CN104458687A - 基于激光诱导和simca分类法的矿井突水水源识别装置及方法 - Google Patents
基于激光诱导和simca分类法的矿井突水水源识别装置及方法 Download PDFInfo
- Publication number
- CN104458687A CN104458687A CN201410757790.8A CN201410757790A CN104458687A CN 104458687 A CN104458687 A CN 104458687A CN 201410757790 A CN201410757790 A CN 201410757790A CN 104458687 A CN104458687 A CN 104458687A
- Authority
- CN
- China
- Prior art keywords
- fluorescence
- water
- tested
- water body
- detector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置及方法,该装置包括激光器、浸入式探头、光探测器、光谱分析模块和识别模块,激光器与浸入式探头通过光纤连接,激光器将激光打入涌水点的被测水体,被测水体受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至光探测器;采用至少两路并行光探测器,同时分别读取设定的各个波段的荧光信号;光谱分析模块根据光探测器输出的荧光信号,并进行滤波和A/D转换,经过数据整合后输出一路完整波段的荧光光谱数据;识别模块根据输入的被测水体的荧光光谱数据以及已知水样的PCA模型,基于SIMCA算法判断被测水体属于哪种已知水样。本发明实现了水源类型及时、准确的在线识别。
Description
技术领域
本发明涉及采矿技术领域,具体涉及一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置及方法。
背景技术
我国地质状况复杂,煤炭开采时地质灾害频发。瓦斯、煤尘、水、火和顶板灾害并称煤矿五大灾害,自建国以来无论是从事故数量上还是死亡人数上,水害事故均仅次于瓦斯事故,位居煤矿五大灾害第二位。矿井突水的主要类型有地表水、奥陶系灰岩岩溶水、煤系砂岩裂隙水、煤系灰岩水、第四系冲积层水和老窑水这六种水,除地表水可防可控外,其余五种水由于深埋地下,因此皆存在不可预见性。矿井突水预警的主要方式即进行突水水源类型的实时在线识别。
目前尚无一种设备能实现煤矿井下的突水在线预警,传统的水源识别全部采用水化学方法,测量水中代表离子的离子浓度进行建模识别。此类方法需要人员定时在涌水点采集水样,且检测离子浓度耗时需要一小时以上,完全不能适应在线预警的要求。
因此,在突水事故发生之前及时对矿区排出水源进行识别,判断是否属于矿区已知突水水样,提前排出可能存在的水害危险,对矿区安全生产尤其重要。
发明内容
本发明的目的是提供一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置及方法,以解决传统水化学技术不能实现在线式水源类型识别、识别准确度低的问题。
为了达到上述目的,本发明所采用的技术方案为:
一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置,用于根据已知水样的PCA模型对被测水体进行识别,该装置包括激光器、浸入式探头、光探测器、光谱分析模块和识别模块,其中激光器与浸入式探头通过光纤连接,激光器将激光打入涌水点的被测水体,被测水体受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至光探测器;采用至少两路并行光探测器,同时分别读取设定的各个波段的荧光信号;光谱分析模块根据光探测器输出的荧光信号,并进行滤波和A/D转换,经过数据整合后输出一路完整波段的荧光光谱数据;识别模块根据输入的被测水体的荧光光谱数据以及已知水样的PCA模型,基于SIMCA算法判断被测水体属于哪种已知水样。
进一步地,所述光探测器为4个,所述光谱分析模块为FPGA,所述FPGA通过内部编程对4路并行光探测器进行控制,规定各光探测器采集的荧光光谱波段分别为400-499nm、500-599nm、600-699nm和700-799nm波段,将4路荧光光谱数据按顺序进行数据整合,输出400-799nm完整波段的荧光光谱数据。所述光探测器为4路并行NMOS光探测器,在同一时刻分别采集不同波段的荧光信号,可节约扫描时间。
具体地,所述识别模块判断被测水体属于哪种已知水样,具体执行如下操作:
读取被测水体的荧光光谱数据,采用移动平均法对该光谱数据进行数据预处理;
分别计算被测水体与不同已知水样的拟合偏差,以及总体偏差;
在显著性程度α=5%的情况下,进行F检测,将F的计算值与临界值进行比较,若F的计算值小于临界值,则被测水体属于该F的计算值对应的已知水样。
本发明还提出了一种基于激光诱导和SIMCA分类法的矿井突水水源识别方法,用于根据已知水样的PCA模型对被测水体进行识别,该方法包括以下步骤:
激光器将激光打入涌水点的被测水体,被测水体受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至光探测器;
采用至少两路并行光探测器,同时分别读取设定的各个波段的荧光信号;
获取光探测器输出的荧光信号,进行滤波和A/D转换,经过数据整合后输出一路完整波段的荧光光谱数据;
根据被测水体的荧光光谱数据以及已知水样的PCA模型,基于SIMCA算法判断被测水体属于哪种已知水样。
进一步地,所述判断被测水体属于哪种已知水样,包括以下步骤:
读取被测水体的荧光光谱数据,采用移动平均法对该光谱数据进行数据预处理;
分别计算被测水体与不同已知水样的拟合偏差,以及总体偏差;
在显著性程度α=5%的情况下,进行F检测,将F的计算值与临界值进行比较,若F的计算值小于临界值,则被测水体属于该F的计算值对应的已知水样。
本发明提出的基于激光诱导和SIMCA分类法的矿井突水水源识别装置及方法,采用激光装置,系统简单、安全性好。并采用先进的SIMCA算法对矿井突水水源类型进行识别,运算速度快,识别精度高,可以做到水源类型的在线识别,而且采用VS2008软件作为在线监测界面,界面友好。依据煤矿井下突水特点,从预警煤矿灾害事故出发,根据矿井水文地质的实际情况,充分利用SIMCA算法和激光诱导(LIF)技术的优点对矿井突水进行预警,以实现在水灾事故未发生时,及时采取相关措施,将危险程度降至最低。
附图说明
图1为本发明矿井突水水源识别装置结构示意图;
图2为本发明实施例的识别效果图。
具体实施方式
下面结合附图和实施例对本发明技术方案做进一步详细说明,以下实施例不构成对本发明的限定。
如图1所示,本发明基于激光诱导和SIMCA分类法的矿井突水水源识别装置包括激光器、浸入式探头、光探测器、光谱分析模块和识别模块。
采用激光器激发被测水体辐射发出荧光的方法称为激光诱导荧光(Laserinduced fluorescence,LIF)。本实施例中激光器与浸入式探头通过光纤连接,采用405nm激光器将激光打入涌水点的被测水体,被测水体受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至光探测器进行光电转换。本实施例浸入式探头经特殊设计,可使激发光和荧光达到最佳分离,且激发效率高。
具体地,本实施例的浸入式探头采用直角光路系统,以使入射光和荧光在被测水体中达到最佳分离。在激光经光纤传入探头时,首先接触一特制棱镜,光路发生90度转变,进入被测水体,实现对被测水体的激发,其后接触一端面的凹面镜,反射后再次进入被测水体,对其进行二次激发,此种设计可以尽可能的提高荧光效率,增加荧光强度。
本实施例的光探测器为NMOS光探测器,被测水体受激辐射发出荧光,经光纤传输至NMOS光探测器。本实施例采用4路并行NMOS光探测器,同时分别读取400-499nm、500-599nm、600-699nm和700-799nm波段的荧光信号。光探测器由光谱分析模块进行驱动控制,同时分别读取不同波段的荧光信号,将荧光信号转化为电信号。所述光探测器为4路并行NMOS光探测器,在同一时刻分别采集不同波段的荧光信号,可节约扫描时间。
本实施例光谱分析模块为FPGA,对光探测器输出的点信号进行滤波和A/D转换,经过数据整合后输出1路400-799nm完整波段的荧光光谱数据。
本实施例的光谱分析模块为FPGA,通过内部编程对4路并行光探测器进行控制,规定各光探测器采集的荧光光谱波段,将4路荧光光谱数据按顺序进行数据整合。以一定顺序读取A/D转换处理后的4路荧光光谱数据,进行数据整合,输出1路完整波段的荧光光谱数据,荧光光谱数据经485总线送至识别模块。本实施例识别模块为上位机,装有VS2008软件和MATLAB软件,调用MATLAB软件建立的已知水样PCA模型对实时被测水体的荧光光谱数据进行SIMCA分类,VS2008软件用来时时显示突水水源类型变化情况。
具体地,本实施例识别模块SIMCA算法的MATLAB仿真基于以下流程:
1、输入已知水样荧光光谱数据矩阵,采用移动平均(Moving-Average)法对已知水样荧光光谱数据进行数据预处理。运用合理的数据预处理方法可提取荧光光谱数据的特征信息,消除各种噪声和干扰,降低样品表面不均匀等因素影响,提高聚类精度和稳定性。
2、对进行预处理后数据进行PCA建模,设置类主成分数目Ak=7,计算主成分a贡献率及累计贡献率,取累计贡献率达95%的特征值所对应的主成分个数。
3、计算主成分a的载荷得到各主成分的得分,建立各水样PCA模型。
4、输入被测水体的荧光光谱数据,采用移动平均法对该光谱数据进行数据预处理。
5、分别计算被测水体与不同已知水样的拟合偏差以及总体偏差
6、在显著性程度α=5%的情况下,进行F检测,将F的计算值与临界值进行比较,若F的计算值小于临界值,则被测水体属于该F的计算值对应的已知水样。
本实施例首先建立各类已知水样的主成分分析模型,然后以未知的待测水体逐一拟合各类的主成分模型,进而进行判别归类。经过MATLAB仿真后识别结果如图2所示,由图可见5类水样的聚类效果明显,其中灰岩水和砂岩水距离最近且皆处于第四象限,而灰岩水、砂岩水、冲积层水距离奥灰水皆较远,这是因为水样所处地层的不同造成了其所含物质成分的不同,物质成分的不同在荧光光谱上会反映出一定的差异,差异越大,就造成其在空间上的距离也就越大,证明了此算法通过对未知水样数据进行归类便可达到矿井突水水源类型识别的目的。
以上实施例仅用以说明本发明的技术方案而非对其进行限制,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置,用于根据已知水样的PCA模型对被测水体进行识别,其特征在于:该装置包括激光器、浸入式探头、光探测器、光谱分析模块和识别模块,其中激光器与浸入式探头通过光纤连接,激光器将激光打入涌水点的被测水体,被测水体受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至光探测器;采用至少两路并行光探测器,同时分别读取设定的各个波段的荧光信号;光谱分析模块根据光探测器输出的荧光信号,并进行滤波和A/D转换,经过数据整合后输出一路完整波段的荧光光谱数据;识别模块根据输入的被测水体的荧光光谱数据以及已知水样的PCA模型,基于SIMCA算法判断被测水体属于哪种已知水样。
2.根据权利要求1所述的矿井突水水源识别装置,其特征在于:所述光探测器为4个,所述光谱分析模块为FPGA,所述FPGA通过内部编程对4路并行光探测器进行控制,规定各光探测器采集的荧光光谱波段分别为400-499nm、500-599nm、600-699nm和700-799nm波段,将4路荧光光谱数据按顺序进行数据整合,输出400-799nm完整波段的荧光光谱数据。
3.根据权利要求1所述的矿井突水水源识别装置,其特征在于,所述识别模块判断被测水体属于哪种已知水样,具体执行如下操作:
读取被测水体的荧光光谱数据,采用移动平均法对该光谱数据进行数据预处理;
分别计算被测水体与不同已知水样的拟合偏差,以及总体偏差;
在显著性程度α=5%的情况下,进行F检测,将F的计算值与临界值进行比较,若F的计算值小于临界值,则被测水体属于该F的计算值对应的已知水样。
4.一种基于激光诱导和SIMCA分类法的矿井突水水源识别方法,用于根据已知水样的PCA模型对被测水体进行识别,其特征在于:该方法包括以下步骤:
激光器将激光打入涌水点的被测水体,被测水体受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至光探测器;
采用至少两路并行光探测器,同时分别读取设定的各个波段的荧光信号;
获取光探测器输出的荧光信号,进行滤波和A/D转换,经过数据整合后输出一路完整波段的荧光光谱数据;
根据被测水体的荧光光谱数据以及已知水样的PCA模型,基于SIMCA算法判断被测水体属于哪种已知水样。
5.根据权利要求4所述的矿井突水水源识别方法,其特征在于:所述光探测器为4个,采用FPGA通过内部编程对4路并行光探测器进行控制,规定各光探测器采集的荧光光谱波段分别为400-499nm、500-599nm、600-699nm和700-799nm波段,将4路荧光光谱数据按顺序进行数据整合,输出400-799nm完整波段的荧光光谱数据。
6.根据权利要求4所述的矿井突水水源识别方法,其特征在于,所述判断被测水体属于哪种已知水样,包括以下步骤:
读取被测水体的荧光光谱数据,采用移动平均法对该光谱数据进行数据预处理;
分别计算被测水体与不同已知水样的拟合偏差,以及总体偏差;
在显著性程度α=5%的情况下,进行F检测,将F的计算值与临界值进行比较,若F的计算值小于临界值,则被测水体属于该F的计算值对应的已知水样。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410757790.8A CN104458687A (zh) | 2014-12-10 | 2014-12-10 | 基于激光诱导和simca分类法的矿井突水水源识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410757790.8A CN104458687A (zh) | 2014-12-10 | 2014-12-10 | 基于激光诱导和simca分类法的矿井突水水源识别装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104458687A true CN104458687A (zh) | 2015-03-25 |
Family
ID=52905092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410757790.8A Pending CN104458687A (zh) | 2014-12-10 | 2014-12-10 | 基于激光诱导和simca分类法的矿井突水水源识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104458687A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844304A (zh) * | 2016-04-08 | 2016-08-10 | 安徽理工大学 | 煤矿井下水体水源的kpca算法分类方法 |
CN106198481A (zh) * | 2016-09-29 | 2016-12-07 | 安徽理工大学 | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 |
CN107688005A (zh) * | 2017-08-08 | 2018-02-13 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种岩溶地区隧道涌水水体来源的快速光学判别方法 |
CN108509993A (zh) * | 2018-04-02 | 2018-09-07 | 安徽理工大学 | 一种矿井突水激光诱导荧光光谱图像识别方法 |
CN110044856A (zh) * | 2019-03-28 | 2019-07-23 | 安徽理工大学 | 一种多光源lif葵花籽油掺杂菜籽油的快速无损鉴别设备 |
CN110132854A (zh) * | 2019-04-25 | 2019-08-16 | 中国矿业大学 | 针对动态煤矸识别的角位移光谱装置 |
CN111220574A (zh) * | 2020-03-06 | 2020-06-02 | 安徽理工大学 | 一种井下涌水水源类型分析报警系统及方法 |
CN111707639A (zh) * | 2020-07-24 | 2020-09-25 | 安徽理工大学 | 一种基于光谱分析技术的多参数水下检测无人机控制系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101592609A (zh) * | 2009-07-03 | 2009-12-02 | 广州市计量检测技术研究院 | 多通道的激光诱导击穿光谱的快速检测装置 |
US20120001094A1 (en) * | 2006-10-27 | 2012-01-05 | University Of South Florida | Deep-uv led and laser induced fluorescence detection and monitoring of trace organics in potable liquids |
CN203310754U (zh) * | 2013-05-30 | 2013-11-27 | 安徽理工大学 | 一种煤矿井下突水水源预测实时监测装置 |
CN103543123A (zh) * | 2013-10-08 | 2014-01-29 | 江南大学 | 一种掺假牛奶的红外光谱识别方法 |
-
2014
- 2014-12-10 CN CN201410757790.8A patent/CN104458687A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120001094A1 (en) * | 2006-10-27 | 2012-01-05 | University Of South Florida | Deep-uv led and laser induced fluorescence detection and monitoring of trace organics in potable liquids |
CN101592609A (zh) * | 2009-07-03 | 2009-12-02 | 广州市计量检测技术研究院 | 多通道的激光诱导击穿光谱的快速检测装置 |
CN203310754U (zh) * | 2013-05-30 | 2013-11-27 | 安徽理工大学 | 一种煤矿井下突水水源预测实时监测装置 |
CN103543123A (zh) * | 2013-10-08 | 2014-01-29 | 江南大学 | 一种掺假牛奶的红外光谱识别方法 |
Non-Patent Citations (2)
Title |
---|
周孟然等: "激光诱导荧光技术的煤矿水源水质监测研究", 《安徽理工大学学报( 自然科学版)》 * |
祖琴等: "主成分分析和SIMCA的甘蓝与杂草光谱识别方法研究", 《光谱学与光谱分析》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844304A (zh) * | 2016-04-08 | 2016-08-10 | 安徽理工大学 | 煤矿井下水体水源的kpca算法分类方法 |
CN106198481A (zh) * | 2016-09-29 | 2016-12-07 | 安徽理工大学 | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 |
CN106198481B (zh) * | 2016-09-29 | 2020-01-24 | 安徽理工大学 | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 |
CN107688005A (zh) * | 2017-08-08 | 2018-02-13 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种岩溶地区隧道涌水水体来源的快速光学判别方法 |
CN108509993A (zh) * | 2018-04-02 | 2018-09-07 | 安徽理工大学 | 一种矿井突水激光诱导荧光光谱图像识别方法 |
CN110044856A (zh) * | 2019-03-28 | 2019-07-23 | 安徽理工大学 | 一种多光源lif葵花籽油掺杂菜籽油的快速无损鉴别设备 |
CN110132854A (zh) * | 2019-04-25 | 2019-08-16 | 中国矿业大学 | 针对动态煤矸识别的角位移光谱装置 |
CN110132854B (zh) * | 2019-04-25 | 2024-02-09 | 中国矿业大学 | 针对动态煤矸识别的角位移光谱装置 |
CN111220574A (zh) * | 2020-03-06 | 2020-06-02 | 安徽理工大学 | 一种井下涌水水源类型分析报警系统及方法 |
CN111220574B (zh) * | 2020-03-06 | 2023-03-14 | 安徽理工大学 | 一种井下涌水水源类型分析报警系统及方法 |
CN111707639A (zh) * | 2020-07-24 | 2020-09-25 | 安徽理工大学 | 一种基于光谱分析技术的多参数水下检测无人机控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104458687A (zh) | 基于激光诱导和simca分类法的矿井突水水源识别装置及方法 | |
EP3947905B1 (en) | Machine-learning based fracture-hit detection using low-frequency das signal | |
Scholar | Review and analysis of crack detection and classification techniques based on crack types | |
CN205608142U (zh) | 一种变压器内部局部放电的测试系统 | |
CN111337447B (zh) | 一种煤矸仿生识别系统及方法 | |
CN104483299A (zh) | 一种矿区水害水源辨别方法 | |
CN103543462A (zh) | 一种放射性气溶胶核素识别装置 | |
CN105067101A (zh) | 振源识别的基于振动信号的基音频率特征的提取方法 | |
CN103674921A (zh) | 基于k最近邻法煤矿井下突水水源预测的检测方法 | |
CN203310754U (zh) | 一种煤矿井下突水水源预测实时监测装置 | |
CN204142624U (zh) | 一种基于复合光谱测量的在线水质监测装置 | |
CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
CN106707355A (zh) | 一种沉积岩岩性自动识别方法 | |
CN102768191B (zh) | 一种水中痕量铊的简便测定方法 | |
CN104122319A (zh) | 一种基于离子复合电极检测技术和光谱分析技术的矿区水源识别方法及系统 | |
CN107120141B (zh) | 基于井下微色谱及光纤测温的煤矿自燃火灾监测方法及装置 | |
CN102967557B (zh) | 基于近红外光谱的生物气溶胶含水量测定及其分类方法 | |
CN106198481B (zh) | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 | |
CN104457851A (zh) | 一种土木工程结构健康状态远程监测系统 | |
CN205067346U (zh) | 一种海洋溢油定点监测设备 | |
CN111364986A (zh) | 一种油井井下油水两相流持水率测量装置及方法 | |
CN103558177A (zh) | 生肉组织水分近红外检测装置及检测方法 | |
CN204789326U (zh) | 一种油气勘探过程中红外非烃co2气体分析仪 | |
CN105675524A (zh) | 烟气分析系统及方法 | |
CN115759351A (zh) | 泥水盾构掘进综合预警方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150325 |
|
RJ01 | Rejection of invention patent application after publication |