CN116520274B - 一种用于煤岩识别三维高精度预探的识别雷达系统 - Google Patents
一种用于煤岩识别三维高精度预探的识别雷达系统 Download PDFInfo
- Publication number
- CN116520274B CN116520274B CN202310279447.6A CN202310279447A CN116520274B CN 116520274 B CN116520274 B CN 116520274B CN 202310279447 A CN202310279447 A CN 202310279447A CN 116520274 B CN116520274 B CN 116520274B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- coal
- identification
- rock
- data
- 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
Links
- 239000011435 rock Substances 0.000 title claims abstract description 81
- 239000003245 coal Substances 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000010276 construction Methods 0.000 claims abstract description 27
- 238000012795 verification Methods 0.000 claims abstract description 22
- 238000013524 data verification Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 14
- 238000007621 cluster analysis Methods 0.000 claims description 13
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 claims description 12
- 238000003064 k means clustering Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000000691 measurement method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/03—Details of HF subsystems specially adapted therefor, e.g. common to transmitter and receiver
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种用于煤岩识别三维高精度预探的识别雷达系统,包括:数据获取模块、数据校验模块、煤岩识别模块、三维地质模型构建模块以及三维预探模块;数据获取模块,用于基于MIMO雷达获取雷达回波数据;数据校验模块,用于对雷达回波数据进行校验,获得校验数据;煤岩识别模块,用于分析校验数据,煤岩体进行预测识别,获得煤岩三维曲面;三维地质模型构建模块,用于基于雷达回波数据,构建三维地质模型;三维预探模块,用于基于煤岩三维曲面以及三维地质模型,实现对煤岩界面位置三维高精度的预探。本申请实现了煤岩界面精准识别,解决了现实井工煤矿工作面无人化、智能化开采的前置性技术难题。
Description
技术领域
本发明属于雷达识别技术领域,具体涉及一种用于煤岩识别三维高精度预探的识别雷达系统。
背景技术
煤岩界面识别系统能使采煤机具有自动追踪煤岩界面的能力,是提高资源回收率、改善煤炭质量、减少设备磨损率的重要途径,可靠的识别系统在经济效益和安全作业两方面都具有突出优势,是实现智能化采煤的关键设备之一。目前,雷达识别系统的发展仍然落后,面向煤炭智能化开采的煤岩界面识别MIMO雷达系统研发与应用示范,是智能地质雷达系统在煤岩界面识别领域的创新研制和应用,是从系统设计和逻辑算法上有针对性研制的一款新型地质雷达系统,实现煤岩界面的智能精准识别,并提供工业化应用的智能化采矿装备。
发明内容
本发明旨在解决现有技术的不足,提出一种用于煤岩识别三维高精度预探的识别雷达系统,实现采煤工作面的“透明化”。
为实现上述目的,本发明提供了如下方案:
一种用于煤岩识别三维高精度预探的识别雷达系统,包括:数据获取模块、数据校验模块、煤岩识别模块、三维地质模型构建模块以及三维预探模块;
所述数据获取模块,用于基于MIMO雷达获取雷达回波数据;
所述数据校验模块,用于对所述雷达回波数据进行校验,获得校验数据;
所述煤岩识别模块,用于分析所述校验数据,煤岩体进行预测识别,获得煤岩三维曲面;
所述三维地质模型构建模块,用于基于所述雷达回波数据,构建三维地质模型;
所述三维预探模块,用于基于所述煤岩三维曲面以及所述三维地质模型,实现对煤岩界面位置三维高精度的预探。
优化的,所述校验模块,包括校验单元、坐标转换单元以及数据筛选单元;
所述校验单元,采用和差比幅单脉冲测角法,对所述雷达回波数据进行校验;
所述坐标转换单元,用于将完成校验的所述雷达回波数据,进行极坐标到直角坐标的坐标轴转换以及二维坐标测量数值的排序;
所述数据筛选单元,采用K-均值聚类算法,筛选滤除所述测量数值的虚假数值。
优化的,所述和差比幅单脉冲测角法的架构为:
设置天线布局ABCD;
基于所述天线布局ABCD,形成和方向图(A+B)与(C+D),并计算差(A+B)-(C+D),获得俯仰差信号Δel;
基于所述天线布局ABCD,形成和方向图(A+C)与(B+D),并计算差(A+C)-(B+D),获得方位差信号Δaz
基于所述天线布局ABCD,获得方位和信号∑;
基于所述俯仰差信号Δel、所述方位差信号Δaz以及所述方位和信号∑,获得单脉冲测角的架构。
优化的,所述K-均值聚类算法的应用过程为:
将模拟退火思想以及基于排挤的小生境技术,引入到蝙蝠算法,获得优化的蝙蝠算法;
基于所述优化的蝙蝠算法,搜寻所述K-均值聚类算法的聚类中心
预设所述K-均值聚类算法的目标函数;
基于所述聚类中心,计算所述测量数值的样本数据点与所述聚类中心的欧式距离;
基于所述欧式距离的大小,对所述样本数据点进行簇类的划分;
基于完成簇类划分的所述样本数据点,判断所述目标函数是否改变,如果改变,更新所述聚类中心;如果未改变,获得聚类结果。
优化的,所述煤岩识别模块,包括:聚类单元、特征构建单元、映射单元以及识别单元;
所述聚类单元,用于对工程因素的雷达电磁波特征参数进行聚类分析,获得不同频率所述电磁波特征参数的响应特征;
所述特征构建单元,用于基于所述响应特征,选择并构建强相关特征;
所述映射单元,用于将所述强相关特征映射为多维空间的点,作为预测因子;
所述识别单元,用于基于所述预测因子以及机器学习算法,构建煤岩体融合预测模型,实现对煤岩体识别预测,并获得所述煤岩三维曲面。
优化的,所述映射的实现过程为:
设置所述多维空间的点的分量;
基于雷达测得不同三维坐标的目标物的电磁波特征,为分量测量值,并映射到多维空间;
获得预设多维空间的点六维矢量属性,作为分量真值;
采用降维算法,计算映射到多维空间的所述分量测量值与所述分量真值的距离;
依次计算任意两维空间的所述距离,并合成到所述多维空间,实现映射。
优化的,所述煤岩体融合预测模型的构建过程为:
基于所述校验数据,构建数据集;
基于所述数据集,判断是否需要聚类分析;
如果所述数据集需要聚类分析,则对所述数据集进行交叉验证,获得第一层预测模型;基于所述机器学习算法,获得第二层预测模型;基于所述第一层预测模型、所述第二层预测模型以及元学习器,构建离散性预测模型,获得第一预测结果;
如果所述数据集不需要聚类分析,则采用LSTM算法,构建时序性预测模型,获得第二预测结果;
按照预设比例,分配所述第一预测结果以及所述第二预测结果的权重,获得最终预测结果,实现所述煤岩体融合预测模型的构建。
优化的,所述三维地质模型构建模块,包括数字体构建单元以及信息展示单元;
所述数字体构建单元,用于基于所述雷达回波数据,实时修正生成三维地质模型,获得地质环境的数字体;
所述信息展示单元,用于获取煤岩工作面生产过程信息,并基于所述数字体,实现信息的三维展示。
与现有技术相比,本发明的有益效果为:本申请采用了单脉冲测角技术结合阵列天线优点,可充分利用阵列天线的高增益、灵活波束控制、极强的干扰抑制能力及空间分辨能力高等优点,在各个领域具有更加广泛的应用前景。本申请首创性实现了在静止状态或低速扫描状态下对工作面进行三维地质成像,并采用智能分析算法识别出煤岩分界曲面,提供煤岩界面高精度的三维点云数据,为指导采煤机设备自动调节等智能开采决策控制提供基础数据。煤岩界面识别雷达是实现采煤工作面的“透明化”的必要手段,助力煤矿开采迈入3.0时代。
附图说明
为了更清楚地说明本发明的技术方案,下面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是本发明实施例用于煤岩识别三维高精度预探的识别雷达系统结构图。
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。
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。
实施例
如图1所示,一种用于煤岩识别三维高精度预探的识别雷达系统,包括:数据获取模块、数据校验模块、煤岩识别模块、三维地质模型构建模块以及三维预探模块;
数据获取模块,用于基于MIMO雷达获取雷达回波数据;
数据校验模块,用于对雷达回波数据进行校验,获得校验数据;
煤岩识别模块,用于分析校验数据,煤岩体进行预测识别,获得煤岩三维曲面;
三维地质模型构建模块,用于基于雷达回波数据,构建三维地质模型;
三维预探模块,用于基于煤岩三维曲面以及三维地质模型,实现对煤岩界面位置三维高精度的预探。
特别的,本申请所用的MIMO雷达为煤岩界面识别雷达,是一款基于探地雷达原理,应用了MIMO技术、正交极化、超宽带天线阵列等先进雷达技术。
具体的,煤岩界面识别雷达由天线阵面单元、波控网络、发射单元、接收单元(含AD采样)、频综单元、处理单元(信号处理、数据处理)、显控终端组成。使用雷达技术进行煤岩识别的基本原理是基于煤层和岩石介质的电磁特性差异,由置于工作面的发射天线将一超宽带高频电磁脉冲波送入采掘面内部,当其在地下传播过程中遇到不同介质目标体时,就会有部分电磁能量被反射回采掘面,由接收天线接收地下物体返回的回波信号。
具体的,雷达体制采用:SFCW与冲激脉冲、分布式MIMO布局(即UWB-MIMO工作雷达体制)、超外差接收机(零中频接收机和固定中频接收机)、正交解调;其中,采用正交解调的优势为:对于SFCW探地雷达而言,采用数字正交解调方案显得更为合适,它不仅可以降低A/D采样率,而且还能够极大降低通道幅相校正的难度,改善接收机的动态范围和灵敏度,提高接收机整体性能。
校验模块,包括校验单元、坐标转换单元以及数据筛选单元;
校验单元,采用和差比幅单脉冲测角法,对雷达回波数据进行校验;
坐标转换单元,用于将完成校验的雷达回波数据,进行极坐标到直角坐标的坐标轴转换以及二维坐标测量数值的排序;
数据筛选单元,采用K-均值聚类算法,筛选滤除测量数值的虚假数值。
和差比幅单脉冲测角法的架构为:
设置天线布局ABCD;
基于天线布局ABCD,形成和方向图(A+B)与(C+D),并计算差(A+B)-(C+D),获得俯仰差信号Δel;
基于天线布局ABCD,形成和方向图(A+C)与(B+D),并计算差(A+C)-(B+D),获得方位差信号Δaz
基于天线布局ABCD,获得方位和信号∑;
基于俯仰差信号Δel、方位差信号Δaz以及方位和信号∑,获得单脉冲测角的架构。
其中,MIMO雷达方向图函数较为准确的表达式为:
式中,θs为目标所在方向N和M为收发阵元数;dr和dt为收发阵元间距。
特别的,和差比幅单脉冲测角法的实现流程:
使用多路计接收机并用高速A/D变换采样,形成数字多波束(发射波束);
检测到目标的波束指向并接收雷达回波信号,基于发射波束形成左波束和右波束,比较左波束和右波束中目标回波信号的强弱可以判定目标偏离和波束指向的方向,进而获得测角结果。
K-均值聚类算法的应用过程为:
将模拟退火思想以及基于排挤的小生境技术,引入到蝙蝠算法,获得优化的蝙蝠算法;
基于优化的蝙蝠算法,搜寻K-均值聚类算法的聚类中心
预设K-均值聚类算法的目标函数;
基于聚类中心,计算测量数值的样本数据点与聚类中心的欧式距离;
基于欧式距离的大小,对样本数据点进行簇类的划分;
基于完成簇类划分的样本数据点,判断目标函数是否改变,如果改变,更新聚类中心;如果未改变,获得聚类结果。
煤岩识别模块,包括:聚类单元、特征构建单元、映射单元以及识别单元;
聚类单元,用于对工程因素的雷达电磁波特征参数进行聚类分析,获得不同频率电磁波特征参数的响应特征;
特征构建单元,用于基于响应特征,选择并构建强相关特征;
映射单元,用于将强相关特征映射为多维空间的点,作为预测因子;
识别单元,用于基于预测因子以及机器学习算法,构建煤岩体融合预测模型,实现对煤岩体识别预测,并获得煤岩三维曲面。
特别的,映射的实现过程为:
设置多维空间的点的分量;
基于雷达测得不同三维坐标的目标物的电磁波特征,为分量测量值,并映射到多维空间;
获得预设多维空间的点六维矢量属性,作为分量真值;
采用降维算法,计算映射到多维空间的分量测量值与分量真值的距离;
依次计算任意两维空间的距离,并合成到多维空间,实现映射。
具体的,多维空间(非欧式空间)分量包括:发射极化在庞卡来球的位置、回波极化在庞卡来球的位置、(各种)煤与(各种)岩石混合后的等效雷达截面、煤岩混合物中电磁波的传播速度、煤岩混合物在同一频率的介电常数、煤岩介电常数奇异值频率。
具体的,降维算法采用GMM高斯混合模型,将多维空间的分量定义为电磁特征矩阵A,A=[x1,x2,x3,x4,x5,x6]T,x1,x2,x3,x4,x5,x6即为上述多维空间的六个分量,测得雷达目标物的电磁特征矩阵为A*,矩阵中的元素目标物的电磁特征为x1 *至x6 *,令B=A*,用判别两矩阵的相似性来判断雷达目标物的性质。
具体的,煤岩体融合预测模型的构建过程为:
基于校验数据,构建数据集;
基于数据集,判断是否需要聚类分析;
如果数据集需要聚类分析,则对数据集进行交叉验证,获得第一层预测模型;基于机器学习算法,获得第二层预测模型;基于第一层预测模型、第二层预测模型以及元学习器,构建离散性预测模型,获得第一预测结果;
如果数据集不需要聚类分析,则采用LSTM算法,构建时序性预测模型,获得第二预测结果;
按照预设比例,分配第一预测结果以及第二预测结果的权重,获得最终预测结果,实现煤岩体融合预测模型的构建。
特别的,本申请将XGBoost算法、支持向量机算法(SVR)、LightGBM算法、深度神经网络算法、长短期记忆神经网络算法(LSTM)作为基学习器,构建离散性预测模型以及时序性预测模型。其中深度神经网络和长短期记忆神经网络的稠密层运算规则相同。获得的预测结果1和预测结果2所占权重为7:3。
特别的,本申请基于煤岩体融合预测模型(结合基于聚类分析和机器学习的煤岩电磁特征预测模型),建立不同煤岩体不同雷达频率下对应的电磁特征映射为六维空间分量数据库,为煤岩识别提供人工智能电磁判别数据。
三维地质模型构建模块,包括数字体构建单元以及信息展示单元;
数字体构建单元,用于基于雷达回波数据,实时修正生成三维地质模型,获得地质环境的数字体;
信息展示单元,用于获取煤岩工作面生产过程信息,并基于数字体,实现信息的三维展示。
以上所述的实施例仅是对本发明优选方式进行的描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (7)
1.一种用于煤岩识别三维高精度预探的识别雷达系统,其特征在于,包括:数据获取模块、数据校验模块、煤岩识别模块、三维地质模型构建模块以及三维预探模块;
所述数据获取模块,用于基于MIMO雷达获取雷达回波数据;
所述数据校验模块,用于对所述雷达回波数据进行校验,获得校验数据;
所述煤岩识别模块,用于分析所述校验数据,对煤岩体进行预测识别,获得煤岩三维曲面;
所述三维地质模型构建模块,用于基于所述雷达回波数据,构建三维地质模型;
所述三维预探模块,用于基于所述煤岩三维曲面以及所述三维地质模型,实现对煤岩界面位置三维高精度的预探;
所述数据校验模块,包括校验单元、坐标转换单元以及数据筛选单元;
所述校验单元,采用和差比幅单脉冲测角法,对所述雷达回波数据进行校验;
所述坐标转换单元,用于将完成校验的所述雷达回波数据,进行极坐标到直角坐标的坐标轴转换以及二维坐标测量数值的排序;
所述数据筛选单元,采用K-均值聚类算法,筛选滤除所述测量数值的虚假数值。
2.根据权利要求1所述的用于煤岩识别三维高精度预探的识别雷达系统,其特征在于,所述和差比幅单脉冲测角法的架构为:
设置天线布局ABCD;
基于所述天线布局ABCD,形成和方向图(A+B)与(C+D),并计算差(A+B)-(C+D),获得俯仰差信号;
基于所述天线布局ABCD,形成和方向图(A+C)与(B+D),并计算差(A+C)-(B+D),获得方位差信号基于所述天线布局ABCD,获得方位和信号/>;
基于所述俯仰差信号、所述方位差信号/>以及所述方位和信号/>,获得单脉冲测角的架构。
3.根据权利要求1所述的用于煤岩识别三维高精度预探的识别雷达系统,其特征在于,所述K-均值聚类算法的应用过程为:
将模拟退火思想以及基于排挤的小生境技术,引入到蝙蝠算法,获得优化的蝙蝠算法;
基于所述优化的蝙蝠算法,搜寻所述K-均值聚类算法的聚类中心;
预设所述K-均值聚类算法的目标函数;
基于所述聚类中心,计算所述测量数值的样本数据点与所述聚类中心的欧式距离;
基于所述欧式距离的大小,对所述样本数据点进行簇类的划分;
基于完成簇类划分的所述样本数据点,判断所述目标函数是否改变,如果改变,更新所述聚类中心;如果未改变,获得聚类结果。
4.根据权利要求1所述的用于煤岩识别三维高精度预探的识别雷达系统,其特征在于,所述煤岩识别模块,包括:聚类单元、特征构建单元、映射单元以及识别单元;
所述聚类单元,用于对工程因素的雷达电磁波特征参数进行聚类分析,获得不同频率所述电磁波特征参数的响应特征;
所述特征构建单元,用于基于所述响应特征,选择并构建强相关特征;
所述映射单元,用于将所述强相关特征映射为多维空间的点,作为预测因子;
所述识别单元,用于基于所述预测因子以及机器学习算法,构建煤岩体融合预测模型,实现对煤岩体识别预测,并获得所述煤岩三维曲面。
5.根据权利要求4所述的用于煤岩识别三维高精度预探的识别雷达系统,其特征在于,所述映射的实现过程为:
设置所述多维空间的点的分量;
基于雷达测得不同三维坐标的目标物的电磁波特征,为分量测量值,并映射到多维空间;
获得预设多维空间的点六维矢量属性,作为分量真值;
采用降维算法,计算映射到多维空间的所述分量测量值与所述分量真值的距离;
依次计算任意两维空间的所述距离,并合成到所述多维空间,实现映射。
6.根据权利要求4所述的用于煤岩识别三维高精度预探的识别雷达系统,其特征在于,所述煤岩体融合预测模型的构建过程为:
基于所述校验数据,构建数据集;
基于所述数据集,判断是否需要聚类分析;
如果所述数据集需要聚类分析,则对所述数据集进行交叉验证,获得第一层预测模型;基于所述机器学习算法,获得第二层预测模型;基于所述第一层预测模型、所述第二层预测模型以及元学习器,构建离散性预测模型,获得第一预测结果;
如果所述数据集不需要聚类分析,则采用LSTM算法,构建时序性预测模型,获得第二预测结果;
按照预设比例,分配所述第一预测结果以及所述第二预测结果的权重,获得最终预测结果,实现所述煤岩体融合预测模型的构建。
7.根据权利要求1所述的用于煤岩识别三维高精度预探的识别雷达系统,其特征在于,所述三维地质模型构建模块,包括数字体构建单元以及信息展示单元;
所述数字体构建单元,用于基于所述雷达回波数据,实时修正生成三维地质模型,获得地质环境的数字体;
所述信息展示单元,用于获取煤岩工作面生产过程信息,并基于所述数字体,实现信息的三维展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279447.6A CN116520274B (zh) | 2023-03-21 | 2023-03-21 | 一种用于煤岩识别三维高精度预探的识别雷达系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310279447.6A CN116520274B (zh) | 2023-03-21 | 2023-03-21 | 一种用于煤岩识别三维高精度预探的识别雷达系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116520274A CN116520274A (zh) | 2023-08-01 |
CN116520274B true CN116520274B (zh) | 2023-09-26 |
Family
ID=87401957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310279447.6A Active CN116520274B (zh) | 2023-03-21 | 2023-03-21 | 一种用于煤岩识别三维高精度预探的识别雷达系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116520274B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110685687A (zh) * | 2018-07-06 | 2020-01-14 | 华安奥特(北京)科技股份有限公司 | 一种基于雷达波-图像复合式煤岩识别的采煤方法 |
CN115308803A (zh) * | 2022-09-14 | 2022-11-08 | 北京天玛智控科技股份有限公司 | 煤层厚度预测方法、装置、设备和介质 |
CN115458902A (zh) * | 2022-09-30 | 2022-12-09 | 中国中煤能源集团有限公司 | 一种地质成像雷达uwb天线单元组结构 |
CN115494470A (zh) * | 2022-09-29 | 2022-12-20 | 中国中煤能源集团有限公司 | 一种地质成像雷达综合信号处理方法、系统、终端及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10167709B2 (en) * | 2014-06-09 | 2019-01-01 | Turboshale, Inc. | Subsurface multiple antenna radiation technology (SMART) |
-
2023
- 2023-03-21 CN CN202310279447.6A patent/CN116520274B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110685687A (zh) * | 2018-07-06 | 2020-01-14 | 华安奥特(北京)科技股份有限公司 | 一种基于雷达波-图像复合式煤岩识别的采煤方法 |
CN115308803A (zh) * | 2022-09-14 | 2022-11-08 | 北京天玛智控科技股份有限公司 | 煤层厚度预测方法、装置、设备和介质 |
CN115494470A (zh) * | 2022-09-29 | 2022-12-20 | 中国中煤能源集团有限公司 | 一种地质成像雷达综合信号处理方法、系统、终端及介质 |
CN115458902A (zh) * | 2022-09-30 | 2022-12-09 | 中国中煤能源集团有限公司 | 一种地质成像雷达uwb天线单元组结构 |
Non-Patent Citations (2)
Title |
---|
Lei Si,et al.A Novel Coal–Rock Recognition Method for Coal Mining Working Face Based on Laser Point Cloud Data.《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》.2021,第1-18页. * |
煤矿智能化开采煤岩识别技术综述;张强等;《煤炭科学技术》;第1-26页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116520274A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Three-dimensional precession feature extraction of space targets | |
Jacobs et al. | Automatic target recognition using sequences of high resolution radar range-profiles | |
CN111650582B (zh) | 一种基于mimo毫米波雷达的手势识别方法 | |
CN103389493B (zh) | 基于波束选择方法的多波束单脉冲测角方法 | |
CN106707255B (zh) | 一种相控阵雷达仿真系统及方法 | |
CN110764059B (zh) | 一种收发垂直波束三坐标相控阵雷达方法 | |
CN104101876B (zh) | 外辐射源雷达中一种基于随机有限集的多目标跟踪方法 | |
CN110687531A (zh) | 提高数字多波束相控阵天线自跟踪动态目标实时性的方法 | |
Ji et al. | Target monitoring using small-aperture compact high-frequency surface wave radar | |
CN110146873A (zh) | 分布式非相参雷达的目标位置和速度的估计方法 | |
Sun et al. | Track-to-Track association based on maximum likelihood estimation for T/RR composite compact HFSWR | |
CN115220007A (zh) | 一种针对姿态识别的雷达点云数据增强方法 | |
Sun et al. | Vessel velocity estimation and tracking from Doppler echoes of T/RR composite compact HFSWR | |
CN113702940B (zh) | 基于多元特征信息分层融合空间集群目标分辨方法及应用 | |
CN116520274B (zh) | 一种用于煤岩识别三维高精度预探的识别雷达系统 | |
Zhou et al. | Multiparameter adaptive target classification using full-polarimetric GPR: A novel approach to landmine detection | |
CN113671485A (zh) | 基于admm的米波面阵雷达二维doa估计方法 | |
Yan et al. | Moving targets detection for video SAR surveillance using multilevel attention network based on shallow feature module | |
CN113109807B (zh) | 基于压缩感知的频率分集阵列雷达地下目标三维成像方法 | |
CN109738890A (zh) | 一种基于弹载双基sar距离多普勒图像生成地距图的方法 | |
CN112418275B (zh) | 基于距离像特征提取的毫米波引信箔条干扰识别方法 | |
CN109085584B (zh) | 基于高自由度的多输入多输出钻孔雷达高效率成像方法 | |
CN113325410A (zh) | 一种雷达天线信号处理方法、装置、控制设备及存储介质 | |
CN116539643B (zh) | 一种使用雷达识别煤岩数据的方法及系统 | |
CN112835006A (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统 |
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 |