基于数字孪生的煤矿采空区综合监测方法与流程

本发明涉及智能煤矿，尤其涉及一种基于数字孪生的井下采空区综合监测方法、系统、设备及其介质。

背景技术：

1、煤矿采空区是指在煤矿作业过程中，将地下煤炭或煤矸石等开采完成后留下的空洞或空腔。因煤矿开采过程，需要将地下煤炭资源开采运走，一般会在掘进过程中，采用类似道路上过山隧道方法，逐步打通地下煤炭所在位置到煤矿井口间的隧道，一般会将开采过程中遇到的矿石、煤炭等运送到地面，以便形成合理的运送和开采作业面，随着煤炭和其他矿石的不断运出，地下形成了这样煤炭采空区。

2、目前，煤矿地下水库的建设和实施为利用矿井地下水资源提供了技术手段。通过煤矿开采过程中遗留的煤柱坝体及人工建设的防水密闭，围绕采空区建设封闭储水区域，避免直接外排至地面所造成的资源浪费和环境污染；同时很大程度上为矿区工业用水和生活用水提供了保障。因此煤矿地下水库安全运行的稳定性对煤矿正常生产至关重要，而采空区防水密闭本身特殊结构和井下环境，其自身结构的安全稳定性变化情况更是地下水库重点关注对象。防水密闭墙根据布置位置不同，其承压能力也不尽相同，因此对防水密闭墙进行监测对于井下作业安全性至关重要。现有技术对于防水密闭墙的监测依据人工巡检获得监测数据，通过计算模型对监测数据，得到防水密闭墙承压能力，人工巡检获得监测数据迭代次数较多，更新时间段较长，缺乏对实际数据变化的实时更新能力，并且尚无针对采空区密闭的数字孪生模型监测手段和实时更新方法，对煤矿采空区综合监测实时性差，无法快速、准确的实现煤矿采空区综合监测。

技术实现思路

1、本发明要解决的技术问题是：为了解决现有技术对煤矿采空区综合监测实时性差，无法快速、准确的对煤矿采空区综合监测，本发明提供一种基于数字孪生的煤矿采空区综合监测方法，实时性好，能够快速、准确的对煤矿采空区综合监测。

2、本发明解决其技术问题所采用的技术方案是：一种基于数字孪生的井下采空区综合监测方法，所述方法包括以下步骤：

3、s1，获取井下采空区墙体的结构数据和第一传感数据；

4、其中，所述结构数据包括：所述井下采空区墙体的长、宽、高、材料以及形状数据，所述第一传感数据包括：所述井下采空区墙体的表面应变、渗压、钻孔应力及水位数据；

5、s2，基于所述结构数据构建第一数字孪生模型；

6、s3，对所述第一传感数据预处理，处理后的所述第一传感数据形成样本数据；

7、s4，对所述样本数据进行预警逻辑设计，得到多个监测区间；

8、s5，将多个监测区间与所述第一数字孪生模型融合，融合后得到第二数字孪生模型；

9、s6，对所述样本数据进行划分，划分后将样本数据分成自变量数据和应变量数据，将所述自变量数据和所述应变量数据按比例划分，得到训练集和验证集；

10、其中，选取渗压、钻孔应力及水位数据作为自变量数据，选取表面应变数据作为应变量数据；

11、s7，将所述训练集输入至极限学习机模型，对所述极限学习机模型训练，得到训练好的极限学习机模型；

12、s8，将所述验证集输入至训练好的极限学习机模型，得到预测数据，其中，预测数据包括预测的自变量数据和应变量数据；

13、s9，将预测数据与每个所述监测区间比较，得到比较结果，利用预测数据以及比较结果对所述第二数字孪生模型更新，得到第三数字孪生模型，实现井下采空区综合监测。

14、进一步，具体地，在步骤s9中，还通过安装井下采空区墙体的传感设备实时采集第一传感数据对第三数字孪生模型进行实时动态优化。

15、进一步，具体地，对第三数字孪生模型进行实时动态优化具体包括以下步骤：

16、a1，获取实时采集的第二传感数据，并对所述第二传感数据预处理；

17、a2，将预处理后的第二传感数据和预测数据进行拟合度对比，得到拟合值；

18、a3，将所述拟合值与预设阈值比较；

19、若所述拟合值大于等于所述预设阈值，则将步骤a1的预处理后的第二传感数据执行步骤s4～步骤s9，对所述第三数字孪生模型进行实时动态优化；

20、若所述拟合值小于所述预设阈值，则所述第三数字孪生模型无需优化。

21、进一步，具体地，所述步骤s4具体包括：

22、计算所述样本数据中各第一传感数据的期望值e(x)和方差σ2∈(0，∞)，

23、基于各第一传感数据的期望值和方差，所述第一传感数据的极大偏差概率计算公式表示为：

24、基于极大偏差概率计算公式，计算等于0.1、0.15以及0.2时的λ值，分别为：λ1，λ2，λ3；

25、根据计算的λ1，λ2，λ3建立监测区间，分别为第一子区间(0，λ3+e(x))、第二子区间(λ3+e(x)，λ2+e(x))，第三子区间(λ2+e(x)，λ1)，第四子区间(λ1，+∞)。

26、进一步，具体地，在所述步骤s9中，设预测数据为xi，将预测数据逐级与每个所述监测区间比较，包括：

27、若预测数据在所述第一子区间，即xi∈(0，λ3+e(x))，比较结果为数据正常，在第三数字孪生模型下该预测数据对应的监测设备显示蓝色，若不在所述第一子区间，则继续比较；

28、若预测数据在所述第二子区间，即xi∈(λ3+e(x)，λ2+e(x))，比较结果为数据异常，在第三数字孪生模型下该预测数据对应的监测设备显示黄色，若不在所述第二子区间，则继续比较；

29、若预测数据在所述第三子区间，即xi∈(λ2+e(x)，λ1)，则发出二级声光报警，比较结果为数据异常，在第三数字孪生模型下该预测数据对应的监测设备显示橙色，若不在所述第三子区间，则继续比较；

30、若预测数据在所述第四子区间，即xi∈(λ1，+∞)，则发出一级声光报警，比较结果为数据异常，在第三数字孪生模型下该预测数据对应的监测设备显示红色。

31、进一步，具体地，所述步骤s3或所述步骤a1中的预处理步骤依次包括对第一传感数据进行异常值消除、替换、去噪和标准化处理。

32、一种基于数字孪生的井下采空区综合监测系统，所述系统包括：

33、获取模块，被配置为获取井下采空区墙体的结构数据和第一传感数据；

34、其中，所述结构数据包括：所述井下采空区墙体的长、宽、高、材料以及形状数据，所述第一传感数据包括：所述井下采空区墙体的表面应变、渗压、钻孔应力及水位数据；

35、第一构建模块，被配置为基于所述结构数据构建第一数字孪生模型；

36、数据处理模块，被配置为对所述第一传感数据预处理，处理后的所述第一传感数据形成样本数据；

37、预警逻辑设计模块，被配置为对所述样本数据进行预警逻辑设计，得到多个监测区间；

38、融合模块，被配置为将多个监测区间与所述第一数字孪生模型融合，融合后得到第二数字孪生模型；

39、数据划分模块，被配置为对所述样本数据进行划分，划分后将样本数据分成自变量数据和应变量数据，将所述自变量数据和所述应变量数据按比例划分，得到训练集和验证集；

40、训练模块，被配置为将所述训练集输入至极限学习机模型，对所述极限学习机模型训练，得到训练好的极限学习机模型；

41、预测模块，被配置为将所述验证集输入至训练好的极限学习机模型，得到预测数据，其中，预测数据包括预测的自变量数据和应变量数据；

42、更新模块，被配置为将预测数据与每个所述监测区间比较，得到比较结果，利用预测数据以及比较结果对所述第二数字孪生模型更新，得到第三数字孪生模型，实现井下采空区综合监测。

43、进一步，具体地，所述更新模块中还包括优化单元，通过安装井下采空区墙体的传感设备实时采集第二传感数据对第三数字孪生模型进行实时动态优化。

44、一种计算机设备，包括：

45、处理器；

46、存储器，用于存储可执行指令；

47、其中，所述处理器用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现如上所述的基于数字孪生的井下采空区综合监测方法。

48、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得处理器实现如上所述的基于数字孪生的井下采空区综合监测方法。

49、本发明的有益效果是，

50、(1)本发明的一种基于数字孪生的井下采空区综合监测方法，通过对结构数据、以及传感数据的多阶段数据构建，逐级对数字孪生模型展示效果进行优化，并监测预警逻辑流程，形成数字孪生模型针对传感数据的变化呈现形象具体变化过程，实时性好，能够快速、准确的对煤矿采空区综合监测；

51、(2)本发明构建井下采空区墙体与大量数据之间的动态映射关系。通过对防水密闭各传感数据进行相关递进处理和融合，将处理结果与井下采空区墙体进行实时映射，保证了防水密闭数字孪生模型的准确性和预测输出的精确性，提升模型的实时更新能力，提前对防水密闭的运行态势进行预测和结果具象化输出，便于安全管理人员实时查看和管理；

52、(3)利用极限学习机模型，避免了传统神经网络训练中输入层、隐含层及激活函数等复杂参数设置的前提，提升并优化了训练模型的快速迭代计算能力，进一步提高了煤矿采空区综合监测的准确性。