CN111915844B - 利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置 - Google Patents

利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置 Download PDF

Info

Publication number
CN111915844B
CN111915844B CN202010680181.2A CN202010680181A CN111915844B CN 111915844 B CN111915844 B CN 111915844B CN 202010680181 A CN202010680181 A CN 202010680181A CN 111915844 B CN111915844 B CN 111915844B
Authority
CN
China
Prior art keywords
cepstrum
stability
coal
coal rock
cepstrum coefficient
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.)
Active
Application number
CN202010680181.2A
Other languages
English (en)
Other versions
CN111915844A (zh
Inventor
李振雷
王洪磊
宋大钊
何学秋
薛雅荣
邱黎明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhong-An Academy Of Safety Engineering
University of Science and Technology Beijing USTB
Original Assignee
Zhong-An Academy Of Safety Engineering
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhong-An Academy Of Safety Engineering, University of Science and Technology Beijing USTB filed Critical Zhong-An Academy Of Safety Engineering
Priority to CN202010680181.2A priority Critical patent/CN111915844B/zh
Publication of CN111915844A publication Critical patent/CN111915844A/zh
Application granted granted Critical
Publication of CN111915844B publication Critical patent/CN111915844B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/173—Transcoding, i.e. converting between two coded representations avoiding cascaded coding-decoding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/15—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being formant information
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/45—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of analysis window
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供一种利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置，属于煤岩动力灾害监测预警领域。所述方法包括：对原始震动波信号的倒谱系数进行排序得到倒谱系数的时序分布；根据得到的倒谱系数的时序分布，为倒谱系数制作标签；确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；利用建立的评价准则对煤岩体的稳定性进行实时评价。采用本发明，能够根据震动波信号定量评价煤岩体的稳定性，有助于提高煤岩动力灾害监测预警的准确性。

Description

利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置
技术领域
本发明涉及煤岩动力灾害监测预警领域，特别涉及是指一种利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置。
背景技术
煤岩失稳可能导致煤岩动力灾害的发生。煤岩动力灾害主要包括冲击地压、煤与瓦斯突出等，易受采动作用影响且常发生在高应力集中区，其破坏性大，能造成井巷破坏、人员伤亡和设备损坏等严重后果。由于煤炭资源的长期开采，浅部资源逐渐枯竭，我国煤矿已逐步进入到深部开采的阶段，动力灾害的频次、强度及破坏性均呈上升趋势。对煤岩稳定性进行评价进而对煤岩动力灾害危险进行预警是煤矿提前采取防控措施、确保安全生产的前提和保障。
目前，煤岩动力灾害的监测预警方法主要包括：岩石力学方法和地球物理方法两大类，其中，地球物理方法由于其本身所具有的非接触、连续性和自动监测等优势在矿山获得了广泛的应用；地球物理方法中的微震和地音监测方法通过采集煤岩变形破裂过程的震动波信号来实现对区域和局部煤岩体裂隙发育扩展过程的监测，是较为理想的动力灾害监测预警手段。此外，声发射技术被广泛应用于实验室煤岩破裂过程监测，该技术同样通过采集震动波信号来分析煤岩在实验室加卸载条件下的破裂过程。目前针对微震、地音、声发射等采集的震动波信号的分析手段和分析指标较为单一，大都简单使用能量、频次、计数等统计参数，缺少对原始震动波信号的深入挖掘分析，上述参数与煤岩体应力水平间的关系十分复杂，仅靠这些参数难以实现对煤岩稳定性的准确评价和动力灾害的准确预警，已影响到矿井安全生产。可见，有必要对微震、地音、声发射等监测系统采集的信号进行深入挖掘分析，从原始震动波信号中提取出能准确表征煤岩体稳定性的参量，以达到提高煤岩动力灾害监测预警准确率的目的。
发明内容
本发明实施例提供了利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置，能够根据震动波信号定量评价煤岩体的稳定性，有助于提高煤岩动力灾害监测预警的准确性。技术方案如下：
一方面，提供了一种利用倒谱系数分析震动信号评价煤岩稳定性的方法，该方法应用于电子设备，该方法包括：
确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；
根据得到的倒谱系数的时序分布，为倒谱系数制作标签；其中，标签采用煤岩体的应力状态；
确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；
确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；
利用建立的评价准则对煤岩体的稳定性进行实时评价。
进一步地，确定原始震动波信号的倒谱系数包括：
利用语音识别领域的特征提取技术对原始震动波信号进行分帧、加窗、离散傅立叶变换、滤波、取对数后做离散余弦变换，得到原始震动波信号的倒谱系数，其中，倒谱系数的表达式为：
Figure BDA0002585551290000021
其中，Cn为倒谱系数的第n个参数，Hm为第m个滤波器，M为滤波器的个数，W为原始震动波信号经分帧、加窗和离散傅立叶变换后得到的短时能量谱信号。
进一步地，若倒谱系数为梅尔倒谱系数，则采用的滤波器为梅尔滤波器组，滤波器的传递函数为：
Figure BDA0002585551290000022
其中，Hm(k)为第m个滤波器转换函数的第k个值；0≤m<M，M为梅尔滤波器组中滤波器的个数；f(m)为滤波器的中心频率，f(m)的表达式为：
Figure BDA0002585551290000031
其中，fl为滤波器组频率范围的最低频率，fh为滤波器组频率范围的最高频率，fx为震动波信号的采样频率，N为震动波信号经分帧后每帧信号的长度，
Figure BDA0002585551290000032
是Fmel的逆函数，
Figure BDA0002585551290000033
和Fmel分别表示为：
Fmel(f)＝2059log10(1+f/700)
Figure BDA0002585551290000034
若倒谱系数为线性倒谱系数，则采用的滤波器为线性三角带通滤波器组，滤波器的传递函数为：
Figure BDA0002585551290000035
其中，Hm(k)为第m个滤波器转换函数的第k个值；0≤m<M，M为线性三角带通滤波器组中滤波器的个数；fs为滤波器的带宽。
进一步地，对倒谱系数进行排序得到倒谱系数的时序分布包括：
按照震动波信号分帧的顺序以相邻帧之间的时间间隔对倒谱系数进行排序，得到倒谱系数的时序分布；其中，时间间隔的计算公式为：
Figure BDA0002585551290000036
其中，TC为时间间隔，fx为震动波信号的采样频率，N为震动波信号经分帧后每帧信号的长度，L为相邻帧之间的重叠长度；
其中，倒谱系数的时序分布为：
Cn(t),t＝0,1TC,2TC,…,RTC
其中，Cn(t)为t时刻的倒谱系数。
进一步地，所述为倒谱系数制作标签是指采用将倒谱系数与煤岩体应力状态相对应的方式得到倒谱系数与煤岩体应力状态的对应关系；
所述采用将倒谱系数与煤岩体应力状态相对应的方式得到倒谱系数与煤岩体应力状态的对应关系包括：
计算相邻应力采集点之间倒谱系数的平均值，其中，ti时刻倒谱系数平均值的计算公式为：
Figure BDA0002585551290000037
其中，
Figure BDA0002585551290000038
表示ti时刻倒谱系数平均值；fx为震动波信号的采样频率；N为震动波信号经分帧后每帧信号的长度；L为相邻帧之间的重叠长度；fσ为应力信号的采样频率；Cn(t)为t时刻的倒谱系数；
根据ti时刻倒谱系数平均值与ti时刻煤岩体应力状态相对应，得到倒谱系数与煤岩体应力状态的对应关系为：
Figure BDA0002585551290000041
其中，Lσ为应力信号的长度；
Figure BDA0002585551290000042
为t时刻倒谱系数平均值；
Figure BDA0002585551290000043
为t时刻煤岩体的应力状态，表示为：
Figure BDA0002585551290000044
其中，σ(t)为t时刻应力信号采集值，σc为煤岩体极限强度。
进一步地，确定倒谱系数与标签的相关性包括：
采用皮尔逊相关系数确定倒谱系数与标签的相关性。
进一步地，确定标签随评价指标的概率分布包括：
在标签的取值范围内计算标签取不同值时评价指标的均值；
选取标签取不同值时对应的评价指标的均值作为特征值，利用概率统计知识计算评价指标取不同特征值时对应的标签取值的概率，该概率即为标签随评价指标的概率分布。
进一步地，建立利用评价指标评价煤岩体稳定性的评价准则包括：
根据标签与煤岩体稳定性的对应关系及标签随评价指标的概率分布，选取煤岩体稳定性分界点对应的评价指标的均值作为阈值；
计算标签取不同值时落在不同评价指标阈值区间的概率，到煤岩体稳定性与评价指标阈值区间的概率对应关系，该概率对应关系即为煤岩体稳定性的评价准则。
进一步地，所述利用建立的评价准则对煤岩体的稳定性进行实时评价包括：
利用实时采集的震动波信号计算被选作为评价指标的倒谱系数的若干个参数的值，得到评价指标的实时值，根据得到的评价指标的实时值，利用建立的评价准则对煤岩体的稳定性进行评价。
一方面，提供了一种利用倒谱系数分析震动信号评价煤岩稳定性的装置，该装置应用于电子设备，该装置包括：
排序模块，用于确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；
制作模块，用于根据得到的倒谱系数的时序分布，为倒谱系数制作标签；其中，标签采用煤岩体的应力状态；
选取模块，用于确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；
建立模块，用于确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；
评价模块，用于利用建立的评价准则对煤岩体的稳定性进行实时评价。
一方面，提供了一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述利用倒谱系数分析震动信号评价煤岩稳定性的方法。
一方面，提供了一种计算机可读存储介质，存储介质中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述利用倒谱系数分析震动信号评价煤岩稳定性的方法。
本发明实施例提供的技术方案带来的有益效果至少包括：
本发明实施例中，确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；根据得到的倒谱系数的时序分布，为倒谱系数制作标签；确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；利用建立的评价准则对煤岩体的稳定性进行实时评价；这样，通过对原始震动波信号进行分析，提取出能够表征煤岩体稳定性的评价指标，建立煤岩体稳定性的评价准则，利用建立的评价准则对相似条件下煤岩体的稳定性进行实时定量评价，有利于提高煤岩动力灾害监测预警的准确性，为矿井安全生产起到积极作用。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的利用倒谱系数分析震动信号评价煤岩稳定性的方法的流程示意图；
图2为本发明实施例提供的采集的煤样原始声发射全波形信号和应力信号示意图；
图3为本发明实施例提供的煤样声发射信号梅尔倒谱系数计算流程示意图；
图4(a)-(l)为本发明实施例提供的煤样梅尔倒谱系数12个参数的时序分布示意图；
图5为本发明实施例提供的煤样应力状态的时序分布示意图；
图6(a)-(h)为本发明实施例提供的煤样梅尔倒谱系数其中8个参数与应力状态的对应关系和线性拟合关系示意图；
图7为本发明实施例提供的煤样梅尔倒谱系数与应力状态的皮尔逊相关性系数分布箱型示意图；
图8为本发明实施例提供的煤样梅尔倒谱系数均值和标准差随应力状态变化的分布示意图；
图9为本发明实施例提供的典型应力状态下煤样梅尔倒谱系数的统计分布特征示意图；
图10为本发明实施例提供的利用倒谱系数分析震动信号评价煤岩稳定性的装置的结构示意图；
图11是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
如图1所示，本发明实施例提供了一种利用倒谱系数分析震动信号评价煤岩稳定性的方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器，该方法包括：
S101，确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；
S102，根据得到的倒谱系数的时序分布，为倒谱系数制作标签；其中，标签采用煤岩体的应力状态；
S103，确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；
S104，确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；
S105，利用建立的评价准则对煤岩体的稳定性进行实时评价。
本发明实施例提供的利用倒谱系数分析震动信号评价煤岩稳定性的方法，确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；根据得到的倒谱系数的时序分布，为倒谱系数制作标签；确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；利用建立的评价准则对煤岩体的稳定性进行实时评价；这样，通过对原始震动波信号进行分析，提取出能够表征煤岩体稳定性的评价指标，建立煤岩体稳定性的评价准则，利用建立的评价准则对相似条件下煤岩体的稳定性进行实时定量评价，有利于提高煤岩动力灾害监测预警的准确性，为矿井安全生产起到积极作用。
本实施例中，所述相似条件的煤岩体是指同一矿井同一煤层相似地质条件的煤岩体。
本实施例中，在确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布(S101)之前，所述方法还包括：
在煤岩体上布置传感器，通过布置的传感器采集煤岩变形破裂过程的震动波信号作为原始数据，以便后续对该原始数据进行挖掘，得到煤岩体稳定性的评价准则，利用评价准则对相似条件的煤岩体的稳定性进行评价。
本实施例中，所述煤岩体是指工程现场采掘周边的煤岩体或者室内实验用的煤岩试样；对工程现场煤岩体一般布置微震或地音传感器，对室内煤岩试样一般布置声发射传感器；所述震动波信号是指一系列独立的震动波或者是连续的震动波全波形。
进一步地，S101中的确定原始震动波信号的倒谱系数包括：
利用语音识别领域的特征提取技术对原始震动波信号进行分帧、加窗、离散傅立叶变换、滤波、取对数后做离散余弦变换，得到原始震动波信号的倒谱系数，其中，倒谱系数的表达式为：
Figure BDA0002585551290000071
其中，Cn为倒谱系数的第n个参数，Hm为第m个滤波器，M为滤波器的个数，W为原始震动波信号经分帧、加窗和离散傅立叶变换后得到的短时能量谱信号。
本实施例中的倒谱系数为梅尔倒谱系数或者线性倒谱系数；其中，
a)若倒谱系数为梅尔倒谱系数，则采用的滤波器为梅尔滤波器组，滤波器的传递函数为：
Figure BDA0002585551290000081
其中，Hm(k)为第m个滤波器转换函数的第k个值；0≤m<M，M为梅尔滤波器组中滤波器的个数；f(m)为滤波器的中心频率，f(m)的表达式为：
Figure BDA0002585551290000082
其中，fl为滤波器组频率范围的最低频率，fh为滤波器组频率范围的最高频率，fx为震动波信号的采样频率，N为震动波信号经分帧后每帧信号的长度，
Figure BDA0002585551290000083
是Fmel的逆函数，
Figure BDA0002585551290000084
和Fmel分别表示为：
Fmel(f)＝2059log10(1+f/700)
Figure BDA0002585551290000085
其中，Fmel(f)是2059log10(1+f/700)的简写形式，
Figure BDA0002585551290000086
是
Figure BDA0002585551290000087
Figure BDA0002585551290000088
的简写形式，
Figure BDA0002585551290000089
和Fmel无特殊含义；f和b都是变量，不具体指代某个物理量，f和b可以换成其他符号；如果将Fmel和
Figure BDA00025855512900000810
这两个函数带入到上式f(m)，则f就表示fl和fh，b就表示
Figure BDA00025855512900000811
b)若倒谱系数为线性倒谱系数，则采用的滤波器为线性三角带通滤波器组，滤波器的传递函数为：
Figure BDA00025855512900000812
其中，Hm(k)为第m个滤波器转换函数的第k个值；0≤m<M，M为线性三角带通滤波器组中滤波器的个数，M一般满足M<N/10；fs为滤波器的带宽。
本实施例中，利用自动语音识别方法中的声音信号倒谱系数特征提取技术对布置在煤岩体上传感器采集到的煤岩变形破裂过程中的震动波信号进行分析，提取原始震动波信号的倒谱系数，以便后续能够提取出表征煤岩体稳定性的评价指标。
进一步地，S101中的对倒谱系数进行排序得到倒谱系数的时序分布包括：
按照震动波信号分帧的顺序以相邻帧之间的时间间隔对倒谱系数进行排序，得到倒谱系数的时序分布；其中，时间间隔的计算公式为：
Figure BDA0002585551290000091
其中，TC为时间间隔，fx为震动波信号的采样频率，N为震动波信号经分帧后每帧信号的长度，L为相邻帧之间的重叠长度；
本实施例中，得到的倒谱系数的时序分布为：
Cn(t),t＝0,1TC,2TC,…,RTC
其中，Cn(t)为t时刻的倒谱系数。
本实施例中，震动波信号的分帧数的计算公式为：
Figure BDA0002585551290000092
其中，P为震动波信号的分帧数，Lx为震动波信号的长度，[·]是取整函数。
本实施例中，在S102中所述的标签采用煤岩体的应力状态，所述煤岩体的应力状态由煤岩体的实际受力与煤岩体极限强度的比值来表示，其中，煤岩体极限强度可以通过室内实验测试得到。
本实施例中，所述煤岩体的应力状态通过在煤岩体上布置应力采集传感器采集应力信号并通过如下公式计算得到：
Figure BDA0002585551290000093
其中，
Figure BDA0002585551290000094
为t时刻煤岩体的应力状态，σ(t)为t时刻应力信号采集值，σc为煤岩体极限强度，fσ为应力信号的采样频率，Lσ为应力信号的长度；
进一步地，S102中为倒谱系数制作标签是指采用将倒谱系数与煤岩体应力状态相对应的方式得到倒谱系数与煤岩体应力状态的对应关系，其中，所述采用将倒谱系数与煤岩体应力状态相对应的方式得到倒谱系数与煤岩体应力状态的对应关系包括：
C1，计算相邻应力采集点之间倒谱系数的平均值，其中，ti时刻倒谱系数平均值的计算公式为：
Figure BDA0002585551290000095
其中，
Figure BDA0002585551290000096
表示ti时刻倒谱系数平均值；fx为震动波信号的采样频率；N为震动波信号经分帧后每帧信号的长度；L为相邻帧之间的重叠长度；fσ为应力信号的采样频率；Cn(t)为t时刻的倒谱系数；
C2，根据ti时刻倒谱系数平均值与ti时刻煤岩体应力状态相对应，得到倒谱系数与煤岩体应力状态的对应关系为：
Figure BDA0002585551290000101
其中，Lσ为应力信号的长度；
Figure BDA0002585551290000102
为t时刻煤岩体的应力状态；
Figure BDA0002585551290000103
为t时刻倒谱系数平均值。
本实施例中，除了为倒谱系数制作标签，还需要建立标签与煤岩体稳定性的对应关系，如表1所示。
表1标签与煤岩体稳定性的对应关系
Figure BDA0002585551290000105
进一步地，S103中的确定倒谱系数与标签的相关性包括：
采用皮尔逊相关系数确定倒谱系数与标签的相关性，其中，皮尔逊相关系数的计算公式为：
Figure BDA0002585551290000104
其中，cov(X,Y)为变量X和Y的协方差，σX、σY为变量X和Y的标准差，变量X和Y分别为倒谱系数和标签。
本实施例中，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标，其中，煤岩体稳定性的评价指标的选取标准包括：评价指标要与标签的相关性高(即：相关性大于相关性阈值)，但不限于此，例如，还可以包括：评价指标要与标签的离散性小且表现稳定。
本实施例中，离散型小指评价指标的标准差或方差足够小(即：方差小于方差阈值)，越小越好；表现稳定指评价指标的标准差或者方差的变化幅度小，一直在某个特定值上下预设范围内浮动。
进一步地，S104中的确定标签随评价指标的概率分布包括：
D1，在标签的取值范围内计算标签取不同值时评价指标的均值；
本实施例中，在标签的取值范围内计算标签取不同值时评价指标的分布特征、均值和方差。
D2，选取标签取不同值时对应的评价指标的均值作为特征值，利用概率统计知识计算评价指标取不同特征值时对应的标签取值的概率，该概率即为标签随评价指标的概率分布。
进一步地，S104中的建立利用评价指标评价煤岩体稳定性的评价准则包括：
E1，根据标签与煤岩体稳定性的对应关系及标签随评价指标的概率分布，选取煤岩体稳定性分界点对应的评价指标的均值作为阈值；
E2，计算标签取不同值时落在不同评价指标阈值区间的概率，到煤岩体稳定性与评价指标阈值区间的概率对应关系，该概率对应关系即为煤岩体稳定性的评价准则。
进一步地，S105中的对实时采集的震动波信号进行处理，得到评价指标的实时值包括：
利用实时采集的震动波信号计算被选作为评价指标的倒谱系数的某一个或某几个参数的值，得到评价指标的实时值，根据得到的评价指标的实时值，利用建立的评价准则对煤岩体的稳定性进行评价。
为了更好地理解本发明，结合具体的应用场景，对本发明实施例提供的利用倒谱系数分析震动信号评价煤岩稳定性的方法作进一步说明：
本实施例以某煤矿某煤层为例，采集该煤层的煤样制作成标准煤样，在实验室内对标准煤样进行加载并在煤样上布置声发射传感器和应力传感器，同步采集煤样加载过程的声发射全波形信号(简称：声发射信号)和应力信号，对采集的信号进行数据挖掘得到煤样稳定性的评价准则，利用评价准则对采自该煤层的其他煤样的稳定性进行评价，煤样稳定性评价的步骤如下：
(1)将取自煤层的原始煤块切割成大小为50mm×50mm×100mm的方柱性标准煤样，选用裂隙较少、完整性较好的55个煤样进行单轴压缩试验，在每个煤样加载试验过程中，均布置声发射传感器和应力传感器，同步采集煤样加载过程的声发射全波形信号和应力信号，对每个煤样采集的声发射信号均进行倒谱系数计算并对倒谱系数排序得到倒谱系数的时序分布。
对55个煤样声发射信号进行倒谱系数计算和排序的步骤相同，在本实施例中仅以其中某一煤样的声发射全波形信号为例进行说明，该煤样采集的原始声发射全波形信号和应力信号如图2所示，图2中，load表示载荷，单位是“kN”，用来计算应力(stress)，单位是“MPa”；AE amplitude表示声发射信号振幅，单位是“V”；time表示时间，单位是“s”。
在本实施例中，具体计算声发射信号的倒谱系数时选择梅尔倒谱系数，梅尔倒谱系数的计算流程如图3所示，利用MATLAB将本发明所述的方法编制成计算和排序梅尔倒谱系数的程序，具体计算时的参数设置包括：声发射信号的采样频率为1MHz，对声发射信号分帧，设置每帧长度为2ms，包含2000个数据点，相邻帧之间重叠0.5ms，包含500个数据点，相邻帧之间的时间间隔为1.5ms，即每1.5ms对应输出一组梅尔倒谱系数，设置梅尔倒谱系数参数的个数设为12，即每组梅尔倒谱系数包含12个参数，用MFCCs-n表示一组梅尔倒谱系数中的第n个参数值，利用程序计算得到上述煤样的梅尔倒谱系数的时序分布，如图4(a)-(l)中所示的散点图MFCCs-1至MFCCs-12。
(2)上述煤样的极限强度为11.16MPa，由图2所示的煤样载荷信号的时序分布、煤样的极限强度和煤样的截面积(由煤样的尺寸计算得到)可以计算出煤样应力状态(stressstate)的时序分布，如图5所示。
上述煤样的应力信号的采样频率为25Hz，即相邻应力数据点的时间间隔为40ms，40ms时段对应包含40000个声发射数据点，对应26帧声发射信号和26组梅尔倒谱系数，将40ms时段对应的26组梅尔倒谱系数的参数值取平均得到一组梅尔倒谱系数平均值，该组平均值对应一个应力状态数据点，实现了梅尔倒谱系数与应力状态之间的一一对应关系，该对应关系作为梅尔倒谱系数的标签，如图6所示，需说明的是，由图4可以看出MFCCs-7、MFCCs-9、MFCCs-10、MFCCs-12等4个梅尔倒谱系数参数随煤样加载过程变化的波动性较大，规律性不明显，不适合作为表征煤样稳定性的参数，因此，图6(a)-(h)中仅展示了其余8个梅尔倒谱系数参数与应力状态的对应关系。
(3)对上述煤样8个梅尔倒谱系数参数与应力状态的对应关系进行线性相关性拟合，并利用皮尔逊相关性系数对梅尔倒谱系数参数与应力状态之间的相关性进行计算，线性拟合和相关性计算结果如图6所示，可以看出，MFCCs-3、MFCCs-4、MFCCs-5、MFCCs-6、MFCCs-8与应力状态的线性拟合关系好、相关性系数高，图6中y代表纵轴，x代表横轴，y和x的关系为图中的黑色直线，表示梅尔倒谱系数MFCC与应力状态stress state的线性拟合关系，R代表梅尔倒谱系数MFCC与应力状态stress state的皮尔逊相关性系数。
进一步，计算55个煤样声发射信号梅尔倒谱系数与应力状态的皮尔逊相关性系数(pearson coefficient)并将结果绘制成箱型图，如图7所示，可以看出，MFCCs-3和MFCCs-6不仅与应力状态具有极高的相关性，而且在各煤样之间的离散程度较小，优于其他参数。
进一步，计算应力状态分别为0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0时55个煤样MFCCs-3和MFCCs-6两个参数的均值和方差，结果如图8所示，图中浅色阴影部分表示在相同应力水平下不同煤样声发射梅尔倒谱系数的方差，可以看出，55个煤样的MFCCs-3、MFCCs-6的均值与应力水平之间均满足线性变化关系，但随着应力水平的增加，MFCCs-6的离散程度逐渐增大，MFCCs-6的稳定性表现不如MFCCs-3，故选择梅尔倒谱系数的第3个参数MFCCs-3作为煤岩体稳定性的评价指标。
(4)对55个煤样在应力状态分别为0.5、0.7、0.9、1.0时MFCCs-3的分布特征进行统计分析，如图9所示，图中每个散点表示一个煤样在该应力状态下的MFCCs-3的数值(Value)，箱型盒子是对该应力状态下MFCCs-3分布情况的统计(Statistics)，黑色曲线是使用正态分布(Normal distribution)对MFCCs-3分布进行分析的结果。
进一步，Shapiro-Wilktest是检验数据是否服从正态分布的方法之一，如果p值大于给定显著度水平α，则认为数据近似服从正态分布，将显著度水平α设定为0.05，使用Shapiro-Wilktest检验55个煤样在应力状态分别为0.5、0.7、0.9、1.0时MFCCs-3的分布特征，结果如表2所示，可以看出55个煤样在应力状态分别为0.5、0.7、0.9、1.0时MFCCs-3均服从正态分布。
表2 55个煤样MFCCs-3的正态性分布检验结果
应力状态 均值(μ) 方差(σ) 统计值 p值 在5％水平下结论
0.5 -1.429 0.302 0.959 0.063 符合正态性
0.7 -1.717 0.267 0.972 0.235 符合正态性
0.9 -2.034 0.29 0.993 0.987 符合正态性
1.0 -2.481 0.335 0.970 0.200 符合正态性
选取煤样应力状态分别为0.5、0.7、0.9、1.0时MFCCs-3的均值-1.429、-1717、-2.034、-2.481作为MFCCs-3的特征值，计算MFCCs-3值分别等于-1.429、-1717、-2.034、-2.481时应力状态大于0.5、0.7、0.9、1.0的概率，结果如表3所示，表3展示了标签随评价指标的概率分布。
表3标签随评价指标的概率分布
Figure BDA0002585551290000141
根据表1标签与煤岩体稳定性的对应关系和表3标签随评价指标的概率分布，选取煤岩体稳定性分界点对应的评价指标的均值-1.429、-1717、-2.034、-2.481作为阈值，计算标签取不同值时落在不同评价指标阈值区间的概率，得到上述煤样稳定性与评价指标阈值区间的概率对应关系，如表4所示，该概率对应关系作为上述煤样稳定性的评价准则。
表4煤样稳定性评价准则
Figure BDA0002585551290000142
(5)对采自上述煤层的其他煤样进行实验室加载实验，并同步采集加载过程的声发射信号，利用本发明提出的方法计算声发射信号的梅尔倒谱系数第3个参数MFCCs-3，根据表4煤样稳定性评价准则对煤样的稳定状态进行评价，具体的，在本实施例中，认为煤样稳定性的概率达到80％以上时高度可信，则，当计算的MFCCs-3大于-1.717时认为煤样处于稳定状态，当计算的MFCCs-3落在(-2.034，-1.717]区间时认为煤样处于中等稳定及以下状态，当计算的MFCCs-3落在(-2.481，-2.034]区间时认为煤样处于弱稳定及以下状态，当计算的MFCCs-3小于等于-2.481时认为煤样处于不稳定状态。
本发明还提供一种利用倒谱系数分析震动信号评价煤岩稳定性的装置的具体实施方式，由于本发明提供的利用倒谱系数分析震动信号评价煤岩稳定性的装置与前述利用倒谱系数分析震动信号评价煤岩稳定性的方法的具体实施方式相对应，该利用倒谱系数分析震动信号评价煤岩稳定性的装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述利用倒谱系数分析震动信号评价煤岩稳定性的方法具体实施方式中的解释说明，也适用于本发明提供的利用倒谱系数分析震动信号评价煤岩稳定性的装置的具体实施方式，在本发明以下的具体实施方式中将不再赘述。
如图10所示，本发明实施例还提供一种利用倒谱系数分析震动信号评价煤岩稳定性的装置，包括：
排序模块11，用于确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；
制作模块12，用于根据得到的倒谱系数的时序分布，为倒谱系数制作标签；其中，标签采用煤岩体的应力状态；
选取模块13，用于确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；
建立模块14，用于确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；
评价模块15，用于利用建立的评价准则对煤岩体的稳定性进行实时评价。
本发明实施例的利用倒谱系数分析震动信号评价煤岩稳定性的装置，确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；根据得到的倒谱系数的时序分布，为倒谱系数制作标签；确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；利用建立的评价准则对煤岩体的稳定性进行实时评价；这样，通过对原始震动波信号进行分析，提取出能够表征煤岩体稳定性的评价指标，建立煤岩体稳定性的评价准则，利用建立的评价准则对相似条件下煤岩体的稳定性进行实时定量评价，有利于提高煤岩动力灾害监测预警的准确性，为矿井安全生产起到积极作用。
图11是本发明实施例提供的一种电子设备600的结构示意图，该电子设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessingunits，CPU)601和一个或一个以上的存储器602，其中，存储器602中存储有至少一条指令，至少一条指令由处理器601加载并执行以实现上述利用倒谱系数分析震动信号评价煤岩稳定性的方法。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述利用倒谱系数分析震动信号评价煤岩稳定性的方法。例如，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，包括：
确定原始震动波信号的倒谱系数，对倒谱系数进行排序得到倒谱系数的时序分布；
根据得到的倒谱系数的时序分布，为倒谱系数制作标签；其中，标签采用煤岩体的应力状态；
确定倒谱系数与标签的相关性，根据相关性结果从倒谱系数中选取若干个参数作为煤岩体稳定性的评价指标；
确定标签随评价指标的概率分布，建立利用评价指标评价煤岩体稳定性的评价准则；
利用建立的评价准则对煤岩体的稳定性进行实时评价；
其中，所述为倒谱系数制作标签是指采用将倒谱系数与煤岩体应力状态相对应的方式得到倒谱系数与煤岩体应力状态的对应关系；
所述采用将倒谱系数与煤岩体应力状态相对应的方式得到倒谱系数与煤岩体应力状态的对应关系包括：
计算相邻应力采集点之间倒谱系数的平均值，其中，ti时刻倒谱系数平均值的计算公式为：
Figure FDA0003184059990000011
其中，
Figure FDA0003184059990000012
表示ti时刻倒谱系数平均值；fx为震动波信号的采样频率；N为震动波信号经分帧后每帧信号的长度；L为相邻帧之间的重叠长度；fσ为应力信号的采样频率；Cn(t)为t时刻的倒谱系数；
根据ti时刻倒谱系数平均值与ti时刻煤岩体应力状态相对应，得到倒谱系数与煤岩体应力状态的对应关系为：
Figure FDA0003184059990000013
其中，Lσ为应力信号的长度；
Figure FDA0003184059990000014
为t时刻倒谱系数平均值；
Figure FDA0003184059990000015
为t时刻煤岩体的应力状态，表示为：
Figure FDA0003184059990000021
其中，σ(t)为t时刻应力信号采集值，σc为煤岩体极限强度。
2.根据权利要求1的利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，确定原始震动波信号的倒谱系数包括：
利用语音识别领域的特征提取技术对原始震动波信号进行分帧、加窗、离散傅立叶变换、滤波、取对数后做离散余弦变换，得到原始震动波信号的倒谱系数，其中，倒谱系数的表达式为：
Figure FDA0003184059990000022
其中，Cn为倒谱系数的第n个参数，Hm为第m个滤波器的传递函数，M为滤波器的个数，W为原始震动波信号经分帧、加窗和离散傅立叶变换后得到的短时能量谱信号。
3.根据权利要求1的利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，若倒谱系数为梅尔倒谱系数，则采用的滤波器为梅尔滤波器组，滤波器的传递函数为：
Figure FDA0003184059990000023
其中，Hm(k)为第m个滤波器转换函数的第k个值；0≤m＜M，M为梅尔滤波器组中滤波器的个数；f(m)为滤波器的中心频率，f(m)的表达式为：
Figure FDA0003184059990000024
其中，fl为滤波器组频率范围的最低频率，fh为滤波器组频率范围的最高频率，fx为震动波信号的采样频率，N为震动波信号经分帧后每帧信号的长度，
Figure FDA0003184059990000025
是Fmel的逆函数，
Figure FDA0003184059990000026
和Fmel分别表示为：
Fmel(f)＝2059log10(1+f/700)
Figure FDA0003184059990000027
若倒谱系数为线性倒谱系数，则采用的滤波器为线性三角带通滤波器组，滤波器的传递函数为：
Figure FDA0003184059990000031
其中，Hm(k)为第m个滤波器转换函数的第k个值；0≤m＜M，M为线性三角带通滤波器组中滤波器的个数；fs为滤波器的带宽。
4.根据权利要求1的利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，对倒谱系数进行排序得到倒谱系数的时序分布包括：
按照震动波信号分帧的顺序以相邻帧之间的时间间隔对倒谱系数进行排序，得到倒谱系数的时序分布；其中，时间间隔的计算公式为：
Figure FDA0003184059990000032
其中，TC为时间间隔，fx为震动波信号的采样频率，N为震动波信号经分帧后每帧信号的长度，L为相邻帧之间的重叠长度；
其中，倒谱系数的时序分布为：
Cn(t)，t＝0，1TC，2TC，...，RTC
其中，Cn(t)为t时刻的倒谱系数。
5.根据权利要求1的利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，确定倒谱系数与标签的相关性包括：
采用皮尔逊相关系数确定倒谱系数与标签的相关性。
6.根据权利要求1的利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，确定标签随评价指标的概率分布包括：
在标签的取值范围内计算标签取不同值时评价指标的均值；
选取标签取不同值时对应的评价指标的均值作为特征值，利用概率统计知识计算评价指标取不同特征值时对应的标签取值的概率，该概率即为标签随评价指标的概率分布。
7.根据权利要求1的利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，建立利用评价指标评价煤岩体稳定性的评价准则包括：
根据标签与煤岩体稳定性的对应关系及标签随评价指标的概率分布，选取煤岩体稳定性分界点对应的评价指标的均值作为阈值；
计算标签取不同值时落在不同评价指标阈值区间的概率，到煤岩体稳定性与评价指标阈值区间的概率对应关系，该概率对应关系即为煤岩体稳定性的评价准则。
8.根据权利要求1的利用倒谱系数分析震动信号评价煤岩稳定性的方法，其特征在于，所述利用建立的评价准则对煤岩体的稳定性进行实时评价包括：
利用实时采集的震动波信号计算被选作为评价指标的倒谱系数的若干个参数的值，得到评价指标的实时值，根据得到的评价指标的实时值，利用建立的评价准则对煤岩体的稳定性进行评价。
CN202010680181.2A 2020-07-15 2020-07-15 利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置 Active CN111915844B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010680181.2A CN111915844B (zh) 2020-07-15 2020-07-15 利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010680181.2A CN111915844B (zh) 2020-07-15 2020-07-15 利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置

Publications (2)

Publication Number Publication Date
CN111915844A CN111915844A (zh) 2020-11-10
CN111915844B true CN111915844B (zh) 2021-09-14

Family

ID=73281180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010680181.2A Active CN111915844B (zh) 2020-07-15 2020-07-15 利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置

Country Status (1)

Country Link
CN (1) CN111915844B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118379862B (zh) * 2024-06-24 2024-08-20 济宁矿业集团有限公司霄云煤矿 基于煤矿事故灾害特征匹配的风险预警方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106437713A (zh) * 2016-10-21 2017-02-22 山东科技大学 一种综放工作面自动化放煤装置及放煤过程识别方法
CN106952643A (zh) * 2017-02-24 2017-07-14 华南理工大学 一种基于高斯均值超矢量与谱聚类的录音设备聚类方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8214214B2 (en) * 2004-12-03 2012-07-03 Phoenix Solutions, Inc. Emotion detection device and method for use in distributed systems

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106437713A (zh) * 2016-10-21 2017-02-22 山东科技大学 一种综放工作面自动化放煤装置及放煤过程识别方法
CN106952643A (zh) * 2017-02-24 2017-07-14 华南理工大学 一种基于高斯均值超矢量与谱聚类的录音设备聚类方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
岩爆声音信号特征与动态预警方法研究;刘鑫锦;《中国博士学位论文全文数据库 基础科学辑》;20190115(第12期);正文第32-36、66-73页 *
煤冲击破坏过程规律及同源声电相应特征;李振雷等;《岩石力学与工程学报》;20191031;第38卷(第10期);第2058-2066页 *

Also Published As

Publication number Publication date
CN111915844A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
Sun et al. Correlational fractal characterisation of stress and acoustic emission during coal and rock failure under multilevel dynamic loading
CN111123355B (zh) 一种基于微震监测数据的岩爆预测方法及系统
CN104266894B (zh) 一种基于相关性分析的矿山微震信号初至波时刻提取方法
CN110632662A (zh) 一种利用DCNN-Inception网络自动识别微地震信号的算法
CN110196448B (zh) 一种滑坡次声信号识别方法
CN113189644B (zh) 一种微震震源定位方法及系统
CN105676268A (zh) 一种基于声音信号波形变化特征的应变型岩爆预警方法
CN103994817A (zh) 一种基于长距离光纤多发事件的振动振源的识别方法
CN106382981A (zh) 一种单站次声波信号识别提取方法
CN111915844B (zh) 利用倒谱系数分析震动信号评价煤岩稳定性的方法和装置
CN114814939A (zh) 一种煤矿微震台网监测效果评估方法
US11422076B1 (en) K-nearest neighbour rock burst prediction method and device based on big data visualization analysis
Zhou et al. An improved onset time picking method for low SNR acoustic emission signals
CN112230275B (zh) 地震波形的识别方法、装置及电子设备
CN114966845A (zh) 一种无监督聚类的地震波形实时分类检测方法
Zhang et al. Microseismic source location based on improved artificial bee colony algorithm: Performance analysis and case study
JIA et al. Joint arrival-time picking method of microseismic P-wave and S-wave based on time-frequency analysis
CN111709279B (zh) 一种利用svd-emd算法分离微地震噪声混合信号的算法
CN104977602A (zh) 一种地震数据采集施工的控制方法及装置
Li et al. Characterizing large rockfalls using their seismic signature: A case study of Hongya rockfall
Jiang et al. An improved method of local mean decomposition with adaptive noise and its application to microseismic signal processing in rock engineering
CN103994816A (zh) 一种基于光纤多发事件的识别方法
CN112698405B (zh) 基于地震动信号的滑坡事件识别、预警、评估方法
CN113514878B (zh) 一种矿山微震波形类型自动识别方法
Wang et al. Experimental study on stress evolution and microseismic signals under vibration conditions of coal during excavation and subsequent waiting time

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant