CN114033377A - 一种基于声纹检测技术的放顶煤控制方法及系统 - Google Patents

一种基于声纹检测技术的放顶煤控制方法及系统 Download PDF

Info

Publication number
CN114033377A
CN114033377A CN202111312009.2A CN202111312009A CN114033377A CN 114033377 A CN114033377 A CN 114033377A CN 202111312009 A CN202111312009 A CN 202111312009A CN 114033377 A CN114033377 A CN 114033377A
Authority
CN
China
Prior art keywords
voiceprint
coal
hydraulic support
caving
signal
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.)
Granted
Application number
CN202111312009.2A
Other languages
English (en)
Other versions
CN114033377B (zh
Inventor
李铮
戴卫东
顾其洋
李函阳
费翔
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.)
Ningxia guangtianxia Technology Co.,Ltd.
Original Assignee
Ningxia Guangtianxia Electronics Technology Co ltd
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 Ningxia Guangtianxia Electronics Technology Co ltd filed Critical Ningxia Guangtianxia Electronics Technology Co ltd
Priority to CN202111312009.2A priority Critical patent/CN114033377B/zh
Publication of CN114033377A publication Critical patent/CN114033377A/zh
Application granted granted Critical
Publication of CN114033377B publication Critical patent/CN114033377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21C—MINING OR QUARRYING
    • E21C41/00—Methods of underground or surface mining; Layouts therefor
    • E21C41/16—Methods of underground mining; Layouts therefor
    • E21C41/18—Methods of underground mining; Layouts therefor for brown or hard coal
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
    • E21D23/00—Mine roof supports for step- by- step movement, e.g. in combination with provisions for shifting of conveyors, mining machines, or guides therefor
    • E21D23/16—Hydraulic or pneumatic features, e.g. circuits, arrangement or adaptation of valves, setting or retracting devices
    • E21D23/26—Hydraulic or pneumatic control
    • 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
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • 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
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • 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
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/04—Training, enrolment or model building
    • 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
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/18—Artificial neural networks; Connectionist approaches
    • 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
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • 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
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Computational Linguistics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于声纹检测技术的放顶煤控制方法及系统，利用数据采集模块采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；利用主控制器对所述声纹信号进行特征提取，得到对应的声纹特征矩阵，并通过声纹识别模型对所述声纹特征矩阵进行声纹识别，得到对应的识别结果；进而根据所述识别结果判断是否关闭液压支架放煤口，从而实现了自动化放煤控制，避免了采用现有的自动化放煤控制技术在进行煤矸识别时容易受现场环境的影响，而造成准确率不高的问题，提高了自动化放煤控制的准确率和使用效果。

Description

一种基于声纹检测技术的放顶煤控制方法及系统
技术领域
本发明涉及自动化采煤技术领域，特别是涉及一种基于声纹检测技术的放顶煤控制方法及系统。
背景技术
综采放顶煤工作面自动化技术经过几十年的发展，尤其是经过近10年的技术创新和关键技术装备的突破，工作面前部的综采自动化已经初步实现。综采放顶煤工作面控制技术与装备的发展趋势是智能化，通过智能化控制系统实现综采作业的自动化控制及远程遥控，完善采煤机、液压支架和运输系统的整体控制，实现综采设备的就地/集中/远程三级网络管理控制。
厚煤层开采包括前端采煤机割煤和后端液压支架放煤两部分。前端通过采煤机割煤开拓新的采场，液压支架前移支撑新的割煤空间，同时，液压支架移架后，工作面顶煤失去支撑，在矿山压力的作用下垮落，通过液压支架放煤口进行放煤。通过采煤机记忆割煤和液压支架跟机自动控制可实现综采放顶煤工作面前端的综采自动化控制。
综采放顶煤工作面后端的综放部分，由于处于液压支架后方的采空区，放煤口部位粉尘较大，不易观察，还没有通用的煤矸识别方法能够适用于不同煤层，因此，综放部分主要采用人工操作进行放煤控制。操作人员一般通过耳朵听来判断放落的是煤炭还是矸石，确定顶煤是否放完。人工放煤控制方式生产效率低，成为制约厚煤层安全高效开采和煤炭资源协调开发的突出问题。
通过对现有自动化放煤控制手段的检索，发现：1)有通过设备本身建模监测进行放顶煤控制，如专利CN202110391899.4是对支架进行建模和参数控制，提供了一种放顶煤控制方法、系统、装置和电子设备，在放顶煤之前进行了放顶煤支架控制参数的预测，进而实现了闸板一次性开合完成放顶煤操作；2)有通过自然射线和图像识别进行煤矸识别从而关闭放煤口，如专利CN201911409392.6公开了一种综放工作面放顶煤智能控制方法，利用自然射线煤矸识别探测器检测煤矸含量，与关窗阈值进行比较，从而控制放顶煤液压支架进行工作；专利CN202011187551.5公布了一种智能判定放顶煤液压支架放煤口关闭的方法，通过放煤口块体的煤矸识别进行图像采集和判断，确定放煤口是否关闭。3)有通过三维空间几何特征判断放煤口关闭的，如专利CN202010632645.2利用放顶煤后形成的三维空间的几何特征，直接测量放顶煤厚度的实时动态变化，根据顶煤厚度变化量自动调整放顶煤口开闭时间。
但采用自然射线、煤矸图像识别及三维空间几何特征来识别煤矸进行放煤控制的方法，很容易受现场环境的影响(如粉尘较大等)，因此，准确率或者使用的效果并不理想。
发明内容
本发明的目的是提供一种基于声纹检测技术的放顶煤控制方法及系统，以提高自动化放煤控制的准确率。
为实现上述目的，本发明提供了如下方案：
一种基于声纹检测技术的放顶煤控制方法，所述方法包括：
步骤S1：开启液压支架放煤口，开始放顶煤过程；
步骤S2：采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；
步骤S3：对所述声纹信号进行特征提取，得到对应的声纹特征矩阵；
步骤S4：利用声纹识别模型对所述声纹特征矩阵进行声纹识别，得到对应的识别结果；所述识别结果包括所述声纹特征矩阵来自煤块撞击液压支架尾梁的声音以及所述声纹特征矩阵来自矸石撞击液压支架尾梁的声音；
步骤S5：根据所述识别结果判断是否关闭液压支架放煤口；若关闭液压支架放煤口，则执行“步骤S6”；若不关闭液压支架放煤口，则返回“步骤S2”；
步骤S6：产生控制信号，并将所述控制信号发送给液压支架控制器，以使所述液压支架控制器根据所述控制信号控制所述液压支架放煤口关闭，放顶煤过程结束。
可选地，所述步骤S5具体包括：若所述识别结果为所述声纹特征矩阵来自矸石撞击液压支架尾梁的声音，则执行“步骤S6”；若所述识别结果为所述声纹特征矩阵来自煤块撞击液压支架尾梁的声音，则返回“步骤S2”。
可选地，在所述步骤S5之后还包括：
产生报警信号，并将所述报警信号发送给管理平台进行报警。
可选地，在所述步骤S4之前还包括构建声纹识别模型；所述构建声纹识别模型具体包括：
构建CRNN神经网络作为初始神经网络；
采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；
分别对煤块撞击液压支架尾梁的声纹信号及矸石撞击液压支架尾梁的声纹信号进行预处理及特征提取，得到对应的声纹特征矩阵，并将各所述声纹特征矩阵及各所述声纹特征矩阵对应的类别信息作为训练数据集；所述类别信息包括煤块撞击液压支架尾梁的声音以及矸石撞击液压支架尾梁的声音；
将所述训练数据集输入至所述初始神经网络中进行训练，得到所述声纹识别模型。
可选地，在所述步骤S4之后还包括：
将所述声纹特征矩阵及对应的识别结果加入所述训练数据集，并将所述训练数据集再次输入至所述初始神经网络中进行训练，并更新所述声纹识别模型。
可选地，所述步骤S3具体包括：
对所述声纹信号进行基本特征提取，得到第一声纹特征；所述第一声纹特征包括方差、共振峰、谐波性、频率及峰度参数；
对所述声纹信号进行梅尔倒谱系数特征提取，得到对应的梅尔倒谱系数矩阵，并将所述梅尔倒谱系数矩阵作为第二声纹特征；
将所述第一声纹特征与所述第二声纹特征相结合，得到所述声纹特征矩阵。
可选地，对所述声纹信号进行梅尔倒谱系数特征提取，得到对应的梅尔倒谱系数矩阵，具体包括：
在所述声纹信号的频谱范围内设置多个三角形滤波器，作为多个梅尔滤波器组；
将各所述三角形滤波器的带宽内所有信号幅度加权之和作为所述梅尔滤波器组的输出；
对各所述梅尔滤波器组的输出的对数幅度谱进行离散余弦变化，得到所述梅尔倒谱系数矩阵。
本发明还提供一种基于声纹检测技术的放顶煤控制系统，所述系统包括：数据采集模块、液压支架控制器及主控制器；
所述数据采集模块，设置于液压支架上，用于采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；
所述主控制器，分别与所述数据采集模块及所述液压支架控制器连接，用于根据上述基于声纹检测技术的放顶煤控制方法，产生控制信号；
所述液压支架控制器，与所述主控制器连接，用于根据所述控制信号控制所述液压支架放煤口关闭。
可选地，所述系统还包括：
管理平台，与所述液压支架控制器连接，用于产生控制信号，以使所述液压支架控制器控制所述液压支架放煤口关闭。
可选地，所述系统还包括：
报警装置，与所述主控制器连接，用于根据报警信号进行报警；所述报警信号为所述主控制器在产生控制信号的同时产生的。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种基于声纹检测技术的放顶煤控制方法及系统，首先，开启液压支架放煤口，开始放顶煤过程；然后，利用数据采集模块采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；之后，利用主控制器对所述声纹信号进行特征提取，得到对应的声纹特征矩阵，并通过声纹识别模型对所述声纹特征矩阵进行声纹识别，得到对应的识别结果；最后，根据所述识别结果判断是否关闭液压支架放煤口，若关闭液压支架放煤口，则主控制器产生控制信号，并将所述控制信号发送给液压支架控制器，以使所述液压支架控制器根据所述控制信号控制所述液压支架放煤口关闭；若不关闭液压支架放煤口，则继续进行数据采集与识别，从而实现了自动化放煤控制，避免了采用现有的自动化放煤控制技术在进行煤矸识别时容易受现场环境的影响，而造成准确率不高的问题，提高了自动化放煤控制的准确率和使用效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其他的附图。
图1为综采放顶煤工作面示意图；
图2为本发明提供的基于声纹检测技术的放顶煤控制方法的流程图；
图3为本发明提供的基于声纹检测技术的放顶煤控制系统的模块结构图。
符号说明：采煤机—1，液压支架—2，液压支架尾梁—3，液压支架放煤口—4，刮板机—5，数据采集模块—6，主控制器—7，液压支架控制器—8，管理平台—9，交换机—10。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于声纹检测技术的放顶煤控制方法及系统，以提高自动化放煤控制的准确率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为综采放顶煤工作面示意图，如图1所示，在采煤机1前后区域为刮板机5，采煤机1可以前后同时进行采掘。厚煤层开采包括前端采煤机1割煤和后端液压支架2放煤两部分。前端通过采煤机1割煤开拓新的采场，液压支架2前移支撑新的割煤空间，同时，液压支架2移架后，工作面顶煤失去支撑，在矿山压力的作用下垮落，通过液压支架放煤口4进行放煤。
在综采放顶煤工作面，伴随着采煤机1的滚筒割煤、破煤和液压支架2放煤，垮落的煤炭和岩石会产生大量粉尘，煤炭暴露的面积增大，煤层中的压力释放会产生大量瓦斯。顶煤垮落会对液压支架尾梁3产生冲击和振动，从而产生较大的响声，顶煤垮落与液压支架支撑力、煤层厚度、煤矸属性等多种因素相关。随着煤层厚度的增加，矿山压力更加显性化，液压支架工作阻力也相应加大。同时，液压支架对顶煤的反复支撑使得顶煤不断下沉和顶起，可以在一定程度上实现对顶煤的挤压变形，有助于顶煤的裂隙发育。利用矿压和顶煤自重，通过移架使顶煤破碎、垮落，便于顶煤冒放。采煤高度与放煤高度应控制在一定的比例，煤层构造(如夹矸等)对顶煤放落也有很大影响。
目前，由于没有通用的煤矸识别方法能够适用于不同煤层，综放部分主要采用人工操作进行放煤控制。操作人员一般通过耳朵听来判断放落的是煤块还是矸石，从而确定顶煤是否放完。人工放煤控制方式生产效率低，成为制约厚煤层安全高效开采和煤炭资源协调开发的突出问题。
而对于现有的自动放煤控制系统，其核心一般是根据人工操作实际中形成的范例和经验，通过设备学习模拟人的操作行为实现自动化放煤控制。首先，需要根据放煤特征，从范例库中检索出相似的范例，然后以知识库中的领域知识和经验为指导，根据问题的实际情况对检索到的范例加以调整、修改和综合，使之满足当前问题的求解需要。例如采用自然射线、煤矸图像识别及三维空间几何特征来识别煤矸进行放煤控制的方法，但由于上述方法很容易受现场环境的影响，准确率或者使用的效果并不理想。鉴于此，本发明提出了一种基于声纹检测技术的放顶煤控制方法。
实施例1
图2为本发明提供的基于声纹检测技术的放顶煤控制方法的流程图，如图2所示，本发明提供的基于声纹检测技术的放顶煤控制方法包括：
步骤S1：开启液压支架放煤口，开始放顶煤过程。
步骤S2：采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号。
步骤S3：对所述声纹信号进行特征提取，得到对应的声纹特征矩阵。
步骤S4：利用声纹识别模型对所述声纹特征矩阵进行声纹识别，得到对应的识别结果；所述识别结果包括所述声纹特征矩阵来自煤块撞击液压支架尾梁的声音以及所述声纹特征矩阵来自矸石撞击液压支架尾梁的声音。
步骤S5：根据所述识别结果判断是否关闭液压支架放煤口；若关闭液压支架放煤口，则执行“步骤S6”；若不关闭液压支架放煤口，则返回“步骤S2”。
步骤S6：产生控制信号，并将所述控制信号发送给液压支架控制器，以使所述液压支架控制器根据所述控制信号控制所述液压支架放煤口关闭，放顶煤过程结束。
下面对上述各步骤进行详细论述。
进一步地，所述步骤S5具体包括：若所述识别结果为所述声纹特征矩阵来自矸石撞击液压支架尾梁的声音，则执行“步骤S6”；若所述识别结果为所述声纹特征矩阵来自煤块撞击液压支架尾梁的声音，则返回“步骤S2”。
进一步地，在所述步骤S3之前还包括：对所述声纹信号依次进行放大、滤波和降噪处理，从而滤除背景声纹及除煤块或矸石撞击液压支架尾梁的声音之外的杂音，进而保证声纹识别的准确性。
进一步地，在所述步骤S5之后还包括：产生报警信号，并将所述报警信号及所述声纹信号发送给管理平台进行报警，以使处于管理平台的工作人员可以根据所述声纹信号人工判断顶煤是否放完，并在判断顶煤放完时产生控制信号，远程控制所述液压支架放煤口关闭；或根据所述报警信号人为查看所述液压支架放煤口是否自动执行关闭，并在所述液压支架放煤口未正常关闭时及时检修；本发明通过自动和人工干预双模式并存的方式进行远程放煤控制，并通过一键启动实现在一个小的时间窗内的补放控制，从而能大大提高放煤控制的准确率。
进一步地，在所述步骤S4之前还包括构建声纹识别模型。所述构建声纹识别模型具体包括：
构建CRNN神经网络作为初始神经网络。
采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号。
分别对煤块撞击液压支架尾梁的声纹信号及矸石撞击液压支架尾梁的声纹信号进行预处理及特征提取，得到对应的声纹特征矩阵，并将各所述声纹特征矩阵及各所述声纹特征矩阵对应的类别信息作为训练数据集；所述类别信息包括煤块撞击液压支架尾梁的声音以及矸石撞击液压支架尾梁的声音；所述预处理包括对所述声纹信号依次进行放大、滤波和降噪处理。
将所述训练数据集输入至所述初始神经网络中进行训练，得到所述声纹识别模型。
进一步地，在所述步骤S4之后还包括：将所述声纹特征矩阵及对应的识别结果加入所述训练数据集，并将所述训练数据集再次输入至所述初始神经网络中进行训练，以更新所述声纹识别模型，从而不断提升所述声纹识别模型的识别准确率。
进一步地，所述步骤S3具体包括：对所述声纹信号进行基本特征提取，得到第一声纹特征；所述第一声纹特征包括方差、共振峰、谐波性、频率及峰度参数；对所述声纹信号进行梅尔倒谱系数特征提取，得到对应的梅尔倒谱系数矩阵，并将所述梅尔倒谱系数矩阵作为第二声纹特征；将所述第一声纹特征与所述第二声纹特征相结合，得到所述声纹特征矩阵。
作为一种具体的实施方式，对所述声纹信号进行梅尔倒谱系数特征提取，得到对应的梅尔倒谱系数矩阵，具体包括：在所述声纹信号的频谱范围内设置多个三角形滤波器，作为多个梅尔滤波器组；将各所述三角形滤波器的带宽内所有信号幅度加权之和作为所述梅尔滤波器组的输出；对各所述梅尔滤波器组的输出的对数幅度谱进行离散余弦变化，得到所述梅尔倒谱系数矩阵。
梅尔倒谱系数(MFCC)特征提取是语音识别和声音事件识别中最经典的传统算法之一，其分析方法基于人耳的听觉特性，即在低频范围中，人耳听到的声音信号的频率与实际频率成正比，在中高频范围中，人耳听到的声音信号的频率与实际频率大致成对数分布的关系，因此，对于煤块及矸石跌落的声纹信号的识别具有超感知特性，能够高度模拟工作人员的听觉。
具体地，梅尔(Mel)频率fMel与音频频率f的关系为：
Figure BDA0003341974550000091
对各所述梅尔滤波器组的输出的对数幅度谱进行离散余弦变化，得到所述梅尔倒谱系数矩阵的公式为：
Figure BDA0003341974550000092
其中，L代表梅尔滤波器组的通道数量；l表示第l个梅尔滤波器组；Y(l)表示第l个梅尔滤波器组的输出。
作为一种具体的实施方式，本发明在所述声纹信号的频率范围内设置8个梅尔滤波器组，从各音频片段中提取特征，计算出8个梅尔波段，并保留8个梅尔倒谱系数，得到梅尔倒谱系数矩阵，并将所述梅尔倒谱系数矩阵与所述第一声纹特征结合，得到8×174×1(即频率×时间×通道)的声纹特征矩阵，作为所述初始神经网络输入层的输入。
在本实施例中，所述初始神经网络包括：输入层、隐藏层和输出层。
具体地，所述输入层采用提取的声纹特征矩阵作为输入，输入维度为8×174×1；所述输出层使用softmax函数获得分类概率，从而对煤块撞击液压支架尾梁和矸石撞击液压支架尾梁的声音进行分类识别；所述隐藏层设有两组“卷积+池化”结构，在每组“卷积+池化”结构中，将卷积层的步幅设置为1，卷积核的大小设置为3×3；池化层的步幅设置为2；使用线性整流函数(RELU)作为激活函数。所述初始神经网络的参数如下表1所示：
表1初始神经网络的参数表
Figure BDA0003341974550000093
Figure BDA0003341974550000101
实施例2
本发明还提供一种基于声纹检测技术的放顶煤控制系统。图3为本发明提供的基于声纹检测技术的放顶煤控制系统的模块结构图，如图3所示，所述系统包括：数据采集模块6、液压支架控制器8及主控制器7。
具体地，所述数据采集模块6设置于液压支架上；所述数据采集模块6用于采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号。
所述主控制器7分别与所述数据采集模块6及所述液压支架控制器8连接；所述主控制器7用于根据上述基于声纹检测技术的放顶煤控制方法，产生控制信号。
所述液压支架控制器8与所述主控制器7连接；所述液压支架控制器8用于根据所述控制信号控制所述液压支架放煤口4关闭。
作为一种具体的实施方式，所述主控制器采用嵌入式算法移植技术，能够独立运行声纹信号预处理、声纹特征提取及声纹识别等算法，支持边缘计算，因此各监测节点可以就地进行声纹信号采集及声纹识别，不需要通过网络传输到中心服务器后再进行处理，可大幅降低中心服务器的运算压力，且不依赖井下传输网络，在井下环网出现问题时仍然保持正常工作，从而提升了系统的稳定性。
进一步地，所述数据采集模块6包括：拾音器及与所述拾音器配套的防护罩；所述拾音器安装于所述液压支架2上，用于采集放顶煤过程中煤块或矸石撞击液压支架尾梁3的声纹信号；所述防护罩设置于所述拾音器的外围，用于保护所述拾音器，避免所述拾音器被坠落的煤块或矸石砸中，影响拾音效果。
在本实施例中，本发明所采用单个拾音器的精确监控范围在±4m左右，由6通路信号组成的单节点具备40m监控范围。
优选地，所述系统还包括：管理平台9；在本实施例中，所述管理平台9与所述液压支架控制器8连接，用于产生控制信号，以使所述液压支架控制器8控制所述液压支架放煤口4关闭。
进一步地，所述系统还包括：交换机10；所述交换机10分别与所述管理平台9、所述主控制器7及所述液压支架控制器8连接，用于将所述主控制器7或所述管理平台9产生的控制信号发送给所述液压支架控制器8，以使所述液压支架控制器8控制所述液压支架放煤口4关闭。
进一步地，所述系统还包括传输部分、控制和显示部分及数据存储部分；所述传输部分具体为电缆或光缆，用于进行井下数据传输；所述控制和显示部分包括各类控制通信接口、执行器和解码器，所述解码器用于对井下传输的数据进行格式转换，所述控制通信接口用于进行井下通信控制；所述数据存储部分包括服务器和磁盘，用于存储所述数据采集模块采集的声纹信号。
优选地，所述系统还包括：报警装置；在本实施例中，所述报警装置与所述主控制器7连接，用于根据报警信号进行报警；所述报警信号为所述主控制器在产生控制信号的同时产生的。
作为一种具体的实施方式，对于应用了多台采煤机的复杂井下环境，可对应多台采煤机设置多个监测节点，分别进行监测控制。各所述监测节点均设置数据采集模块、主控制器、液压支架控制器，从而分别对各监测节点的液压支架放煤口进行控制，各所述监测节点的主控制器及液压支架控制器均与所述管理平台连接，以使所述管理平台对各所述监测节点集中进行管理。
本发明提供的基于声纹检测技术的放顶煤控制方法及系统，采用最新的语音特征提取技术，基于接近人耳听觉感知的梅尔非线性频谱特征，结合声音方差、共振峰、谐波性、频率、峰度参数等其他参数，组成多维特征，使用基于深度学习的CRNN神经网络进行训练识别，通过对煤块和矸石撞击液压支架尾梁的声纹信号样本进行学习，实现了对煤块和矸石跌落的声纹信号的高度识别率。从而能够替换传统的人盯人防的放顶煤控制方式，为无人综采面提供一种无人化的可行方案，实现了综采工作面自动放煤控制。
本发明提供的基于声纹检测技术的放顶煤控制方法及系统实现了以下功能：
1)边缘运算功能：系统的主要采集、运算功能部署在现场的监测节点中，通过边缘运算大幅降低中心服务器的运算压力。
2)实时监测功能：监测节点将拾音器采集的声纹信号进行运算处理后转换成对应的监测值并实时传送至管理平台，从而实现管理平台对各监测节点的实时监测。
3)报警功能：管理平台定时轮询所有监测节点，当液压支架放煤口开启时，若检测到矸石撞击液压支架尾梁的声纹信号后触发后台报警流程，提醒工作人员查看液压支架放煤口是否自动执行关闭。
4)现场监听功能：管理平台可以选择现场任意监测节点，并利用拾音器进行一定时长的录音，录音完毕后可以通过播放录音数据来确认现场情况，也可把有效的录音信息加入到算法的训练样本集中进行算法的训练优化。
与现有技术相比，本发明提供的基于声纹检测技术的放顶煤控制方法及系统具有以下优势：
1)采用非接触式监测方式，可以有效避免因现场环境(如粉尘大等)的原因影响识别准确率。
2)嵌入式算法移植，支持边缘计算，可大幅降低中心服务器的运算压力，在井下环网出现问题时仍然保持正常工作，提升了系统的稳定性，且有利于监测范围的扩展。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于声纹检测技术的放顶煤控制方法，其特征在于，所述方法包括：
步骤S1：开启液压支架放煤口，开始放顶煤过程；
步骤S2：采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；
步骤S3：对所述声纹信号进行特征提取，得到对应的声纹特征矩阵；
步骤S4：利用声纹识别模型对所述声纹特征矩阵进行声纹识别，得到对应的识别结果；所述识别结果包括所述声纹特征矩阵来自煤块撞击液压支架尾梁的声音以及所述声纹特征矩阵来自矸石撞击液压支架尾梁的声音；
步骤S5：根据所述识别结果判断是否关闭液压支架放煤口；若关闭液压支架放煤口，则执行“步骤S6”；若不关闭液压支架放煤口，则返回“步骤S2”；
步骤S6：产生控制信号，并将所述控制信号发送给液压支架控制器，以使所述液压支架控制器根据所述控制信号控制所述液压支架放煤口关闭，放顶煤过程结束。
2.根据权利要求1所述的基于声纹检测技术的放顶煤控制方法，其特征在于，所述步骤S5具体包括：若所述识别结果为所述声纹特征矩阵来自矸石撞击液压支架尾梁的声音，则执行“步骤S6”；若所述识别结果为所述声纹特征矩阵来自煤块撞击液压支架尾梁的声音，则返回“步骤S2”。
3.根据权利要求1所述的基于声纹检测技术的放顶煤控制方法，其特征在于，在所述步骤S5之后还包括：
产生报警信号，并将所述报警信号发送给管理平台进行报警。
4.根据权利要求1所述的基于声纹检测技术的放顶煤控制方法，其特征在于，在所述步骤S4之前还包括构建声纹识别模型；所述构建声纹识别模型具体包括：
构建CRNN神经网络作为初始神经网络；
采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；
分别对煤块撞击液压支架尾梁的声纹信号及矸石撞击液压支架尾梁的声纹信号进行预处理及特征提取，得到对应的声纹特征矩阵，并将各所述声纹特征矩阵及各所述声纹特征矩阵对应的类别信息作为训练数据集；所述类别信息包括煤块撞击液压支架尾梁的声音以及矸石撞击液压支架尾梁的声音；
将所述训练数据集输入至所述初始神经网络中进行训练，得到所述声纹识别模型。
5.根据权利要求4所述的基于声纹检测技术的放顶煤控制方法，其特征在于，在所述步骤S4之后还包括：
将所述声纹特征矩阵及对应的识别结果加入所述训练数据集，并将所述训练数据集再次输入至所述初始神经网络中进行训练，并更新所述声纹识别模型。
6.根据权利要求1所述的基于声纹检测技术的放顶煤控制方法，其特征在于，所述步骤S3具体包括：
对所述声纹信号进行基本特征提取，得到第一声纹特征；所述第一声纹特征包括方差、共振峰、谐波性、频率及峰度参数；
对所述声纹信号进行梅尔倒谱系数特征提取，得到对应的梅尔倒谱系数矩阵，并将所述梅尔倒谱系数矩阵作为第二声纹特征；
将所述第一声纹特征与所述第二声纹特征相结合，得到所述声纹特征矩阵。
7.根据权利要求6所述的基于声纹检测技术的放顶煤控制方法，其特征在于，对所述声纹信号进行梅尔倒谱系数特征提取，得到对应的梅尔倒谱系数矩阵，具体包括：
在所述声纹信号的频谱范围内设置多个三角形滤波器，作为多个梅尔滤波器组；
将各所述三角形滤波器的带宽内所有信号幅度加权之和作为所述梅尔滤波器组的输出；
对各所述梅尔滤波器组的输出的对数幅度谱进行离散余弦变化，得到所述梅尔倒谱系数矩阵。
8.一种基于声纹检测技术的放顶煤控制系统，其特征在于，所述系统包括：数据采集模块、液压支架控制器及主控制器；
所述数据采集模块，设置于液压支架上，用于采集放顶煤过程中煤块或矸石撞击液压支架尾梁的声纹信号；
所述主控制器，分别与所述数据采集模块及所述液压支架控制器连接，用于根据如权利要求1-7中任一项所述的基于声纹检测技术的放顶煤控制方法，产生控制信号；
所述液压支架控制器，与所述主控制器连接，用于根据所述控制信号控制所述液压支架放煤口关闭。
9.根据权利要求8所述的基于声纹检测技术的放顶煤控制系统，其特征在于，所述系统还包括：
管理平台，与所述液压支架控制器连接，用于产生控制信号，以使所述液压支架控制器控制所述液压支架放煤口关闭。
10.根据权利要求9所述的基于声纹检测技术的放顶煤控制系统，其特征在于，所述系统还包括：
报警装置，与所述主控制器连接，用于根据报警信号进行报警；所述报警信号为所述主控制器在产生控制信号的同时产生的。
CN202111312009.2A 2021-11-08 2021-11-08 一种基于声纹检测技术的放顶煤控制方法及系统 Active CN114033377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111312009.2A CN114033377B (zh) 2021-11-08 2021-11-08 一种基于声纹检测技术的放顶煤控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111312009.2A CN114033377B (zh) 2021-11-08 2021-11-08 一种基于声纹检测技术的放顶煤控制方法及系统

Publications (2)

Publication Number Publication Date
CN114033377A true CN114033377A (zh) 2022-02-11
CN114033377B CN114033377B (zh) 2022-06-14

Family

ID=80143153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111312009.2A Active CN114033377B (zh) 2021-11-08 2021-11-08 一种基于声纹检测技术的放顶煤控制方法及系统

Country Status (1)

Country Link
CN (1) CN114033377B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116698977A (zh) * 2023-08-07 2023-09-05 山东科技大学 一种基于声音信号的煤矸识别传感器及识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6607248B1 (en) * 1999-06-23 2003-08-19 John J. Childress Low elevation coal processing plant
CN101634842A (zh) * 2009-03-05 2010-01-27 中国矿业大学(北京) 煤矸识别与自动化放煤控制系统
CN110043318A (zh) * 2019-04-19 2019-07-23 中国矿业大学(北京) 放顶煤液压支架尾梁声振数据采集装置
CN111878170A (zh) * 2020-07-03 2020-11-03 太原理工大学 基于超声波强度测试的放顶煤放煤作业控制的装置与方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6607248B1 (en) * 1999-06-23 2003-08-19 John J. Childress Low elevation coal processing plant
CN101634842A (zh) * 2009-03-05 2010-01-27 中国矿业大学(北京) 煤矸识别与自动化放煤控制系统
CN110043318A (zh) * 2019-04-19 2019-07-23 中国矿业大学(北京) 放顶煤液压支架尾梁声振数据采集装置
CN111878170A (zh) * 2020-07-03 2020-11-03 太原理工大学 基于超声波强度测试的放顶煤放煤作业控制的装置与方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋庆军等: "基于卷积的放顶煤煤矸识别方法研究", 《煤炭技术》 *
李伟等: "理解数字声音——基于一般音频／环境声的计算机听觉综述", 《复旦学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116698977A (zh) * 2023-08-07 2023-09-05 山东科技大学 一种基于声音信号的煤矸识别传感器及识别方法
CN116698977B (zh) * 2023-08-07 2023-10-31 山东科技大学 一种基于声音信号的煤矸识别传感器及识别方法

Also Published As

Publication number Publication date
CN114033377B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN107086036A (zh) 一种高速公路隧道安全监控方法
CN109044396B (zh) 一种基于双向长短时记忆神经网络的智能心音识别方法
CN109616140B (zh) 一种异常声音分析系统
CN206931362U (zh) 一种高速公路隧道安全监控系统
CN106898346A (zh) 一种高速公路隧道安全监控系统
CN102148032A (zh) 应用于atm机的异常声音检测方法及系统
CN114033377B (zh) 一种基于声纹检测技术的放顶煤控制方法及系统
CN110239914B (zh) 红外视听频谱融合输送带纵向撕裂检测预警装置及方法
CN203786851U (zh) 新型拾音报警器
CN101976564A (zh) 昆虫声音识别方法
CN107122807A (zh) 一种家庭监控方法、服务端及计算机可读存储介质
CN113566948A (zh) 机器人化煤机故障音频识别及诊断方法
CN111140221A (zh) 一种井场安全风险预警装置、系统及处理方法
CN214175107U (zh) 一种煤矿ai智能视频识别控制系统
Ferroudj et al. Detection of rain in acoustic recordings of the environment
Smailov et al. A novel deep CNN-RNN approach for real-time impulsive sound detection to detect dangerous events
CN105118516A (zh) 基于声音线性预测倒谱系数的工程机械的识别方法
CN112907900B (zh) 一种边坡监测实体风险预警评估模型
CN206648005U (zh) 一种内置碰撞声检测功能的智能路灯
Segarceanu et al. Forest monitoring using forest sound identification
CN201885794U (zh) 一种输电线路智能防外力破坏在线监测装置
CN116181287A (zh) 一种页岩气井生产异常工况预警系统及方法
CN112945136B (zh) 用于边坡风险监测的监测点位遴选方法及系统
Fukumura et al. A study on hammering test using deep learning
CN109087666A (zh) 监狱打架的识别装置及方法

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 750001 room 1011, No. 490, Ning'an street, Jinfeng District, Yinchuan City, Ningxia Hui Autonomous Region

Patentee after: Ningxia guangtianxia Technology Co.,Ltd.

Address before: 750001 room 1001, building 1, No. 490 Ning'an Avenue, Jinfeng District, Yinchuan City, Ningxia Hui Autonomous Region

Patentee before: Ningxia Guangtianxia Electronics Technology Co.,Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A control method and system for top coal caving based on voiceprint detection technology

Granted publication date: 20220614

Pledgee: Huaxia Bank Co.,Ltd. Yinchuan Fenghuang North Street Branch

Pledgor: Ningxia guangtianxia Technology Co.,Ltd.

Registration number: Y2024980025422