多參量融合預(yù)測煤巖動力災(zāi)害的研究

劉曉悅，李朋園

(華北理工大學(xué) 電氣工程學(xué)院，河北 唐山 063210)

多參量融合預(yù)測煤巖動力災(zāi)害的研究

劉曉悅，李朋園

(華北理工大學(xué) 電氣工程學(xué)院，河北 唐山 063210)

多參量；電磁輻射；聲發(fā)射；紅外輻射；灰色關(guān)聯(lián)分析法；綜合危險(xiǎn)指數(shù)；煤巖動力災(zāi)害

針對煤巖動力災(zāi)害存在非線性、強(qiáng)耦合性等特點(diǎn)導(dǎo)致的煤巖動力災(zāi)害難以預(yù)測的問題，提出了多參量融合來預(yù)測煤巖動力災(zāi)害的方法。通過灰色關(guān)聯(lián)分析法分析煤巖失穩(wěn)破壞前各參量的前兆特征與煤巖災(zāi)害的關(guān)聯(lián)度，最終確定以電磁輻射、聲發(fā)射、紅外輻射作為預(yù)測煤巖災(zāi)害的特征值。然后，由各因變量的單項(xiàng)危險(xiǎn)指數(shù)所得的綜合危險(xiǎn)指數(shù)來表征煤巖動力災(zāi)害的危險(xiǎn)程度，建立預(yù)測模型。運(yùn)用遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對該方法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，此方法與單一變量相比預(yù)測穩(wěn)定性較好，且預(yù)測精度更高。

0 引言

近年來，隨著市場對煤炭需求不斷増加，對煤炭進(jìn)行深部開采已經(jīng)成為必然[1]。伴隨著煤礦開采的深入，煤巖失穩(wěn)破壞也具有突發(fā)性和多樣性。沖擊地壓等煤巖動力災(zāi)害造成了大量人力、物力、財(cái)力的損失。目前，常用的方法如電磁輻射法[2]、聲發(fā)射法[3-7]、紅外輻射法[8]對沖擊地壓等煤巖動力災(zāi)害進(jìn)行預(yù)警，但由于煤巖失穩(wěn)孕育條件的復(fù)雜性和多樣性，僅考慮單一前兆規(guī)律的傳統(tǒng)預(yù)測方法存在很大局限性。為此，采用灰色關(guān)聯(lián)分析法選取表征煤巖動力災(zāi)害明顯的參量，最后選取電磁輻射、聲發(fā)射、紅外輻射溫度作為預(yù)測煤巖災(zāi)害的特征值。由各因變量的單項(xiàng)危險(xiǎn)指數(shù)所得的綜合危險(xiǎn)指數(shù)來表征煤巖動力災(zāi)害的危險(xiǎn)程度，表明此方法比單一變量預(yù)測穩(wěn)定性更好。

1 煤巖失穩(wěn)破壞的前兆特征分析

根據(jù)前人的研究成果和現(xiàn)場試驗(yàn)情況，隨著采礦地球物理技術(shù)的發(fā)展，電磁輻射(EME)、聲發(fā)射(AE)、微震和紅外輻射等技術(shù)逐步應(yīng)用于礦井煤巖動力災(zāi)害危險(xiǎn)性預(yù)測是煤與瓦斯突出、沖擊地壓等災(zāi)害預(yù)測理論上的一次飛躍，可以實(shí)現(xiàn)連續(xù)或非接觸預(yù)測。根據(jù)收集到的唐山某煤礦的歷史數(shù)據(jù)，對煤巖失穩(wěn)破壞前的電磁輻射、聲發(fā)射、微震和紅外輻射溫度等去噪處理后進(jìn)行特征分析。

1.1 聲發(fā)射特征分析

在煤巖動力災(zāi)害發(fā)生的前期過程中，煤巖表面的破裂以及裂紋之間發(fā)生的相對滑動會產(chǎn)生少量的聲發(fā)射信號。加載初期，雖然煤巖體內(nèi)部的微裂紋壓密產(chǎn)生聲發(fā)射信號，但是沒有出現(xiàn)裂紋的擴(kuò)展和錯(cuò)位活動，此時(shí)幅值變化不大。隨著荷載的慢慢增加，煤巖內(nèi)部將會出現(xiàn)位錯(cuò)運(yùn)動加強(qiáng)，AE信號不斷變強(qiáng)的現(xiàn)象。在后續(xù)過程中，伴隨著聲發(fā)射信號逐漸減小，聲發(fā)射的幅值也會隨之變小。發(fā)生此現(xiàn)象的原因是煤巖裂紋在擴(kuò)大之后被進(jìn)一步地壓縮，并減小了位錯(cuò)運(yùn)動。而在煤巖破裂的后期，煤巖裂紋進(jìn)一步匯合和貫通，造成聲發(fā)射信號的突然增大，一些參數(shù)諸如聲發(fā)射事件數(shù)、聲發(fā)射幅值等出現(xiàn)了峰值。如圖1所示，在煤巖破裂前有一個(gè)聲發(fā)射幅值局部低值，而在煤巖失穩(wěn)時(shí)聲發(fā)射信號又明顯上升。

圖1 聲發(fā)射信號幅度-時(shí)間

1.2 電磁輻射特征分析

電磁輻射是采動影響下煤巖體內(nèi)受載變形破壞過程中的電磁波，與煤巖體載荷有良好的對應(yīng)關(guān)系。煤巖體內(nèi)部能量的非均衡變化隨時(shí)間不斷波動，有顯著的時(shí)間特性。根據(jù)收集到唐山某煤礦的煤巖失穩(wěn)的歷史數(shù)據(jù)，煤巖動力災(zāi)害發(fā)生前電磁轄射幅度經(jīng)歷增大-極大值-減小-極小值-再次增大的過程，可以得知，在煤巖體內(nèi)部變形局部化區(qū)域的相對拉伸或是相對滑動變化導(dǎo)致電磁福射快速增大并達(dá)到極大值；變形局部化區(qū)域的相對拉伸或相對滑動主導(dǎo)電磁福射值從極大值減小為極小值；變形局部化區(qū)域的相對拉伸及相對滑動共同作用導(dǎo)致電磁福射值再次增大，在電磁輻射極小值時(shí)刻可以視為煤體失穩(wěn)破壞的前兆點(diǎn)。如圖2所示。

圖2 電磁輻射信號幅度-時(shí)間

1.3 紅外輻射特征分析

煤巖失穩(wěn)破壞時(shí)紅外輻射溫度升高，這是由于煤巖體內(nèi)部的錯(cuò)動及摩擦效應(yīng)和顆粒之間摩擦揉搓效應(yīng)的綜合作用。隨著煤巖失穩(wěn)，能量釋放紅外輻射溫度降低。煤巖失穩(wěn)破壞的表面平均溫度會經(jīng)歷先升高然后再降低的過程，其升高的極大值點(diǎn)可以作為煤巖失穩(wěn)破壞的溫度前兆，在平緩降低階段預(yù)示著試樣即將失穩(wěn)破壞，如圖3所示。

圖3 紅外輻射溫度-時(shí)間

其升高的極大值點(diǎn)可以作為煤巖失穩(wěn)破壞的溫度前兆，在平緩降低階段預(yù)示著試樣即將失穩(wěn)破壞。

2 基于GRA選取多參量

2.1 GRA原理

灰色關(guān)聯(lián)度是影響因素對被影響因素貢獻(xiàn)度的一種描述，也是表征自變量對因變量的影響程度的一種方法[9]?；疑P(guān)聯(lián)分析法就是基于灰色關(guān)聯(lián)度來分析其他參量對選煤巖災(zāi)害影響程度的一種算法。

煤巖破裂過程具有非線性、大慣性、強(qiáng)耦合性等特點(diǎn)，聲發(fā)射、電磁輻射和紅外輻射信號測得較多，比如：聲發(fā)射能量、幅度、振鈴數(shù)、電磁輻射幅度、脈沖、能量、紅外輻射溫度、幅度、微震等。所以在建立預(yù)測模型之前，首先采用灰色關(guān)聯(lián)分析法選取表征煤巖動力災(zāi)害明顯的參量(即關(guān)聯(lián)度較大的參量)。

具體步驟如下：

第1步：變量的無量綱化

由于影響選礦成本的因素較多且單位不一，在比較之前需要對自變量去量綱化，以便用于分析每個(gè)因素的灰色關(guān)聯(lián)度。

(1)

第2步：計(jì)算關(guān)聯(lián)系數(shù)

記 ζi(k)為x0(k)和xi(k)的關(guān)聯(lián)系數(shù)

第3步：求灰色關(guān)聯(lián)度

關(guān)聯(lián)系數(shù)是反映比較數(shù)列與參考數(shù)列的關(guān)聯(lián)程度值，關(guān)聯(lián)系數(shù)個(gè)數(shù)等于樣本數(shù)量。然而，過于離散的信息不利于用于整體性的對比。因此，采用求平均值的方法來表征比較數(shù)列和參考數(shù)列的關(guān)聯(lián)程度，關(guān)聯(lián)度ri公式如下：

(4)

第4步：關(guān)聯(lián)度排序

根據(jù)關(guān)聯(lián)度大小進(jìn)行排序，例如r1lt;r2，則參考數(shù)列y與比較數(shù)列x2更相似。

根據(jù)唐山煤礦的大量歷史數(shù)據(jù)求得的各特征參量與綜合危險(xiǎn)指數(shù)的關(guān)聯(lián)度為：

r1=0.894 667，r2=0.324 313，r3=0.238 545，r4=0.784 136，r5=0.145 754，r6=0.314 675，r7=0.903 467。

排序結(jié)果為：r7gt;r1gt;r4gt;r2gt;r6gt;r5gt;r3式中：

r1——聲發(fā)射幅度；r2——聲發(fā)射振鈴數(shù)；r3——聲發(fā)射能量；r4——電磁輻射幅度；r5——電磁輻射脈沖；r6——電磁輻射能量；r7——紅外輻射溫度。

由灰色關(guān)聯(lián)度排序可知，聲發(fā)射幅度、電磁輻射幅度、紅外輻射溫度與綜合危險(xiǎn)指數(shù)的相關(guān)性更高，所以選取該3個(gè)特征參量作為模型的輸入?yún)⒘俊?/p>

2.2 多參量融合

在煤巖災(zāi)害發(fā)生時(shí)，發(fā)生的時(shí)間、地點(diǎn)等具有很大的隨機(jī)性，并且復(fù)雜多樣。這也造成了預(yù)測煤巖動力災(zāi)害變得極為困難，成為了亟待解決的大難題。單變量如電磁輻射法、聲發(fā)射法、紅外輻射法在預(yù)測煤巖災(zāi)害時(shí)，會造成漏報(bào)、低可靠性等問題。針對這一問題，筆者提出融合多參量來提高預(yù)報(bào)的準(zhǔn)確性，降低了漏報(bào)率。但是，因?yàn)槊糠N預(yù)測指標(biāo)都有特有的預(yù)測機(jī)理，所以如何將多參量融合耦合在同一預(yù)測模型中及各指標(biāo)權(quán)重大小的問題是多參量融合的重中之重[10]。為此，該項(xiàng)研究采用了一種根據(jù)不同指標(biāo)的重要程度及其臨界值的大小來融合多參量的預(yù)測方法。

首先，由單一變量的各單項(xiàng)危險(xiǎn)指數(shù)確定的綜合危險(xiǎn)指數(shù)表征煤巖動力災(zāi)害的危險(xiǎn)程度。其中，電磁輻射幅度、聲發(fā)射幅度、紅外輻射溫度的單項(xiàng)指標(biāo)危險(xiǎn)指數(shù)Wt表達(dá)式為：

(5)

式中，Wt表示單項(xiàng)指標(biāo)危險(xiǎn)指數(shù),其值在0-1之間。其中A(t)表示時(shí)刻指標(biāo)的幅值，A0表示為指標(biāo)幅值的平均值,其值根據(jù)礦井實(shí)測數(shù)據(jù)統(tǒng)計(jì)結(jié)果確定。Amax表示指標(biāo)幅值的最大值,其值根據(jù)礦井實(shí)測數(shù)據(jù)統(tǒng)計(jì)結(jié)果確定。

2.3 綜合危險(xiǎn)指數(shù)

(6)

式中，W綜(t)表示t時(shí)刻總的指標(biāo)危險(xiǎn)指數(shù)，i表示電磁輻射、聲發(fā)射、紅外輻射第i個(gè)指標(biāo),Wi(t)表示t時(shí)刻第i個(gè)指標(biāo)的單項(xiàng)危險(xiǎn)指數(shù),其值按式(3)計(jì)算，fi(t)表示t時(shí)刻第i個(gè)指標(biāo)的權(quán)重。表1所示為t時(shí)刻各指標(biāo)權(quán)重選擇。

表1 t時(shí)刻各指標(biāo)權(quán)重選擇

根據(jù)總的指標(biāo)法,得出t時(shí)刻總的指標(biāo)危險(xiǎn)指數(shù)W綜(t),根據(jù)W綜(t)值的大小也將危險(xiǎn)等級分為安全、較安全、較危險(xiǎn)和危險(xiǎn)4個(gè)等級,其判定標(biāo)準(zhǔn)按照表所示。表2所示為綜合指標(biāo)危險(xiǎn)程度判定標(biāo)準(zhǔn)。

表2 綜合指標(biāo)危險(xiǎn)程度判定標(biāo)準(zhǔn)

3 GA-BP實(shí)驗(yàn)驗(yàn)證

該項(xiàng)目采用遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對該方法進(jìn)行了驗(yàn)證，并建立了預(yù)測模型。遺傳算法改進(jìn) BP 神經(jīng)網(wǎng)絡(luò)來確定初始權(quán)值和閾值，克服BP神經(jīng)網(wǎng)絡(luò)很難確定最優(yōu)的初始連接權(quán)值和閾值、網(wǎng)絡(luò)結(jié)構(gòu)難以確定、經(jīng)典的梯度下降法常常陷入局部最優(yōu)等缺點(diǎn)。遺傳算法只利用適應(yīng)度函數(shù)仍然能夠?qū)Χ鄳B(tài)和非連續(xù)性數(shù)取得全局最優(yōu)解，而且不采用其他輔助信息。

選取100組具有代表性的樣本，其中70組為訓(xùn)練樣本，30組為測試樣本。經(jīng)過反復(fù)訓(xùn)練，煤巖動力災(zāi)害的預(yù)測模型擬合數(shù)據(jù)迭代步數(shù)更少，能更快達(dá)到目標(biāo)，展現(xiàn)出了很好的收斂性，如圖4所示。圖5所示為均方差曲線，圖6所示為GA-BP預(yù)測危險(xiǎn)指數(shù)-時(shí)間。由圖4和圖5可以看出，最小均方誤差值很快到達(dá)了最優(yōu)值。

圖4 適應(yīng)度曲線

圖5 均方差曲線

圖6 GA-BP預(yù)測危險(xiǎn)指數(shù)-時(shí)間

通過仿真結(jié)果可以看出：多種參量融合遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測煤巖動力災(zāi)害方法其適用性更為廣泛。

4 結(jié)論

(1)通過對電磁輻射、聲發(fā)射、紅外輻射溫度5種單一參量的單項(xiàng)危險(xiǎn)指數(shù)確定綜合危險(xiǎn)指數(shù)表征煤巖動力災(zāi)害的危險(xiǎn)程度。有效地實(shí)現(xiàn)了對沖擊地壓等煤巖動力災(zāi)害的預(yù)測。

(2)根據(jù)綜合危險(xiǎn)指數(shù)將煤巖動力災(zāi)害劃分為4個(gè)等級，針對不同的危險(xiǎn)等級采取相應(yīng)的解危措施，有效地實(shí)現(xiàn)了對沖擊地壓、煤與瓦斯突出以及復(fù)合型動力災(zāi)害的分級綜合評定。

(3)通過實(shí)例驗(yàn)證，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的煤巖動力災(zāi)害預(yù)測方法，結(jié)合電磁輻射、聲發(fā)射、紅外輻射溫度的多參量的前兆規(guī)律，該方法明顯提高了煤巖動力災(zāi)害預(yù)警的準(zhǔn)確性。

[1] 劉紀(jì)坤. 煤巖動力災(zāi)害電磁輻射信號特征研究[J]. 中國安全科學(xué)學(xué)報(bào),2015,(12):105-110.

[2] 張世杰. 煤巖破壞電磁輻射特征及信號分析處理技術(shù)研究[D]. 北京:中國礦業(yè)大學(xué), 2010.

[3] 孔祥國,王恩元,胡少斌,等. 含瓦斯型煤破壞臨界慢化前兆特征研究[J]. 中國礦業(yè)大學(xué)學(xué)報(bào),2017,(01):1-7.

[4] 楊永杰,王德超,趙南南,等. 煤巖蠕變聲發(fā)射特征試驗(yàn)研究[J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào),2013,(01):159-166.

[5] 來興平,張勇,奚家米,等. 基于AE的煤巖破裂與動態(tài)失穩(wěn)特征實(shí)驗(yàn)及綜合分析[J]. 西安科技大學(xué)學(xué)報(bào),2006,(03):289-292+305.

[6] 高保彬,李回貴,李化敏,袁瑞甫,劉云鵬. 聲發(fā)射/微震監(jiān)測煤巖瓦斯復(fù)合動力災(zāi)害的研究現(xiàn)狀[J]. 地球物理學(xué)進(jìn)展,2014,(02):689- 697.

[7] 丁鑫,肖曉春,吳迪,等. 不同加載路徑煤巖破裂過程聲-電荷復(fù)合信號特性[J]. 煤炭學(xué)報(bào),2016,(S2):359-368.

[8] 楊楨,齊慶杰,葉丹丹,等. 復(fù)合煤巖受載破裂內(nèi)部紅外輻射溫度變化規(guī)律[J]. 煤炭學(xué)報(bào),2016,(03):618-624.

[9] 黃濤. 基于灰色關(guān)聯(lián)度分析的模糊群決策方法研究[D]. 廣州：華南理工大學(xué),2016.

[10] 李成武,楊威,王啟飛,等. 一種煤巖動力災(zāi)害多參量綜合指標(biāo)預(yù)測方法[P]. 北京：CN103104291A,2013-05-15.

StudyonPredictionofCoalandRockDynamicDisasterbyMulti-parameterFusion

LIU Xiao-yue, LI Peng-yuan

(College of Electrical Engineering, North China University of Science and Technology, Tangshan Hebei 063210, China)

multi-parameter; electromagnetic radiation; acoustic emission; infrared radiation; gray relational analysis; integrated risk index; coal and rock dynamic disaster

Aiming at the unpredictable problems of coal and rock dynamic disaster caused by its nonlinearity and strong coupling, a method which fuses many parameters to predict coal and rock dynamic disasters was proposed. Firstly, the precursor features before instability failure of coal and rock and calculate the correlation degree by gray relational analysis method were analyzed. The electromagnetic radiation, acoustic emission and infrared radiation are used as the characteristic values to predict coal rock disaster were determined. Finally, by using individual risk index for each dependent variable to calculate integrated risk index as the token value of coal and rock dynamic disaster, the prediction model was established. By using BP neural network improved by genetic algorithm, the method was verified. The results show that the method has better stability and higher prediction accuracy than the prediction of single variable.

2095-2716(2017)04-0021-07

2017-04-24

2017-09-19

TD821

A