CN116933013A - 一种基于时频分析的煤矿时序数据分析方法、装置及设备 - Google Patents
一种基于时频分析的煤矿时序数据分析方法、装置及设备 Download PDFInfo
- Publication number
- CN116933013A CN116933013A CN202311183691.9A CN202311183691A CN116933013A CN 116933013 A CN116933013 A CN 116933013A CN 202311183691 A CN202311183691 A CN 202311183691A CN 116933013 A CN116933013 A CN 116933013A
- Authority
- CN
- China
- Prior art keywords
- time
- sequence data
- coal mine
- time sequence
- frequency
- 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
Links
- 239000003245 coal Substances 0.000 title claims abstract description 102
- 238000004458 analytical method Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000007405 data analysis Methods 0.000 title claims abstract description 33
- 238000001228 spectrum Methods 0.000 claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 238000007781 pre-processing Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000008034 disappearance Effects 0.000 description 4
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及煤矿安全技术领域，尤其涉及一种基于时频分析的煤矿时序数据分析方法、装置及设备，包括：获取煤矿监测时序数据，对煤矿监测时序数据进行预处理，得到预处理时序数据，基于预处理时序数据进行多点位时频计算，得到煤矿时序预警，针对煤矿监测的时序数据进行频域分析，结合时间维度信息进行分析，应用时频方法阐明时序信号的所有频段时间演化过程，将原有的空域数据转换为频域空间的表示，对分布于多个监测点的时序数据进行综合估计，考虑这些监测位点的空间位置关联关系，从而分析异常来源与异常频谱特性，实现了高效、精准的煤矿时序数据分析，大大提高了煤矿安全事件预测精度，为矿井的高效生产和人员的生命安全提供有效的保障。
Description
技术领域
本发明涉及煤矿安全技术领域，特别是涉及一种基于时频分析的煤矿时序数据分析方法、装置及设备。
背景技术
煤矿日常监测场景将产生大量的时序数据，例如地音数据、微震数据等，而如何对这些时序数据进行处理，通过数据驱动的方式提升对于日常生产、安全等方面监测的智能化水平至关重要。而对于煤矿场景的时序数据分析核心在于发掘时序数据中的范式；
目前，虽然煤炭企业均已建成完善的安全生产信息系统，安全生产数据得到丰富，传统而言，应用数据驱动的方式进行煤矿时序监测数据进行分析可以应用两种方式：应用频域方法进行分析，应用机器学习方法进行数据挖掘，在煤矿监测的时序数据分析中应用机器学习方法常面临可解释性难题，而频域分析方法则具有良好的解释性。由于众多时序数据的采集收到地质状况、采点位置等条件的约束，煤矿场景中众多时序数据具有若干频率特性，根据不同的频率可大致判断事件类型。然而传统的频率分析局限于无法捕获其时间演变规律，也即难以直接分析某频率信号的发生、发展乃至消失的时间，煤炭企业对这些安全数据的处理方式采用传统的频率分析，无法捕获其时间演变规律，也即难以直接分析某频率信号的发生、发展乃至消失的时间，导致检测结果误差大、效率低。
综上所述可知，如何设计一种精度高、效率快的煤矿时序数据分析方法是目前亟需解决的问题。
发明内容
本发明的目的是提供一种基于时频分析的煤矿时序数据分析方法，以解决现有煤矿日常监测中时序数据分析精度差、效率低的问题。
为解决上述技术问题，本发明提供一种基于时频分析的煤矿时序数据分析方法，包括：
获取煤矿监测时序数据；
对所述煤矿监测时序数据进行预处理，得到预处理时序数据；
基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警。
优选地，所述对所述煤矿监测时序数据进行预处理，得到预处理时序数据包括：
将所述煤矿监测时序数据进行切片处理，得到切片数据；
利用窗函数将所述切片数据进行频谱特性计算，得到频谱时间演化特性；
基于所述频谱时间演化特性进行离散化处理，得到解析时频特性；
基于所述解析时频特性，分析视频响应演化，得到预处理时序数据。
优选地，所述将所述煤矿监测时序数据进行切片处理计算公式为：
其中，为煤矿时序信号函数，/>为窗函数。
优选地，所述窗函数计算公式为：
其中，为窗口函数参数。
优选地，所述基于所述频谱时间演化特性进行离散化处理，得到解析时频特性包括：
利用窗函数计算对于每一个分段上的频谱特性，基于时序数据分段，得到频谱出现的时间、频谱增大或者减小的变换规律，对时序数据分段进行离散化处理，得到完整频谱；
基于信息损失，利用香农采样定理处理所述完整频谱，得到解析时频特性。
优选地，所述基于所述解析时频特性，分析视频响应演化，得到预处理时序数据包括：
基于所述解析时频特性，可视化展示煤矿时序数据点位预处理后的时序数据时频演化情况，分析特定频段的频谱演化规律，得到预处理时序数据。
优选地，所述基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警包括：
所述预处理时序数据进行时间戳同步及数据异常清洗处理，当数据时间对齐后，分别计算每个点位的时频特性，获得频谱时间演化规律；
对所述频谱时间演化规律进行分析处理，得到煤矿时序预警。
优选地，所述对所述频谱时间演化规律进行分析处理包括：
分析每个频谱演化对应的物理意义，部分信号涉及长短波信号、生产周期性噪声信号，对于不同类型的频谱进行物理意义关联，对异常信号发生的时间、位置进行预警分析。
本发明还提供一种基于时频分析的煤矿时序数据分析装置，包括：
时序获取模块，获取煤矿监测时序数据；
预处理模块，对所述煤矿监测时序数据进行预处理，得到预处理时序数据；
预警分析模块，基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警。
本发明还提供一种基于时频分析的煤矿时序数据分析设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述所述一种基于时频分析的煤矿时序数据分析方法的步骤。
本发明所提供的一种基于时频分析的煤矿时序数据分析方法，针对煤矿监测的时序数据进行频域分析，考虑到时序数据自身特点，结合时间维度信息进行分析，应用时频方法阐明时序信号的所有频段时间演化过程，将原有的空域数据转换为频域空间的表示，对分布于多个监测点的时序数据进行综合估计，考虑这些监测位点的空间位置关联关系，从而分析异常来源与异常频谱特性，实现了高效、精准的煤矿时序数据分析，大大提高了煤矿安全事件预测精度，为矿井的高效生产和人员的生命安全提供有效的保障。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明所提供的一种基于时频分析的煤矿时序数据分析方法的第一种具体实施例的流程图；
图2为本发明所提供的一种基于时频分析的煤矿时序数据分析方法流程图；
图3为煤矿某时序数据的多个频谱时间演化情况示意图；
图4为第一监测时序数据进行时频分析示意图；
图5为第二监测时序数据进行时频分析示意图；
图6为第三监测时序数据进行时频分析示意图；
图7为第四监测时序数据进行时频分析示意图；
图8为本发明实施例提供的一种基于时频分析的煤矿时序数据分析装置的结构框图。
具体实施方式
本发明的核心是提供一种基于时频分析的煤矿时序数据分析方法、装置及设备，应用时域分析方法对煤矿监测场景的时序数据进行分析，实现了高效、精准的煤矿时序数据分析，大大提高了煤矿安全事件预测精度，为矿井的高效生产和人员的生命安全提供有效的保障。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
请参考图1，图1为本发明所提供的一种基于时频分析的煤矿时序数据分析方法的第一种具体实施例的流程图；具体操作步骤如下：
步骤S101：获取煤矿监测时序数据；
步骤S102：对所述煤矿监测时序数据进行预处理，得到预处理时序数据；
将所述煤矿监测时序数据进行切片处理，得到切片数据；
所述将所述煤矿监测时序数据进行切片处理计算公式为：
其中，为煤矿时序信号函数，/>为窗函数；
利用窗函数将所述切片数据进行频谱特性计算，得到频谱时间演化特性；
所述窗函数计算公式为：
其中，为窗口函数参数；
基于所述频谱时间演化特性进行离散化处理，得到解析时频特性；
利用窗函数计算对于每一个分段上的频谱特性，基于时序数据分段，得到频谱出现的时间、频谱增大或者减小的变换规律，对时序数据分段进行离散化处理，得到完整频谱；
所述离散化处理计算公式为：
基于信息损失，利用香农采样定理处理所述完整频谱，得到解析时频特性；
基于所述解析时频特性，分析视频响应演化，得到预处理时序数据。
基于所述解析时频特性，可视化展示煤矿时序数据点位预处理后的时序数据时频演化情况，分析特定频段的频谱演化规律，得到预处理时序数据。
步骤S103：基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警。
所述预处理时序数据进行时间戳同步及数据异常清洗处理，当数据时间对齐后，分别计算每个点位的时频特性，获得频谱时间演化规律；
对所述频谱时间演化规律进行分析处理，得到煤矿时序预警；
分析每个频谱演化对应的物理意义，部分信号涉及长短波信号、生产周期性噪声信号，对于不同类型的频谱进行物理意义关联，对异常信号发生的时间、位置进行预警分析。
本实施例提供一种基于时频分析的煤矿时序数据分析方法，应用时域分析方法对煤矿监测场景的时序数据进行分析，通过设置采样窗口，并在各个窗口上进行傅里叶分析，从而刻画不同时刻的频率特性，因此可揭示频率的时间演变规律，完成单个位点的监测传感器的时频特性计算后，对分布于多个监测点的时序数据进行综合估计，考虑这些监测位点的空间位置关联关系，从而分析异常来源与异常频谱特性，适用于煤矿开采、安全等领域中的时序信号数据分析，且时序分析实时计算性能较好，可以实时分析展示，实现了高效、精准的煤矿时序数据分析。
基于上述实施例，本实施例对所述基于时频分析的煤矿时序数据分析方法展开描述，如图2所示，具体如下：
本实施例采用20个感知传感器采集煤矿现场的时序信号数据，对数据进行频域分析的计算过程本质是将数据投影至正交的基函数上，求得投影系数，亦即频率，傅里叶分析的基函数即为三角正弦函数与三角余弦函数。基函数构成了频域空间，因此频域分析就是将原有的空域数据转换为频域空间的表示；
计算单个位点监测传感器的时频特性，其中单个位点的监测传感器时频分析计算涉及选定合适的窗函数进行傅里叶分析、计算时频特性并分析时频演化情况；
选定窗函数；
对煤矿场景时序数据进行时频分析的基本原理即为通过将预处理后的时序信号数据进行切分为小的片段，并对每个片段应用窗函数计算其频谱特性，综合多个片段即可得到频谱的时间演化特性。每个片段的时序信号近似平稳；
计算时频特性；
经过选定窗口函数，即可计算对于每一个分段上的频谱特性，并且结合所有时序数据的分段可得到频谱出现的时间、频谱增大或者减小的变换规律，频谱消失时刻等信息，对每个时序数据段离散化即可得到该段的所有频谱；
考虑信息损失，根据香农采样定理，当采样片段的频率大于或等于原时序信号频率的2倍时，则此时信息没有损失。在实践中，可根据应用的煤矿时序数据不同设置不同的片段大小。
分析时频响应演化；
求解时频特性完成后，即可可视化展示该点位预处理后的时序数据时频演化情况，如图3为某时序数据示例，可见几个频段均发生了频谱衰减，并且频谱较大，因此对于安全监测预警等场景中的类似时序数据而言，可以通过观察特定若干频段的频谱演化规律，来进一步区分正常噪音、地质噪音等信号与异常的信号。
多位点多传感器时频特性综合分析，完成单个位点的监测传感器的时频特性计算后，对分布于多个监测点的时序数据进行综合估计，考虑这些监测位点的空间位置关联关系，从而分析异常来源与异常频谱特性；
多点位时频计算与综合分析；
在实际的现场应用中，场景感知的时序信号往往涉及多个监测点的数据，而在众多时序信号应用中，其与空间地理位置有着密切联系，因此对于多点监测的时序数据进行时频计算并且综合分析至关重要。多点位的时频计算方法为，根据监测点位的时序信号数据进行数据的时间戳同步、数据异常清洗等过程，当对数据进行时间对齐后，可分别计算每个点位的时频特性并分析频谱随时间演化的规律。
时序异常信息判识；
通过计算多个点位监测时序信号并进行分别的时频演化情况分析，可分析总结每个频谱演化对应的物理意义，部分信号涉及长短波信号、生产周期性噪声信号等，对于不同类型的频谱进行物理意义关联即可对异常信号发生的时间、位置进行预警分析，从而实现时序异常信息判别的目的。
如图4、图5、图6、图7所示，不同的传感器捕获的信号具有不同频率时间演变规律，有些传感器捕获的信号频率稳定，有些则伴随异常频谱的出现与消失。
本发明实施例提供的一种基于时频分析的煤矿时序数据分析方法，结合时频分析方法，应用傅里叶变换对煤矿场景的时序数据进行分析处理，得到其频谱的演变规律，并为后续的分析奠定基础，不同的传感器捕获的信号具有不同频率时间演变规律，有些传感器捕获的信号频率稳定，有些则伴随异常频谱的出现与消失，且本方法适用于煤矿开采、安全等领域中的时序信号数据分析，要求时序数据采样时间均匀，时序分析实时计算性能较好，可用于实时分析展示，实现了高效、精准的煤矿时序数据分析，大大提高了煤矿安全事件预测精度，为矿井的高效生产和人员的生命安全提供有效的保障。
请参考图8，图8为本发明实施例提供的一种基于时频分析的煤矿时序数据分析装置的结构框图；具体装置可以包括：
时序获取模块100，获取煤矿监测时序数据；
预处理模块200，对所述煤矿监测时序数据进行预处理，得到预处理时序数据；
预警分析模块300，基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警。
本实施例的一种基于时频分析的煤矿时序数据分析装置用于实现前述的一种基于时频分析的煤矿时序数据分析方法，因此一种基于时频分析的煤矿时序数据分析装置中的具体实施方式可见前文中的一种基于时频分析的煤矿时序数据分析方法的实施例部分，例如，时序获取模块100，预处理模块200，预警分析模块300，分别用于实现上述一种基于时频分析的煤矿时序数据分析方法中步骤S101，S102，S103，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
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它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
以上对本发明所提供的一种基于时频分析的煤矿时序数据分析方法、装置及设备进行了详细介绍。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方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是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，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
Claims (10)
1.一种基于时频分析的煤矿时序数据分析方法，其特征在于，包括：
获取煤矿监测时序数据；
对所述煤矿监测时序数据进行预处理，得到预处理时序数据；
基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警。
2.如权利要求1所述的基于时频分析的煤矿时序数据分析方法，其特征在于，所述对所述煤矿监测时序数据进行预处理，得到预处理时序数据包括：
将所述煤矿监测时序数据进行切片处理，得到切片数据；
利用窗函数将所述切片数据进行频谱特性计算，得到频谱时间演化特性；
基于所述频谱时间演化特性进行离散化处理，得到解析时频特性；
基于所述解析时频特性，分析视频响应演化，得到预处理时序数据。
3.如权利要求2所述的基于时频分析的煤矿时序数据分析方法，其特征在于，所述将所述煤矿监测时序数据进行切片处理计算公式为：
其中，为煤矿时序信号函数，/>为窗函数。
4.如权利要求3所述的基于时频分析的煤矿时序数据分析方法，其特征在于，所述窗函数计算公式为：
其中，为窗口函数参数。
5.如权利要求2所述的基于时频分析的煤矿时序数据分析方法，其特征在于，所述基于所述频谱时间演化特性进行离散化处理，得到解析时频特性包括：
利用窗函数计算对于每一个分段上的频谱特性，基于时序数据分段，得到频谱出现的时间、频谱增大或者减小的变换规律，对时序数据分段进行离散化处理，得到完整频谱；
基于信息损失，利用香农采样定理处理所述完整频谱，得到解析时频特性。
6.如权利要求5所述的基于时频分析的煤矿时序数据分析方法，其特征在于，所述基于所述解析时频特性，分析视频响应演化，得到预处理时序数据包括：
基于所述解析时频特性，可视化展示煤矿时序数据点位预处理后的时序数据时频演化情况，分析特定频段的频谱演化规律，得到预处理时序数据。
7.如权利要求1所述的基于时频分析的煤矿时序数据分析方法，其特征在于，所述基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警包括：
所述预处理时序数据进行时间戳同步及数据异常清洗处理，当数据时间对齐后，分别计算每个点位的时频特性，获得频谱时间演化规律；
对所述频谱时间演化规律进行分析处理，得到煤矿时序预警。
8.如权利要求7所述的基于时频分析的煤矿时序数据分析方法，其特征在于，所述对所述频谱时间演化规律进行分析处理包括：
分析每个频谱演化对应的物理意义，部分信号涉及长短波信号、生产周期性噪声信号，对于不同类型的频谱进行物理意义关联，对异常信号发生的时间、位置进行预警分析。
9.一种基于时频分析的煤矿时序数据分析装置，其特征在于，包括：
时序获取模块，获取煤矿监测时序数据；
预处理模块，对所述煤矿监测时序数据进行预处理，得到预处理时序数据；
预警分析模块，基于所述预处理时序数据进行多点位时频计算，得到煤矿时序预警。
10.一种基于时频分析的煤矿时序数据分析设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至8任一项所述一种基于时频分析的煤矿时序数据分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311183691.9A CN116933013B (zh) | 2023-09-14 | 2023-09-14 | 一种基于时频分析的煤矿时序数据分析方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311183691.9A CN116933013B (zh) | 2023-09-14 | 2023-09-14 | 一种基于时频分析的煤矿时序数据分析方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116933013A true CN116933013A (zh) | 2023-10-24 |
| CN116933013B CN116933013B (zh) | 2023-12-26 |
Family
ID=88389923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311183691.9A Active CN116933013B (zh) | 2023-09-14 | 2023-09-14 | 一种基于时频分析的煤矿时序数据分析方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116933013B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108427032A (zh) * | 2018-01-29 | 2018-08-21 | 中国电子科技网络信息安全有限公司 | 一种频谱分解方法及频时反演方法 |
| CN113868006A (zh) * | 2021-10-09 | 2021-12-31 | 中国建设银行股份有限公司 | 时间序列的检测方法、装置、电子设备及计算机存储介质 |
| CN114492926A (zh) * | 2021-12-20 | 2022-05-13 | 华能煤炭技术研究有限公司 | 一种煤矿安全隐患文本分析预测方法和系统 |
| US20220221614A1 (en) * | 2021-01-11 | 2022-07-14 | Shandong University Of Science And Technology | Analysis method, system and storage media of lithological and oil and gas containing properties of reservoirs |
| CN115236741A (zh) * | 2022-09-26 | 2022-10-25 | 成都理工大学 | 一种基于地震动信号的高速远程冰岩崩灾害链预警方法 |
| CN116596721A (zh) * | 2023-04-15 | 2023-08-15 | 思维实创(哈尔滨)科技有限公司 | 一种基于高频时序数据特征提取的预警方法和系统 |
-
2023
- 2023-09-14 CN CN202311183691.9A patent/CN116933013B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108427032A (zh) * | 2018-01-29 | 2018-08-21 | 中国电子科技网络信息安全有限公司 | 一种频谱分解方法及频时反演方法 |
| US20220221614A1 (en) * | 2021-01-11 | 2022-07-14 | Shandong University Of Science And Technology | Analysis method, system and storage media of lithological and oil and gas containing properties of reservoirs |
| CN113868006A (zh) * | 2021-10-09 | 2021-12-31 | 中国建设银行股份有限公司 | 时间序列的检测方法、装置、电子设备及计算机存储介质 |
| CN114492926A (zh) * | 2021-12-20 | 2022-05-13 | 华能煤炭技术研究有限公司 | 一种煤矿安全隐患文本分析预测方法和系统 |
| CN115236741A (zh) * | 2022-09-26 | 2022-10-25 | 成都理工大学 | 一种基于地震动信号的高速远程冰岩崩灾害链预警方法 |
| CN116596721A (zh) * | 2023-04-15 | 2023-08-15 | 思维实创(哈尔滨)科技有限公司 | 一种基于高频时序数据特征提取的预警方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 宫宇新;何满潮;汪政红;尹雨婷;: "岩石破坏声发射时频分析算法与瞬时频率前兆研究", 岩石力学与工程学报, no. 04 * |
| 白帆;张慧;李鹏斐;曹昭睿: "异常性检测算法在引信干扰信号识别中的应用", 装备环境工程, vol. 19, no. 011 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116933013B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Traversal index enhanced-gram (TIEgram): A novel optimal demodulation frequency band selection method for rolling bearing fault diagnosis under non-stationary operating conditions | |
| Jayawardena et al. | Noise reduction and prediction of hydrometeorological time series: dynamical systems approach vs. stochastic approach | |
| US9323652B2 (en) | Iterative bottleneck detector for executing applications | |
| Mata et al. | Time–frequency analysis for concrete dam safety control: Correlation between the daily variation of structural response and air temperature | |
| Lv et al. | High-order synchroextracting transform for characterizing signals with strong AM-FM features and its application in mechanical fault diagnosis | |
| US20200143292A1 (en) | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset | |
| Sheng et al. | Applications in bearing fault diagnosis of an improved Kurtogram algorithm based on flexible frequency slice wavelet transform filter bank | |
| US10228994B2 (en) | Information processing system, information processing method, and program | |
| CN114167838B (zh) | 一种伺服系统多尺度健康评估与故障预测方法 | |
| Jablonski et al. | Validation of vibration measurements for heavy duty machinery diagnostics | |
| CN103792000A (zh) | 一种基于稀疏表示的信号中瞬态成分检测方法及装置 | |
| CN105637331A (zh) | 异常检测装置、异常检测方法及计算机可读取的存储介质 | |
| CN110285044B (zh) | 基于树莓派的水泵振动监测分析仪及方法 | |
| US20110166799A1 (en) | Trending of vibration data taking into account torque effect | |
| CN109214318B (zh) | 一种寻找非稳态时间序列微弱尖峰的方法 | |
| CN112633225A (zh) | 矿用微震信号滤波方法 | |
| Ye et al. | Dynamic health index extraction for incipient bearing degradation detection | |
| US10742535B2 (en) | Monitoring a resource consumption of an application | |
| CN116933013B (zh) | 一种基于时频分析的煤矿时序数据分析方法、装置及设备 | |
| CN118329196A (zh) | 一种振动刀切割机的刀具振动信号检测方法 | |
| Yi et al. | High-order synchrosqueezing superlets transform and its application to mechanical fault diagnosis | |
| US20220326115A1 (en) | Analytic system and method for testing gears | |
| CN105138823A (zh) | 一种基于自相关函数的生理信号质量检测方法 | |
| US10585128B2 (en) | Noise spectrum analysis for electronic device | |
| CN116609106A (zh) | 一种钻测一体化装备运行状态监测系统 |
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 |