CN112855270B - 基于声音帧能量的矿井爆炸灾害声音识别与报警方法 - Google Patents

基于声音帧能量的矿井爆炸灾害声音识别与报警方法 Download PDF

Info

Publication number
CN112855270B
CN112855270B CN202110083008.9A CN202110083008A CN112855270B CN 112855270 B CN112855270 B CN 112855270B CN 202110083008 A CN202110083008 A CN 202110083008A CN 112855270 B CN112855270 B CN 112855270B
Authority
CN
China
Prior art keywords
sound
frame energy
alarm
time
monitoring
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
CN202110083008.9A
Other languages
English (en)
Other versions
CN112855270A (zh
Inventor
孙继平
余星辰
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.)
China University of Mining and Technology Beijing CUMTB
Original Assignee
China University of Mining and Technology Beijing CUMTB
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 China University of Mining and Technology Beijing CUMTB filed Critical China University of Mining and Technology Beijing CUMTB
Priority to CN202110083008.9A priority Critical patent/CN112855270B/zh
Publication of CN112855270A publication Critical patent/CN112855270A/zh
Application granted granted Critical
Publication of CN112855270B publication Critical patent/CN112855270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
    • E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
    • E21F17/18—Special adaptations of signalling or alarm devices
    • 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
    • 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)
  • Audiology, Speech & Language Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供了一种基于声音帧能量的矿井爆炸灾害声音识别与报警方法及系统，本发明通过在巷道、采煤工作面、掘进工作面、中央水泵房和配电室等地方设置声音传感器，采集并监测巷道、采煤工作面、掘进工作面、中央水泵房和配电室等地方声音，通过提取声音的每一帧能量值，当监听的声音特征满足设定条件后，进入报警状态。本发明实施简单，可快速准确地判断矿井爆炸灾害，为井下人员争取宝贵的救灾和逃生时间。可解决现有技术中煤矿报警方式容易误报和漏报，以致不能及时采取应急措施，易造成爆炸发生与人员伤亡的问题。

Description

基于声音帧能量的矿井爆炸灾害声音识别与报警方法
技术领域
本发明涉及一种基于声音帧能量的矿井爆炸灾害声音识别与报警方法，该方法涉及声音感知，声音识别与通信等领域。
背景技术
煤炭是我国的主要能源，约占一次能源的70％。煤炭行业是高危行业，爆炸、水灾、火灾、顶板等事故困扰着煤炭安全生产。我国煤矿发生重特大事故中，矿井爆炸灾害死亡人数占总死亡人数的66.5％。矿井爆炸是煤矿重特大灾害，在煤矿生产中矿井爆炸的报警应做到及时准确。目前爆炸报警主要以传感器和先兆现象为主，传感器监控可预防井下爆炸事故，但由于还可能存在现场工作环境恶劣，设计不当、措施不力、管理不善和人员思想麻痹等原因，传感器不能完全预防爆炸的发生，更不能对突发的矿井爆炸进行报警；先兆现象主要是以人为经验为主，存在比较大的客观因素存在，易误报和漏报，以致不能及时采取应急措施，易造成爆炸发生与人员伤亡。为了有效减少爆炸灾害引起的财产损失和人员伤亡，需要新的矿井爆炸灾害报警方法，可准确地对井下爆炸灾害进行感知，争取宝贵的救灾和逃生时间。
发明内容
本发明用于解决现有技术中煤矿报警方式容易误报和漏报，以致不能及时采取应急措施，易造成爆炸发生与人员伤亡的问题。
为解决上述技术问题，本发明提供了一种基于声音帧能量识别的矿井爆炸灾害报警方法及系统，本发明通过在巷道、采煤工作面、掘进工作面、中央水泵房和配电室等地方放置声音传感器对周围环境及设备进行监测，采集重要监测区域的声音，并对采集到声音进行特征提取，当提取出的特征值满足设定条件，则进入报警状态，并进行爆炸灾害报警处理。
本发明采用的技术方案如下：
本发明第一方面提供一种基于声音帧能量的矿井爆炸灾害声音识别与报警方法，具体步骤包括：
步骤1：实时采集煤矿井下监测区域的声音信号；
步骤2：将采集的实时声音通过分帧处理，提取声音信号的每一帧能量，构建当前采集声音的声音帧能量指纹，帧能量计算公式如下式所示：
Figure BDA0002910020390000011
其中，h(n)＝w2(n)，w(n)为窗口函数，x(m)为第m帧声音，n为声音的总帧数，m为第m帧音频。
声音指纹构建公式计算如下：
Figure BDA0002910020390000021
其中，F(s，t)为第s个子带，第t个频带的比特位；E(i，j)为第i个子帧，第j个频带的能量，E(i，j+1)为第i个子帧，第j+1个频带的能量，E(i-1，j)为第i-1个子帧，第j个频带的能量，E(i-1，j+1)为第i-1个子帧，第j+1个频带的能量；
步骤3：将预先构建的声音帧能量指纹和实时声音信号的声音帧能量指纹带入进行比对，计算得到误码率，误码率计算公式如下：
Figure BDA0002910020390000022
其中，BER为误码率，H为识别声音帧能量指纹与声音帧能量指纹库比对比特位不同的个数，s为子帧个数，t为频带个数；
步骤4：根据预先构建的基于声音帧能量的HMM模型，将实时声音信号的帧能量值带入基于声音帧能量的HMM模型进行识别匹配，得到最佳路径中的最大距离；
步骤5：对声音帧能量指纹误码率或基于声音帧能量的HMM模型的匹配结果进行监测，若所述声音帧能量指纹误码率或基于声音帧能量的HMM模型的最佳路径的最大距离满足预设报警条件，则发出爆炸灾害报警信号。
本发明第二方面提供一种基于声音帧能量的矿井爆炸灾害声音识别与报警系统，系统包括：
声音采集模块，安装于井下重要监测区域，用于实时采集煤矿井下重要监测区域的声音信号；
爆炸灾害监测服务器，安装于井上，与所述声音采集模块通信连接，用于接收所述声音采集模块的实时声音信号，并提取声音帧能量值；根据预先构建的声音帧能量指纹库或基于声音帧能量的HMM模型，将实时帧能量的声音帧能量指纹代入声音帧能量指纹库进行识别匹配或将实时声音的帧能量带入基于声音帧能量的HMM模型进行识别匹配；对提取到的声音帧能量指纹误码率或基于声音帧能量的HMM模型的匹配识别结果进行监测，若所述声音帧能量指纹误码率或基于声音帧能量的HMM模型的匹配识别结果满足预设报警条件，则发出爆炸灾害报警信号；
监控终端，安装于井上，与所述爆炸灾害监测服务器通信连接，用于接收所述爆炸灾害监测服务器的报警信号，并报警。
本发明的有益效果：本发明通过在巷道、采煤工作面、掘进工作面、中央水泵房和配电室等地方设置声音传感器，采集并监测巷道、采煤工作面、掘进工作面、中央水泵房和配电室等地方声音，当采集到的声音特征满足设定条件，则进入报警状态。本发明实施简单，可快速准确地判断矿井爆炸灾害，为井下人员正确宝贵的救灾和逃生时间。
附图说明
图1矿井爆炸感知报警监测系统示意图。
图2矿井声音监测系统中声音帧能量指纹误码率监测流程图。
图3矿井声音监测系统中基于声音帧能量的HMM模型里声音帧能量监测流程图。
具体实施方式
下面结合附图和具体的实施例对本发明作进一步详细的说明
实施例1
本实施例提供一种基于声音帧能量的矿井爆炸灾害声音识别与报警方法，包括：
S1：实时采集煤矿井下待监测区域的声音信号；
S2：提取当前采集的实时声音信号的帧能量值与其指纹；
S3：根据预先构建的声音帧能量指纹库和基于声音帧能量的HMM模型，将实时声音信号的声音帧能量值和声音帧能量指纹带入基于声音帧能量的HMM模型或声音帧能量指纹库进行识别匹配；
S4：对提取到的声音信号的声音帧能量值指纹误码率或HMM模型的匹配识别结果进行监测，若所述误码率或基于声音帧能量的HMM模型的匹配识别结果满足预设报警条件，则发出爆炸灾害报警信号。
可选的是，本实施例对提取到的声音帧能量指纹进行监测的步骤包括：
步骤1：监测当前采集到的实时声音信号的帧能量的声音帧能量指纹与构建的样本声音帧能量指纹的误码率BER，若BER0≤H0，则判定当前采集到的声音信号异常，进入预警状态，其中H0为设定的第一预警阈值；
步骤2：在预警状态下，间隔设定时间再次监测实时采集的声音信号的帧能量的声音帧能量指纹与构建的声音帧能量指纹的误码率BER1≤H1或BER1-BER2≥H2,则进行矿井爆炸报警处理，否则，退出预警状态；其中，H1为设定的第二预警阈值，H2为设定的第三预警阈值。
本实施例对监测区域声音帧能量指纹监测流程如图2所示：
S411：时域分帧：采集待监测区域的声音信号，对声音分帧加窗，窗函数取汉明窗，窗函数如下式所示：
Figure BDA0002910020390000041
其中：N为帧长。
S412:傅里叶变换：对每一个子帧进行傅里叶变换，变换公式如下式所示：
Figure BDA0002910020390000042
其中，x(n)表示声音信号，w(n)为实数窗序列，m取值不同时，w(m-n)沿时间轴滑动到不同的位置，取出不同的声音帧进行傅里叶变换。
S413:频域子带划分：为了每个子帧提取一个32比特的子指纹，将300～2000Hz之间的频域划分成33个不重叠的频域子带。
S414:计算能量：计算每个子带的能量，计算公式如下：
Figure BDA0002910020390000043
其中：h(n)＝w2(n)，w(n)为窗口函数，x(m)为第m帧声音。
S415：比特差分：为了得到声音帧能量指纹，通过下式计算：
Figure BDA0002910020390000044
其中，F(s，t)为第s个子带，第t个频带的比特位；E(i，j)为第i个子帧，第j个频带的能量。
S416：对S415得到的F(s，t)，将其带入声音帧能量指纹库中进行识别匹配，判断是否满足BER0＜H0，如满足则执行S417，否则返回S411。BER计算公式如下：
Figure BDA0002910020390000045
其中，H为识别声音帧能量指纹与声音帧能量指纹库比对比特位不同的个数，s为子帧个数，t为频带个数。
S417：进入预警状态。
S418：间隔时间T1。
S419：采集声音并通过计算得到声音帧能量指纹的误码率BER1。
S4110:判断是否满足BER1＜H1，如满足则执行S4112，否则执行S4111。
S4111:判断是否满足BER1-BER0＞H2，如满足则执行S4112，否则执行S4113。
S4112:向监控终端发送矿井爆炸信号。
S4113:退出预警状态并返回S411。
可选的是，本实施例对计算最佳路径的最大距离进行监测的步骤包括：
实时监测根据实时声音的帧能量和基于声音帧能量的HMM模型进行识别匹配得到的最佳路径的最大距离p1，若p1≤M0，则判定声音异常，并进入预警状态；
在预警状态下，间隔设定时间再次监测实时采集的声音信号，并再次根据基于声音帧能量的HMM模型进行识别匹配得到最佳路径的最大距离p2，若p2≤M1或者p2-p1≥M2，则进入矿井爆炸报警处理，否则退出预警状态；M0、M1、M2分别为由试验测定或人为设定的第四报警阈值、第五报警阈值和第六报警阈值。
本实施例对基于声音帧能量的HMM模型的识别匹配结果的监测流程如图3所示：
S401：采集声音并计算实时采集声音的帧能量。
S402：将声音帧能量带入到基于帧能量的HMM模型得到最佳路径的最大距离，具体计算方法如下：
为了记录中间变量，引入两个变量δ和ψ，定义t时刻状态为i的所有单个路径(i1，i2，...，it)种最大概率值(最短距离)为：
δt(i)＝maxP(it＝i，it-1，...，i1，ot，...，o1|λ)，i＝1，2，...，N
其中，it为最短距离，ot为观测符号，λ为模型参数，从而可以得到：
δt+1(i)＝max[δt(j)aji]bi(ot+1)
定义在时刻t状态为i的所有单个路径(i1，i2，...，it)种概率最大的路径的第t-1个节点为：ψt(i)＝argmax[δt-1(j)aji]；i＝1，2，...，N
(1)初始化：
δ1(i)＝πibi(o1)，i＝1，2，3...，N
ψ1(i)＝0；i＝1，2，...，N
其中，δ1(i)、ψ1(i)为初始时刻的路径初始化概率和初始化路径节点，πi为HMM模型参数，o1为初始的观测序列，bi为观测概率矩阵。
(2)递推：对t＝2，3，...，T
δt(i)＝max[δt-1(j)aji]bi(ot)，i＝1，2，3...，N
ψ1(i)＝＝argmax[δt-1(j)aji]；i＝1，2，...，N
其中，δt(i)为时刻t状态为j向下一时刻转移到状态i且观测到ot的最大概率，ψt(i)为时刻t状态为i所有路径中概率最大的路径的第t-1个节点，aji为时刻t向t+1时刻状态转移的概率。
(3)终止
P*＝maxδT(i)，i＝1，2，...，N
Figure BDA0002910020390000061
其中，P*为时刻T状态转移最大概率，
Figure BDA0002910020390000062
时刻T所有路径中概率最大的节点。
(4)最优化路径回溯：对t＝T-1，...，1
Figure BDA0002910020390000063
求得最佳路径
Figure BDA0002910020390000064
(5)计算出最佳路径的最大距离p1，计算公式如下：
Figure BDA0002910020390000065
其中，δt(i)为t时刻状态为i的所有单个路径(i1，i2，...，it)中最短距离，计算公式如下：
δt(i)＝max[δt-1(i)aji]bi(ot)
bi(ot)＝bjk|ot+1＝vk
其中，aji为状态转移矩阵，bjk为观察值概率矩阵，ot为t时刻观察到的观察值。
S403：判断p1≤M0,如满足则执行S404否则返回S401。
S404：进入预警状态。
S405：间隔时间T1。
S406：采集声音并计算实时声音的帧能量值并通过步骤S402得到最佳路径的最大距离p2。
S407：判断是否满足p2≤M1，如满足则执行S409，否则执行S408。
S408：判断是否满足p2-p1≥M2，如满足则执行S409，否则执行S4010。
S409：向监控终端发送矿井爆炸信号。
S410：退出预警状态并返回S401。
实施例2
本实施例提供一种基于声音帧能量的矿井爆炸灾害声音识别与报警系统，如图1所示，包括：
声音采集模块108，安装于井下待监测区域，用于实时采集煤矿井下待监测区域的声音信号。
本实施例声音采集模块108采用矿用防爆声音采集模块，固定安装在巷道、采煤工作面和掘进工作面，通过通信线缆与分站106连接进行有线通信，其中分站106负责包括声音传感器在内的井下通信设备的接入和数据交换，符合煤矿井下防爆要求。
声音采集模块108采集的声音包括采煤工作面与掘进工作面设备正常运行声音、汽车行驶声音、水泵工作声音、通风机工作声音、低压馈电设备运行声音、高压配电设备运行声音、一次配电设备运行声音、皮带电机声音、皮带运行声音和人说话声音。
爆炸灾害监测服务器102，安装于井上，与所述声音采集模块通信连接，用于接收所述声音采集模块的实时声音信号，并提取声音帧能量；根据预先构建的声音帧能量指纹和基于声音帧能量的HMM模型，将实时声音信号的声音帧能量代入样本声音帧能量指纹库和基于声音帧能量的HMM模型进行识别匹配；对提取到的声音帧能量指纹误码率或HMM模型的匹配识别结果进行监测，若所述声音帧能量指纹误码率或基于声音帧能量的HMM模型的匹配识别结果满足预设报警条件，则发出爆炸灾害报警信号；
监控终端101，安装于井上，与所述爆炸灾害监测服务器通信连接，用于接收所述爆炸灾害监测服务器的报警信号，并报警。
本实施例的监控终端具有声光报警功能，接收爆炸灾害监测服务器的报警信号并声光报警；具有实时声音监控和历史声音调取功能，生产管理人员通过监控主机查看现场声音。
可选的是，本实施例还包括存储服务器103，所述存储服务器103与所述声音采集模块108通信连接，用于存储声音采集模块108采集的声音数据；
所述监控终端101与所述存储服务器连接，用于通过所述存储服务器调取查看待监测区域的现场声音或调取历史监控声音数据。
另外，本实施例还设置有：
网络交换机104，负责所有接入矿用以太网的设备的管理和数据交换。
井下交换机105，负责分站和网络交换机直接的数据交换，具有隔爆外壳，符合煤矿井下防爆要求。
交/直流电转换设备107，将井下交流电源转换为直流电，通过供电线缆为井下交换机、分站、声音采集模块等设备供电。
本发明通过在巷道、采煤工作面和掘进工作面设置声音传感器，采集并监测巷道、采煤工作面、掘进工作面、中央水泵房、配电室、皮带机头等地方声音，当采集到的声音特征满足设定条件，则进入报警状态。本发明实施简单，可快速准确地判断矿井爆炸灾害，为井下人员正确宝贵的救灾和逃生时间。

Claims (8)

1.基于声音帧能量的矿井爆炸灾害声音识别与报警方法，其特征在于，包括：
在煤矿井下重要监测区域放置声音采集设备，并采集所在区域的声音信号；通过计算监测到声音的声音帧能量获取声音特征，进行声音识别，当监测区域的声音特征满足矿井爆炸声音的设定条件时，则进行矿井爆炸灾害报警处理；所述满足矿井爆炸声音的设定条件包括满足监测声音的声音帧能量指纹误码率或满足监测声音的声音帧能量HMM模型的最佳路径的最大距离超过设定值，且持续或增长情况满足设定条件；
其中，对所述声音帧能量指纹进行监测的步骤包括：
步骤1：实时监测根据实时声音的声音帧能量指纹与预先构建的声音帧能量指纹样本库误码率BER，若BER0≤H0，则判定声音异常，并进入预警状态，H0为实验测得或人为设定的第一报警阈值；
步骤2：在预警状态下，间隔设定时间后再次监测实时采集的声音信号的帧能量指纹与预先构建的声音帧能量指纹样本库的误码率BER1，若BER1≤H1或BER1-BER0≥H2,则进行矿井爆炸报警处理，否则，退出预警状态；其中，H1为实验测得或人为设定的第二报警阈值，H2为设定的第三报警阈值。
2.根据权利要求1所述的基于声音帧能量的矿井爆炸灾害声音识别与报警方法，其特征在于，其监测步骤包括：
步骤1：实时采集煤矿井下监测区域的声音信号；
步骤2：将采集的实时声音通过分帧处理，提取声音信号的每一帧能量，构建当前采集声音的声音帧能量指纹，帧能量计算公式如下式所示：
Figure FDA0003337487290000011
其中，h(n)＝w2(n)，w(n)为窗口函数，x(m)为第m帧声音，n为声音的总帧数，m为第m帧音频；
声音指纹构建公式计算如下：
Figure FDA0003337487290000012
其中，F(s，t)为第s个子带，第t个频带的比特位；E(i，j)为第i个子帧，第j个频带的能量，E(i，j+1)为第i个子帧，第j+1个频带的能量，E(i-1，j)为第i-1个子帧，第j个频带的能量，E(i-1，j+1)为第i-1个子帧，第j+1个频带的能量；
步骤3：将预先构建的声音帧能量指纹和实时声音信号的声音帧能量指纹带入进行比对，计算得到误码率，误码率计算公式如下：
Figure FDA0003337487290000021
其中，BER为误码率，H为识别声音帧能量指纹与声音帧能量指纹库比对比特位不同的个数，s为子帧个数，t为频带个数；
步骤4：根据预先构建的基于声音帧能量的HMM模型，将实时声音信号的帧能量值带入基于声音帧能量的HMM模型进行识别匹配，得到最佳路径中的最大距离；
步骤5：对声音帧能量指纹误码率或基于声音帧能量的HMM模型的匹配结果进行监测，若所述声音帧能量指纹误码率或基于声音帧能量的HMM模型的最佳路径的最大距离满足预设报警条件，则发出爆炸灾害报警信号。
3.根据权利要求1所述的基于声音帧能量的矿井爆炸灾害声音识别与报警方法，其特征在于，最佳路径的最大距离计算过程如下：
步骤1：初始化
δ1(i)＝πibi(o1)，i＝1，2，...，N
ψ1(i)＝0，i＝1，2，...，N
其中，δ1(i)、ψ1(i)为初始时刻的路径初始化概率和初始化路径节点，πi为HMM模型参数，o1为初始的观测序列，bi为观测概率矩阵，N为所有可能状态个数；
步骤2：递推，对t＝2，3，...，T
Figure FDA0003337487290000022
Figure FDA0003337487290000023
其中，δt(i)为时刻t状态为j向下一时刻转移到状态i且观测到ot的最大概率，ψt(i)为时刻t状态为i所有路径中概率最大的路径的第t-1个节点，aji为时刻t向t+1时刻状态转移的概率；
步骤3：终止
Figure FDA0003337487290000031
Figure FDA0003337487290000032
其中，P*为时刻T状态转移最大概率，
Figure FDA0003337487290000033
时刻T所有路径中概率最大的节点；
步骤4：最优路径回溯：对t＝T-1，T-2，...，1
Figure FDA0003337487290000034
最佳路径为
Figure FDA0003337487290000035
步骤5：求出最佳路径的最大距离
Figure FDA0003337487290000036
4.根据权利要求1所述的基于声音帧能量的矿井爆炸灾害声音识别与报警方法，其特征在于，对最佳路径的最大距离进行监测的步骤包括：
步骤1：将实时采集的声音信号，通过计算得到的声音帧能量和预先构建的基于声音帧能量的HMM模型进行识别匹配得到的最佳路径的最大距离p1，若p1≤M0，则判定声音异常，并进入预警状态，M0为由试验测定或人为设定的第四报警阈值；
步骤2：在预警状态下，间隔设定时间再次监测实时采集的声音信号的帧能量，并计算得到最佳路径的最大距离p2，若p2≤M1或p2-p1≥M2，则进入矿井爆炸报警处理，否则退出预警状态；M1、M2分别为由试验测定或人为设定的第五报警阈值和第六报警阈值。
5.根据权利要求1所述的声音帧能量的矿井爆炸灾害声音识别与报警方法，其特征在于，重要监测位置包括：
煤矿井下综采面、综掘面、巷道、配电室、中央水泵房、皮带机头。
6.根据权利要求1所述基于声音帧能量的矿井爆炸灾害声音识别与报警方法，其特征在于，采集的煤矿井下监测区域的声音信号包括：
采煤工作面与掘进工作面设备正常运行声音、汽车行驶声音、水泵工作声音、通风机工作声音、低压馈电设备运行声音、高压配电设备运行声音、一次配电设备运行声音、皮带电机声音、皮带运行声音和人说话声音。
7.一种基于声音帧能量的矿井爆炸灾害声音识别与报警系统，采用权利要求1中所述的方法实现，其特征在于，系统包括：
声音采集模块，安装于井下待监测区域，用于实时采集煤矿井下监测区域的声音信号；爆炸灾害监测服务器，安装于井上，与所述声音采集模块通信连接，用于接收所述声音采集模块的实时声音信号，并计算其帧能量值；根据预先构建的声音帧能量指纹和基于声音帧能量的HMM模型，将实时声音信号的帧能量值与声音帧能量指纹代入基于声音帧能量的HMM模型或声音帧能量指纹库中进行识别匹配；对提取到的基于声音帧能量的HMM模型得到的最佳路径的最大距离或声音帧能量指纹值误码率进行监测，若所述基于声音帧能量的HMM模型的匹配识别结果或声音帧能量指纹误码率满足预设报警条件，则发出爆炸灾害报警信号；
监控终端，安装于井上，与所述爆炸灾害监测服务器通信连接，用于接收所述爆炸灾害监测服务器的报警信号，并报警。
8.根据权利要求7所述的基于声音帧能量的矿井爆炸灾害声音识别与报警系统，其特征在于，还包括存储服务器，所述存储服务器与所述声音采集模块通信连接，用于存储声音采集模块采集的声音数据；
所述监控终端与所述存储服务器连接，用于通过所述存储服务器调取查看待监测区域的现场声音数据或调取历史监控声音数据。
CN202110083008.9A 2021-01-21 2021-01-21 基于声音帧能量的矿井爆炸灾害声音识别与报警方法 Active CN112855270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110083008.9A CN112855270B (zh) 2021-01-21 2021-01-21 基于声音帧能量的矿井爆炸灾害声音识别与报警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110083008.9A CN112855270B (zh) 2021-01-21 2021-01-21 基于声音帧能量的矿井爆炸灾害声音识别与报警方法

Publications (2)

Publication Number Publication Date
CN112855270A CN112855270A (zh) 2021-05-28
CN112855270B true CN112855270B (zh) 2021-12-07

Family

ID=76008864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110083008.9A Active CN112855270B (zh) 2021-01-21 2021-01-21 基于声音帧能量的矿井爆炸灾害声音识别与报警方法

Country Status (1)

Country Link
CN (1) CN112855270B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106052852A (zh) * 2016-06-01 2016-10-26 中国电子科技集团公司第三研究所 一种脉冲声信号的检测方法及装置
CN106647557A (zh) * 2016-10-21 2017-05-10 中国矿业大学(北京) 矿井爆炸监测报警与控制系统
CN207261045U (zh) * 2016-10-21 2018-04-20 中国矿业大学(北京) 矿井爆炸监测报警系统
US20200029157A1 (en) * 2017-12-26 2020-01-23 Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi Method for acoustic detection of shooter location
CN112065504A (zh) * 2020-09-15 2020-12-11 中国矿业大学(北京) 基于声音识别的矿井爆炸灾害报警方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106052852A (zh) * 2016-06-01 2016-10-26 中国电子科技集团公司第三研究所 一种脉冲声信号的检测方法及装置
CN106647557A (zh) * 2016-10-21 2017-05-10 中国矿业大学(北京) 矿井爆炸监测报警与控制系统
CN207261045U (zh) * 2016-10-21 2018-04-20 中国矿业大学(北京) 矿井爆炸监测报警系统
US20200029157A1 (en) * 2017-12-26 2020-01-23 Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi Method for acoustic detection of shooter location
CN112065504A (zh) * 2020-09-15 2020-12-11 中国矿业大学(北京) 基于声音识别的矿井爆炸灾害报警方法及系统

Also Published As

Publication number Publication date
CN112855270A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN110867196B (zh) 一种基于深度学习及声音识别的机器设备状态监测系统
CN109858104B (zh) 一种滚动轴承健康评估与故障诊断方法及监测系统
CN103699698B (zh) 一种基于改进贝叶斯的轨道交通故障识别方法及系统
US20230023931A1 (en) Hydraulic turbine cavitation acoustic signal identification method based on big data machine learning
CN102926810B (zh) 煤与瓦斯突出的预测方法
CN110085006A (zh) 船舶监测方法、装置、系统和存储介质
CN106198749B (zh) 一种基于金属裂纹监测的多路传感器的数据融合方法
CN112065504B (zh) 基于声音识别的矿井爆炸灾害报警方法及系统
CN112855270B (zh) 基于声音帧能量的矿井爆炸灾害声音识别与报警方法
CN117594253B (zh) 基于智能监测设备的人员健康预警方法及系统
CN108071941A (zh) 一种基于时序向量相似度分析的爆管识别与定位方法
CN109115271B (zh) 一种数控机床远程监测系统
CN105640573A (zh) 一种基于谷歌眼镜的电力检修人员安全风险监控系统
CN111882824A (zh) 一种智能报警系统
CN117475605A (zh) 一种基于大数据的火灾预警方法与系统
CN117057150A (zh) 一种基于无监督叠加集成的供水管网爆管检测与识别方法
CN112863524B (zh) 基于分解特征值的矿井爆炸灾害声音识别方法
CN116773234A (zh) 一种磨煤机故障监测系统
CN114935708A (zh) 一种线路放电异常的识别方法
CN115293189A (zh) 一种基于堆栈自编码降维的旋转机械状态监测方法
CN103821500A (zh) 具有振动传感功能的煤层气井下压力计及其测量方法
CN113653534A (zh) 一种矿井水害预警系统及方法
CN113685166A (zh) 一种钻井事故预警方法及系统
CN117033437B (zh) 一种建筑结构安全数据分析系统
CN117438083B (zh) 一种基于人工智能的中老年疾病预测系统

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