一种煤矸仿生识别系统及方法与流程

本发明属于综放工作面自动控制技术领域，尤其涉及一种融合煤矸冲击振动和近红外光谱的煤矸仿生识别系统及方法。

背景技术：

煤矸识别是实现厚煤层和特厚煤层自动化放顶煤的关键技术问题，以此为研究目标进行了多种实验并形成如振动技术、图像处理技术、放射性探测技术、声学技术、光谱技术等多种识别方法。但在现场井下应用效果不理想，还需要新的仪器或识别方法来解决放顶煤过程中这个急需解决的问题。

通常工人在放煤过程中耳听液压支架震动的同时注视后刮板上的落煤情况，如图1所示，在开启放煤口的时间里现场工人结合前辈言传身教的经验和自身长时间的工作体验，在脑内总结形成关于煤和矸撞击液压支架时特有的声音信息，同时根据特定工作面以往产量信息估算出放煤口开启时间，在实际操作中将实时听到的声音与脑内存储的特征信息比对，在临近放煤停止时间时仔细观察后刮板输送机上的运煤情况，当听到的声音与脑内特殊声段近似且观察到刮板上有夹矸情况时停止放煤，但这样多造成欠放和过放，无法适应综放工作面智能开采的需求。

振动技术和光谱技术可模仿工人的耳听和目测。近红外光谱的成因是物质基团在伸缩、弯曲以及电子跃迁时都会吸收特定波长的光，煤岩成分不同会使物质吸收特定波长的光，产生的光谱在不同波长处会形成波谷，可根据煤岩曲线特征通过识别算法来判别物质，具有非接触式测量、预处理步骤少、实时性较高等优点，但测量距离受光源、环境等因素影响较大且通过反射光测量时穿透性不高。振动法是通过在液压支架后尾梁安装振动传感器监测垮落煤岩撞击液压支架的高频信号，随后对采集到的非平稳信号进行降噪和特征提取，将提取的特征信号输入建立的识别模型中进行识别，具有影响因素少、超前控制的优点，但往往针对特定环境且信号提取时间长。

技术实现要素：

发明目的：为了解决单种识别技术在煤矸识别中使用的局限性，根据工人耳听目测的经验仿生出振动与光谱融合的煤矸仿生识别技术，本发明提供一种融合煤矸冲击振动和近红外光谱的煤矸仿生识别系统及方法，以提高放顶煤过程中煤矸识别的准确性和多面性。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种融合煤矸冲击振动和近红外光谱的煤矸仿生识别方法，具体步骤如下：

(1)在液压支架后尾梁上安装光源探头一体化装置和振动采集装置跟随后尾梁摆动，在放煤状态下光源照射到刮板输送机上；

(2)收集地理信息、环境信息、历史数据、工艺信息和设备信息，根据收集的信息设置近红外光谱采集参数以及振动采集频率，并对振动传感器进行标定；

(3)开始放煤后，根据光源探头一体化装置内的校正光路获取校正光谱数据，光源探头一体化装置连续循环探测刮板输送机上运输的煤和矸石，振动采集装置持续接收煤和矸石冲击液压支架的振动，实时获取煤和矸石的光谱数据和冲击振动数据；

(4)将光谱数据和冲击振动数据转化为光谱反射率信息和振动加速度信息，剔除噪声超过预期的误差数据后存储于数据库中，并对剔除误差数据后的光谱与振动数据进行预处理，对预处理后的数据进行特征提取；

(5)采用振动和光谱融合识别的方式对特征提取后的数据进行分类识别，分析获取煤岩物质二分类别、落煤与矸石的煤种和岩种、灰分产率和放煤状态，显示光谱曲线、振动波形以及分析结果。

进一步地，所述步骤(4)，数据预处理过程包括：利用平滑法滤除煤和矸石的光谱噪音，利用奇异值分解法滤除煤和矸石振动噪音，同时对光谱利用微分方法进行特征加强，使特征更加突出明显，得到噪声过滤和特征加强后的光谱和振动数据。

进一步地，所述步骤(4)，特征提取方法如下：对煤和矸石的光谱采用切割分段、移位变换方法进行特征降维，对振动信号采用主成分分析进行特征降维，通过bp神经网络识别振动信号的特征，通过波段匹配方法识别光谱特征信息。

进一步地，所述步骤(5)，采用振动和光谱融合识别的方式对特征提取后的数据进行分类识别，具体如下：

(5-1)通过bp神经网络识别振动信号的特征，确定当前掉落的煤岩种类；

(5-2)当刮板输送机上掉落的煤岩被传送到光源照射区域时，通过波段匹配方法识别光谱特征信息，确定煤岩种类；

(5-3)判断分别通过振动识别与光谱识别的煤岩种类是否相同；若振动识别与光谱识别的煤岩种类相同，进入步骤(5-4)，否则，为了排除偶然因素，进入步骤(5-7)；

(5-4)分别统计通过振动识别与光谱识别相同种类的时刻t1,t2与持续时间t1,t2，计算两种识别方式的时刻差△，判断当前采集识别轮次是否已达到设定轮次阈值；

(5-5)若当前轮次未达到设定轮次阈值，返回步骤(5-2)；若当前轮次已达到设定轮次阈值，判断每轮时刻差△是否在误差范围内；若每轮时刻差△在误差范围内，进入步骤(5-6)，否则，为了排除偶然因素，进入步骤(5-7)；

(5-6)判定当前放煤过程中落在刮板输送机上的物质为振动识别与光谱识别所得到的相同识别结果；

(5-7)等待时间间隔△t后再次采集光谱数据并识别，判断通过振动识别与光谱识别的煤岩种类是否相同；若煤岩种类相同，则认为排除偶然因素，返回步骤(5-4)，否则，进入步骤(5-8)；

(5-8)根据识别可靠性评价体系判断当前光谱与振动识别结果的可靠性，当前放煤过程中落下的物质为评价体系得出的物质，同时根据识别出的煤岩类别结合综采区地质信息判断顶煤量。

进一步地，所述识别可靠性评价体系根据输入的地理信息、环境信息、历史数据、工艺信息和设备信息对两种识别结果的可靠性进行判断并给出量化值，判断当前可靠值高的识别方式结果为真。

本发明还提供了一种煤矸仿生识别系统，包括光源探头一体化装置、振动采集装置、数据采集与处理装置，所述数据采集与处理装置包括采集模块、存储模块、预处理模块、特征提取模块、分类识别模块；

所述光源探头一体化装置和振动采集装置安装在液压支架后尾梁上，所述数据采集与处理装置放置在液压支架立柱一侧，振动采集装置和数据采集与处理装置通过电缆连接；光源探头一体化装置和数据采集与处理装置通过电缆以及光纤连接；

所述光源探头一体化装置，用于发射光并接收经煤岩反射且被部分吸收的光，将反射光传输至光谱仪，光谱仪将反射光转化为二维光谱曲线；

所述振动采集装置，用于通过振动传感器实时监测煤和矸石从顶板落下过程，并将煤矸冲击液压支架产生的振动信号传输至数据采集与处理装置；

所述采集模块，用于将光谱仪转化的光谱数据读入计算机中以及将振动采集装置获取的振动电压信号转化为数字信号，并将光谱数据和振动数据传输给预处理模块；

所述存储模块，用于将采集模块得到的光谱数据和振动数据存储于数据库中；

所述预处理模块，用于将接收到的光谱数据和振动数据进行噪声过滤和特征暴露，并将特征加强后的数据传输给特征提取模块；

所述特征提取模块，用于将经预处理模块处理后的数据进行截段、降维、主成分分析，提取细节特征与整体特征；所述细节特征包括吸收谷深度、振动频率，所述整体特征包括吸收谷位置、振幅大小；细节特征和整体特征用于后续分类识别模块分析；

所述分类识别模块，用于根据经特征提取模块提取的特征信息融合判断煤矸光谱曲线和振动信号的特征分布，并获取煤矸物质类别、落煤与矸石的煤种和岩种、灰分产量和放煤状态。

有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：

本发明根据振动技术和光谱技术提出了一种基于煤矸仿生识别技术的煤矸精准识别方法，利用该方法可以获得物质类别、落煤与矸石的煤种和岩种、顶煤量和放煤状态，进而控制放煤过程。通过对特征降维后的振动信息识别可获得落煤实时状态和顶煤信息，通过对放煤过程进行连续间隔采样确定了落煤所处煤层以及夹矸的性质是偶然夹矸还是已经到达顶板位置；利用光谱信息进行波段匹配获得刮板输送机上实时的煤岩种类与顶煤信息，从而可以使液压支架抬起后尾梁时刻与煤层放完的时刻保持一致，扩展了单种煤岩识别技术在复杂综放工作面的应用。

本发明利用振动技术与光谱技术分别从物理层面和化学层面上识别，对复杂井下环境适应性更强，有效控制放出煤的含矸量；分别利用振动技术与光谱技术的优点，利用振动超前控制的优点先行获得煤岩信息，随后利用光谱技术进一步验证和回推得到最终结论；本发明可靠实用，能够真正实现无人自动放顶煤，有效降低放煤对操作人员的健康损害。

附图说明

图1是传统方法中综放工作面工人放煤过程控制流程图；

图2是本发明的煤矸识别方法融合识别流程图；

图3是本发明的单液压支架煤矸识别装置各部分布置示意图；

图4是本发明的煤矸识别装置控制流程图；

其中：1-数据采集与处理装置；2-振动采集装置；3-光源探头一体化装置；4-液压支架；5-刮板输送机。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明所述的一种融合煤矸冲击振动和近红外光谱的煤矸仿生识别方法，识别流程如图2所示，具体步骤如下：

(1)在液压支架4后尾梁上安装光源探头一体化装置3和振动采集装置2跟随后尾梁摆动，在放煤状态下光源照射到刮板输送机5上。

(2)收集地理信息、环境信息、历史数据、工艺信息和设备信息，根据收集的信息设置近红外光谱采集参数以及振动采集频率，并对振动传感器进行标定。

(3)开始放煤后，根据光源探头一体化装置3内的校正光路获取校正光谱数据，光源探头一体化装置3连续循环探测刮板输送机5上运输的煤和矸石，振动采集装置2持续接收煤和矸石冲击液压支架4的振动，实时获取煤和矸石的光谱数据和冲击振动数据。

(4)将光谱数据和冲击振动数据转化为光谱反射率信息和振动加速度信息，剔除噪声超过预期的误差数据后存储于数据库中，并对剔除误差数据后的光谱与振动数据进行预处理，对预处理后的数据进行特征提取。

数据预处理过程包括：利用平滑法滤除煤和矸石的光谱噪音，利用奇异值分解法滤除煤和矸石振动噪音，同时对光谱利用微分方法进行特征加强，使特征更加突出明显，得到噪声过滤和特征加强后的光谱和振动数据。

特征提取方法如下：对煤和矸石的光谱采用切割分段、移位变换方法进行特征降维，对振动信号采用主成分分析进行特征降维，通过bp神经网络识别振动信号的特征，通过波段匹配方法识别光谱特征信息。

(5)采用振动和光谱融合识别的方式对特征提取后的数据进行分类识别，分析获取煤岩物质二分类别、落煤与矸石的煤种和岩种、灰分产率和放煤状态，显示光谱曲线、振动波形以及分析结果。

采用振动和光谱融合识别的方式对特征提取后的数据进行分类识别，具体如下：

(5-1)通过bp神经网络识别振动信号的特征，确定当前掉落的煤岩种类；

(5-2)当刮板输送机5上掉落的煤岩被传送到光源照射区域时，通过波段匹配方法识别光谱特征信息，确定煤岩种类；

(5-3)判断分别通过振动识别与光谱识别的煤岩种类是否相同；若振动识别与光谱识别的煤岩种类相同，进入步骤(5-4)，否则，为了排除偶然因素，进入步骤(5-7)；

(5-4)分别统计通过振动识别与光谱识别相同种类的时刻t1,t2与持续时间t1,t2，计算两种识别方式的时刻差△，判断当前采集识别轮次是否已达到设定轮次阈值；

(5-5)若当前轮次未达到设定轮次阈值，返回步骤(5-2)；若当前轮次已达到设定轮次阈值，判断每轮时刻差△是否在误差范围内；若每轮时刻差△在误差范围内，进入步骤(5-6)，否则，为了排除偶然因素，进入步骤(5-7)；

(5-6)判定当前放煤过程中落在刮板输送机5上的物质为振动识别与光谱识别所得到的相同识别结果；

(5-7)等待时间间隔△t后再次采集光谱数据并识别，判断通过振动识别与光谱识别的煤岩种类是否相同；若煤岩种类相同，则认为排除偶然因素，返回步骤(5-4)，否则，进入步骤(5-8)；

(5-8)根据识别可靠性评价体系判断当前光谱与振动识别结果的可靠性，当前放煤过程中落下的物质为评价体系得出的物质，同时根据识别出的煤岩类别结合综采区地质信息判断顶煤量。

所述识别可靠性评价体系根据输入的地理信息、环境信息、历史数据、工艺信息和设备信息对两种识别结果的可靠性进行判断并给出量化值，判断当前可靠值高的识别方式结果为真。

本发明还提供了一种煤矸仿生识别系统，外观布置如图3所示，控制流程如图4所示，包括光源探头一体化装置3、振动采集装置2、数据采集与处理装置1，所述数据采集与处理装置1包括采集模块、存储模块、预处理模块、特征提取模块、分类识别模块；

所述光源探头一体化装置3和振动采集装置2安装在液压支架4后尾梁上，所述数据采集与处理装置1放置在液压支架4立柱一侧，振动采集装置2和数据采集与处理装置1通过电缆连接；光源探头一体化装置3和数据采集与处理装置1通过电缆以及光纤连接；

所述光源探头一体化装置3，用于发射光并接收经煤岩反射且被部分吸收的光，将反射光传输至光谱仪，光谱仪将反射光转化为二维光谱曲线；

所述振动采集装置2，用于通过振动传感器实时监测煤和矸石从顶板落下过程，并将煤矸冲击液压支架4产生的振动信号传输至数据采集与处理装置1；

所述采集模块，用于将光谱仪转化的光谱数据读入计算机中以及将振动采集装置2获取的振动电压信号转化为数字信号，并将光谱数据和振动数据传输给预处理模块；

所述存储模块，用于将采集模块得到的光谱数据和振动数据存储于数据库中；

所述预处理模块，用于将接收到的光谱数据和振动数据进行噪声过滤和特征暴露，并将特征加强后的数据传输给特征提取模块；

所述特征提取模块，用于将经预处理模块处理后的数据进行截段、降维、主成分分析，提取细节特征与整体特征；所述细节特征包括吸收谷深度、振动频率，所述整体特征包括吸收谷位置、振幅大小；细节特征和整体特征用于后续分类识别模块分析；

所述分类识别模块，用于根据经特征提取模块提取的特征信息融合判断煤矸光谱曲线和振动信号的特征分布，并获取煤矸物质类别、落煤与矸石的煤种和岩种、灰分产量和放煤状态。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。