验中的放煤初期、放煤中期和放煤后期对应的垮落煤矸混合物的第一振动信号的ewt双谱特征向量构建第一振动信号特征库；以不同比例对应的煤矸混合物的第二振动信号的ewt双谱特征向量构建第二振动信号特征库。
16、进一步，分别提取第一图像信号和第二图像信号的特征，包括：
17、确定采集的煤矸混合物图像信号的最优照度等级，对照度等级最优的第一图像信号和第二图像信号分别进行增强处理，以得到第一图像信号和第二图像信号的增强图像，并对增强图像进行尺度灰度归一化处理；
18、基于二维gabor小波变换提取经尺度灰度归一化处理后的增强图像在多尺度与多方向上的纹理幅度谱gmtr与相位谱gptr，将估计gmtr的gamma分布参数以及计算gptr的熵作为垮落煤矸混合物图像的特征参数；
19、利用字典学习对gabor小波特征进行降维，获得其稀疏表示，以建立一个稀疏且能准确反映垮落煤矸混合物图像的特征向量；
20、其中，以综放开采现场顶煤放落试验中放煤初期、放煤中期和放煤后期垮落煤矸混合物的第一图像信号的gabor小波特征的稀疏表示构建第一图像信号特征库，并保存更新后的超完备字典，以便获取新采集的未知样本图像信号的低维表示；以井上实验室模拟试验中不同比例对应的煤矸混合物的第二图像信号的gabor小波特征的稀疏表示构建第二图像信号特征库。
21、进一步，确定采集的煤矸混合物图像信号的最优照度等级，包括：
22、分别对照度等级为1～n的综放开采现场顶煤垮落过程中煤矸混合物图像信号进行处理和特征提取，得到其gabor小波特征的稀疏表示，以作为图像信号特征向量；
23、将不同照度等级的图像信号特征向量分别输入卷积神经网络，训练卷积神经网络，分别得到综放开采现场顶煤垮落过程中煤矸混合物识别模型；
24、比较以照度等级为1～n的图像信号特征向量建立的识别模型的识别准确率，将识别准确率高于预设值的照度等级，作为适用于综放开采现场垮落煤矸混合物图像信号采集的最优照度等级。
25、进一步，将第二图像与振动信号特征库内的数据作为训练样本，输入卷积神经网络，训练得到煤矸混合度识别模型，包括：
26、融合第二图像与振动信号特征库内的图像信号特征和振动信号特征，并输入卷积神经网络，训练卷积神经网络，得到综放开采现场顶煤垮落不同阶段的煤矸混合度识别模型，由煤矸混合度识别模型输出综放开采现场顶煤垮落过程中不同阶段的煤矸混合度量化值；
27、根据顶煤含矸率随着顶煤采出率的增加而增加的规律，确定该煤矸混合度识别模型的有效性。
28、第二方面，本文档来自技高网...
【技术保护点】
1.一种综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，包括：
2.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，针对综放开采现场的恶劣环境，同时获取顶煤垮落过程中的第一振动信号和第一图像信号，包括：
3.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，利用综放开采现场的顶煤和矸石标定不同比例的煤矸混合物，获取第二振动信号和第二图像信号，包括：
4.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，分别提取第一振动信号和第二振动信号的特征，包括：
5.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，分别提取第一图像信号和第二图像信号的特征，包括：
6.如权利要求5所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，确定采集的煤矸混合物图像信号的最优照度等级，包括：
7.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，将第二图像与振动信号特征库内的数据作为训练样本，输入卷积神经网络，训练得到
8.一种综放工作面垮落煤岩混合度实时精准识别系统，其特征在于，包括：
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
...【技术特征摘要】
1.一种综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，包括：
2.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，针对综放开采现场的恶劣环境，同时获取顶煤垮落过程中的第一振动信号和第一图像信号，包括：
3.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，利用综放开采现场的顶煤和矸石标定不同比例的煤矸混合物，获取第二振动信号和第二图像信号，包括：
4.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，分别提取第一振动信号和第二振动信号的特征，包括：
5.如权利要求1所述综放工作面垮落煤岩混合度实时精准识别方法，其特征在于，分别提取第一图像信号和第二图像信号的特征，包括：
6.如权利要求5所述综放工作面垮落煤岩混合度实时精准识别方...
【专利技术属性】
技术研发人员：李一鸣，王逸泽，陆刘炜，张胜伦，黄民，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：
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。