CN101883970A

CN101883970A - 用来评估岩体完好性的方法和设备

Info

Publication number: CN101883970A
Application number: CN2008801190472A
Authority: CN
Inventors: A·V·Z·布林克; T·N·亚瑞利
Original assignee: Council for Scientific and Industrial Research CSIR
Current assignee: Council for Scientific and Industrial Research CSIR
Priority date: 2007-11-06
Filing date: 2008-11-05
Publication date: 2010-11-10
Also published as: WO2009060392A1; AU2008326044A1; US20100268491A1; US8515676B2; CA2704671A1; AU2008326044B2; CA2704671C

Abstract

一种评估岩体完好性的方法，该方法包括：撞击岩体；捕获由于该撞击而产生的声学信号；得出所捕获的声学信号的频率分布；通过应用了人工智能的神经网络程序，处理来自该频率分布的数据，以评估所输入的数据；以及呈现来自该神经网络程序的、指示该岩体完好性的信号。

Description

用来评估岩体完好性的方法和设备

技术领域

本发明涉及用来评估岩体的完好性(integrity)的方法和设备。该岩体可以是例如采矿工地(mine working)——诸如运输区(haulage)、盘区(panel)或者采场(stope)——中的顶壁(或顶)或者侧壁。

背景技术

许多地下伤害是由矿场中不稳定的岩体碎块的松动和掉落造成的。由于这个原因，具有如下装置被认为是重要的：借助该装置，在矿工进入采矿工地且暴露于来自掉落的岩石碎块的潜在伤害之前，可以评估岩体的完好性，或者说是稳定性。

一种多年来被使用的用以评估采矿工地中的岩体——通常是顶壁——的完好性的技术包括：用探棒(sounding bar)轻敲(tap)岩体；聆听所产生的声音；以及根据所听到的声音来评估该岩体的完好性。所听到的声音主要是由该岩体以及周围环境中的其他源——例如探棒——振动产生的声波造成的。该声音具有唯一的频率分布，为了确定该岩体的完好性，该频率分布必须被解释。

熟悉该技术的有经验的矿工知道，完好的(intact)岩体，即足够稳定从而被认为是安全的岩体，将用相对高频的声音来响应所施加的轻敲；而松动的(detached)岩体，即不是足够稳定从而被认为是安全的岩体，将用相对低频的声音来响应所施加的轻敲。

据此，如果有经验的矿工听到一个低频响应，他将把所研究的岩体归类为松动的或者不安全的，并且通常将规定，该岩体必须被隔离(barred down)以拆下松动的碎块，然后该区域才能被宣称是安全的。

但是，这一决策过程——即对岩体是否安全的评估——是主观且可能犯错误的。这样的错误可以归因于例如环境噪声等级、个人疲劳、经验缺乏、以及评估人的听力。

为了提供一种更客观的评估技术，US 4,598,588提出了一种松动岩石估测仪器，其中，用一个探棒敲击(strike)岩体。所产生的声学信号被一个与该岩体接触的加速度计捕获，并且所捕获的信号经过一个高频带通滤波器——其用于通过频率在特定范围3000Hz～3500Hz中的声学信号，以及一个低频带通滤波器——其用于通过频率在特定范围500Hz～1000Hz中的声学信号。经过这两个带通滤波器的信号被一个差分放大器进行比较。假设松动岩体将产生一个主要在所述特定低频范围中的声学信号，并且完好岩体将产生一个在所述特定高频范围中的声学信号，则对于完好岩体该差分放大器将在两个带通滤波器的输出之间探测到一个小的振幅差，而对于松动岩体则探测到一个较大的振幅差。根据所探测到的振幅差，该差分放大器输出一个指示该岩体的完好性的信号。

US 4,598,588的提案的一个问题是，它仅适用于产生处于预定频率范围内的声学信号的岩体，而在实际中，岩体的岩土力学性质(geotechnical property)在不同区域是迥异的，以致实际频率响应可能落在这些范围以外。据此，该美国专利中描述的仪器不适合应用于具有不同岩土力学性质的各区域。

旨在提供一种更客观的评估煤矿中岩体完好性的另一个提案是，由Rock Mechanics Technology Limited设计的所谓的声学能量计(Acoustic Energy Meter，AEM)。该AEM被放置为与岩体接触，并用锤子对该岩体施加撞击(impact)。该AEM探测声学响应，并基于声学信号的衰减率来评估该岩体的完好性。尽管该技术对于形成简单梁结构的松动岩体可以表现良好，但是这样的岩体在实际中，尤其是在硬质岩石环境——诸如存在于金矿和铂矿中的环境——中，是罕见的。

发明内容

根据本发明的一个方面，提供了一种用来评估岩体的完好性的方法，该方法包括：

撞击该岩体；

捕获由于该撞击而产生的声学信号；

得出所捕获的声学信号的频率分布；

通过应用了人工智能的神经网络程序(process)，处理来自该频率分布的数据，以评估所输入的数据；和

呈现来自该神经网络程序的、指示该岩体的完好性的信号。

捕获该声学信号可包括，将该声学信号作为数字化时域信号来捕获。该方法可包括在环形缓冲器(circular buffer)中捕获该信号。

该方法可包括识别如下事件：所捕获的信号超过限定阈值(defined threshold value)。该限定阈值可以是，环形缓冲器中的所捕获的信号值的移动平均(moving average)——其由该环形缓冲器中捕获的背景噪声确定。

捕获该信号可包括，存储该事件的信号值。

得出频率分布可包括，将该事件的所捕获的时域信号变换为频域信号。具体地，该时域信号可以通过快速傅里叶变换算法变换为频域信号。

得出频率分布可包括如下在先步骤(prior step)：限定离散测量频带(discrete measurement frequency bands)。该方法可包括如下的进一步的步骤：将所测得的频域信号值分配到预定的离散测量频带。

该方法可包括：获取落在预定的离散测量频带内的所测得的频域信号的平均值，以为每个离散频带获取规格化的(normalized)信号值。处理该数据可包括，把该规格化的信号值馈给神经网络程序。

处理该数据可包括：从该神经网络程序接收信号，该信号指示所测得的频域信号特征与被用来训练该神经网络程序的频域信号的特征的符合程度(fitment)。

该方法可包括如下在先步骤：用代表安全和不安全岩石条件之任一或二者的频域信号值的特征来训练该神经网络程序。

呈现来自该神经网络程序的信号包括：产生音频和视频信号之任一或二者，以指示所测得的信号值是否对应于安全和不安全岩石条件之任一或二者。

根据本发明的另一个方面，提供了一种用来评估岩体的完好性的设备，该设备包括：

捕获装置，其用来捕获由于施加于该岩体的撞击而产生的声学信号；

计算机，其连接至该声学捕获装置，用来从所捕获的时域声学信号值得出频域信号值；

神经网络模型，其用来将所测得的频域信号值配合(fit)至岩体的预定频域特征，该预定频域特征代表安全和不安全岩石条件之任一或二者；和

呈现装置，其用来呈现指示所测得的频域特征与预定的频域特征的符合程度的信号，以提供对该岩体完好性的指示。

该捕获装置可包括位于环形缓冲器中的固态存储器。

该计算机可被用傅里叶变换算法进行编程，以用来将所测得的时域信号值变换为频域信号值。

该计算机可被编程，以将所测得的频域信号值分配到预定频带。该计算机可被编程，以获取所测得的频率信号值对于每个预定频带的平均值。

该神经网络模型可被编程到该计算机中，以产生指示该岩体条件的完好性的输出值。

该呈现装置可包括音频和视频指示器之任一或二者，其被安排为指示所测得的频域特征与安全和不安全岩石概况的预定频域特征的符合程度。

该可见指示器可以是至少一个发光二极管的形式。在一个实施方案中，可以有多个可见灯，它们可被独立地点亮，以指示不同的岩石条件，例如具有相对高的完好性的稳定岩体、具有相对低的完好性的不稳定或松动岩体、以及具有中等完好性的岩体。

该音频指示器可被安排为，根据从该神经网络模型接收到的符合程度值来产生不同的声音。例如，可以有可听声发生器(audible soundgenerator)，其被安排为产生指示这些或者其他可能的岩石条件的不同声音。

优选地，该设备可以是紧凑和便携的。在一个实施方案中，该设备可适于安装至矿工的安全帽。

现在将参考下面的图解图，仅通过实施例来描述本发明。

附图说明

图1以图解形式示出了一个根据本发明的设备；

图2示出了一个根据本发明的设备安装至矿工的安全帽；

图3示出了一个图表，其图示了来自被施加了单一撞击的采矿工地的顶壁的声学响应在时域中；

图4示出了一个图表，其图示了相对不稳定的顶壁的声学响应被变换到频率分布；

图5示出了一个图表，其图示了相对稳定的顶壁的声学响应被变换到频率分布。

具体实施方式

在该实施例中，本发明的方法和设备被用来评估采矿工地中的岩体的完好性，更具体地用来评估顶壁的完好性，例如在采矿移位的开端(the commencement of a mine shift)、在采矿面爆破之后、以及在矿工进入已爆破区域之前。

在图1中，示出了用来评估岩体完好性的设备10。设备10以示意性方框图的形式被示出。

声学捕获装置具有一个麦克风12，其可以捕获由于撞击岩体而产生的声学信号。该捕获装置包括用来捕获该声学信号并将该声学信号转换为模拟时域信号的电路(未示出)，该模拟时域信号在图1中以参考数字14示意性地指示。该捕获装置进一步包括一个模数转换器(未示出)，其用来将模拟时域信号变换为数字时域信号。

处理器20形式的处理装置被连接至该捕获装置，以通过快速傅里叶变换将数字时域信号14变换为以参考数字16指示的频域信号。

在处理器20上也实施了一个神经网络模型，用来将所测得的频域信号值配合至岩体的预定频域特征，该预定频域特征代表安全和不安全的岩石条件。

一组三个发光二极管(LED)22形式的呈现装置被连接至处理器20，用来为使用者呈现指示所测得的频域特征与预定频域特征的符合程度的信号。LED 22之一的点亮为使用者提供了该岩体完好性的视觉指示。

如在图1中可以看到的，在使用中，使用者30使用一个撬杆(pinchbar)32来撞击岩体34，由此产生一个待被麦克风12拾取的声学信号。

在图2中，设备10的一个小的便携版本被安装在矿工的安全帽36上。矿工的安全帽36上的设备10的该版本配备有音频指示装置，诸如一个扬声器/蜂鸣器，以为使用者指示该岩体的完好性，而该矿工不必观看设备10。

在使用中，设备10实施一种评估岩体完好性的方法。该方法包括：撞击该岩体，如图1所示；捕获由于上述撞击而产生的声学信号；得出所捕获的信号的频率分布；用控制器20，通过被训练以应用人工智能的神经网络算法，处理来自该频率分布的数据，以评估所输入的数据；以及呈现来自该神经网络程序、指示该岩体的完好性的信号。

如在图3中可以看到的，该声学信号被作为时域信号40而捕获。该信号被实施环形缓冲器的处理器20以数字形式存储。

当撬杆32撞击岩体34时，如果该信号超过了代表背景噪声的预定值，则一个事件被触发。然后如图3中所示，该信号被作为时域信号的数字代表物而存储。

通过快速傅里叶变换算法，图3的时域信号被变换为频域信号，如图4中的42所示。

图4的频域信号示出了一个频带范围从大约10Hz到大约10kHz的频率分布。此频带已经被划分成如下的9个较小的离散带：20Hz～50Hz、50Hz～100Hz、100Hz～200Hz、200Hz～500Hz、500Hz～1kHz、1kHz～2kHz、2kHz～5kHz、5kHz～10kHz、10kHz～20kHz。但是，应理解，也可以选择其他频带。为图4中的信号42确定每个频带中的频域信号的平均值。所得到的平均信号值如图4中的44所示。

然后，信号值44被馈入实施神经网络算法的处理器20，并且这些特征被与代表安全和不安全岩石条件的特征进行比较。

在使用该设备之前，该神经网络模型必须被经验性地(empirically)训练和校准，以评估所输入的数据，从而依据可如下作出的评估对顶壁归类：熟练于评估顶壁完好性的传统技术的矿工，根据当用探棒轻敲顶壁时他听到的声音而作出评估。在实际中，熟练的矿工将被要求使用聆听当该顶壁被轻敲时的声学响应的传统方法来对该顶壁的完好性进行重复评估验证，与此同时，本发明的设备也被用来将频率分布信号输入到该神经网络，以使得该神经网络实施的人工智能被持续地建立和扩展，而该模型在必要时被重校准，以产生最准确的评估。

根据所测得的值与该神经网络模型的符合准确度，处理器20通过LED 22，或者通过指示安全或不安全岩石条件的可听声仪器，来产生一个输出。

LED 22具有不同的颜色，例如红色、绿色和橙色。响应于由该神经网络模型作出的每个评估，这些灯中的被选定者在处理器20的控制下被点亮，其中，例如，当该模型将该频率分布归类为代表稳定顶壁条件的类别时，绿色的LED将被点亮。类似的，当该模型将该频率分布归类为代表不稳定顶壁条件的类别时，红色的LED将被点亮。当探测到介于两者之间的顶壁条件时，橙色的LED将被点亮。

现在参考图4和图5，图4中指示的频域响应代表不安全的岩石条件(即，不稳定的顶壁)，而图5中指示的频域响应代表具有相对高完好性的、安全的岩石条件(即，稳定的顶壁)。

应理解，该方法将被施行在采矿工地的不同位置，并且当该神经网络模型辨认出不稳定或中等稳定条件时，则导致红色或橙色的LED被点亮，从而可以采取适当的补救措施。该补救措施可以，例如包括，隔离该顶壁的不安全区域。

还应理解，为了效率，设备10必须是紧凑和便携的，以使得可以在每个采矿工地的不同位置施行对顶壁的完好性测试。

被麦克风拾取的声学响应可以受各种因素影响，包括探棒32的长度和组成以及其轻敲被测岩体34的用力。为了减少测试变量，测试过程应该被标准化，例如通过对该棒或测试工序进行标准化来标准化。当然，该声学响应也大大受岩体的岩土力学性质和所研究的采矿工地的类型影响。由于这个原因，应该用在不同的岩土力学条件和不同类型的采矿工地中对于相似环境收集的数据来训练该神经网络模型。

如上面所例举的本发明的一个重要优势在于，它用更客观和可重复的对岩石完好性的评估代替了传统的、主观的评估。

Claims

1.一种用来评估岩体的完好性的方法，该方法包括：

撞击该岩体；

捕获由于该撞击而产生的声学信号；

得出所捕获的声学信号的频率分布；

通过应用了人工智能的神经网络程序，处理来自该频率分布的数据，以评估所输入的数据；和

呈现来自该神经网络程序的、指示该岩体的完好性的信号。

2.如权利要求1所述的方法，其中捕获该声学信号包括，将该声学信号作为数字化时域信号来捕获。

3.如权利要求2所述的方法，其包括，在环形缓冲器中捕获该信号。

4.如权利要求3所述的方法，其包括如下事件：识别所捕获的信号超过限定阈值。

5.如权利要求4所述的方法，其中该限定阈值是该环形缓冲器中的所捕获的信号值的移动平均--其由该环形缓冲器中捕获的背景噪声确定。

6.如权利要求5所述的方法，其中捕获该信号包括，存储该事件的信号值。

7.如权利要求2所述的方法，其中得出频率分布包括，将该事件的所捕获的时域信号变换为频域信号。

8.如权利要求7所述的方法，其中通过快速傅里叶变换算法将该时域信号变换为频域信号。

9.如权利要求8所述的方法，其中得出频率分布包括如下在先步骤：限定离散测量频带。

10.如权利要求9所述的方法，其包括如下的进一步的步骤：将所测得的频域信号值分配到预定的离散测量频带。

11.如权利要求10所述的方法，其包括：获取落在预定的离散测量频带内的所测得的频域信号的平均值，以为每个离散频带获取规格化的信号值。

12.如权利要求11所述的方法，其中处理该数据包括，把该规格化的信号值馈给神经网络程序。

13.如权利要求13所述的方法，其中处理该数据包括，从该神经网络程序接收信号，该信号指示所测得的频域信号特征与被用来训练该神经网络程序的频域信号的特征的符合程度。

14.如权利要求13所述的方法，其包括如下在先步骤：用代表安全和不安全岩石条件之任一或二者的频域信号特征来训练该神经网络程序。

15.如权利要求14所述的方法，其中呈现来自该神经网络程序的信号包括：产生音频和视频信号之任一或二者，以指示所测得的信号值是否对应于安全和不安全岩石条件之任一或二者的特征。

16.一种用来评估岩体的完好性的设备，该设备包括：

计算机，其被连接至该捕获装置，用来从所捕获的时域声学信号值得出频域信号值；

神经网络模型，其用来将所测得的频域信号值配合至岩体的预定频域特征，该预定频域特征代表安全和不安全岩石条件之任一或二者。

呈现装置，其用来呈现指示所测得的频域特征与预定频域特征的符合程度的信号，以提供对该岩体的完好性的指示。

17.如权利要求16所述的设备，其中该捕获装置包括位于环形缓冲器中的固态存储器。

18.如权利要求16所述的设备，其中该计算机被用傅里叶变换算法进行编程，以用来将所测得的时域信号值变换为频域信号值。

19.如权利要求16所述的设备，其中该计算机被编程，以将所测得的频域信号值分配到预定频带。

20.如权利要求16所述的设备，其中该计算机被编程，以获取所测得的频率信号值对于每个预定频带的平均值。

21.如权利要求17所述的设备，其中该神经网络模型被编程到该计算机中，以产生指示该岩体完好性的输出值。

22.如权利要求21所述的设备，其中该呈现装置包括音频和视频指示器之任一或二者，其被安排为指示所测得的频域特征与安全和不安全岩石概况之任一或二者的预定频域特征的符合程度。

23.如权利要求22所述的设备，其中该可见指示器的形式是至少一个发光二极管。

24.如权利要求22所述的设备，其中该音频指示器被安排为根据从该神经网络模型接收到的符合程度值来产生不同的声音。

25.如权利要求16～24中任一项所述的设备，其是紧凑和便携的。

26.如权利要求25所述的设备，其适于安装至矿工的安全帽。

27.如权利要求1所述的方法，基本上如这里所描述和图示的。

28.如权利要求16所述的设备，基本上如这里所描述和图示的。

29.一种新的方法，基本上如这里所描述的。

30.一种新的设备，基本上如这里所描述的。