矿山顶板状态的检测研究

摘要

煤炭在我国能源中占有很大比例，储量丰富。但是，在煤炭开采过程中，由于开采技术和管理模式不当，致使开采效率低和造成极其严重地资源浪费，并且安全事故经常发生。资料表明，冒顶事故占居煤矿各类事故之首。为了防止冒顶事故发生，对顶板进行检测就显得非常重要。　　敲帮问顶是检测顶板安全的一种重要方法，通过入耳听觉系统具有抗干扰能力强和实践工作经验相结合来准确地判别顶板是否安全。但是，这方法对工作人员要有较强地听觉判别技能和危险性。针对上述的缺点，本人对顶板敲击声音信号进行研究，并且结合“敲帮问顶”的方法，提出了运用人耳听觉模型对敲击声音信号的特征进行提取的方法，利用设计的支持向量分类器对煤矿顶板状态进行检测。本文的研究内容及成果如下:　　首先，建立一个与人耳听觉系统相对应的数学模型。并将人耳（主要指耳蜗基底膜部分）的滤波功能运用Gammatone滤波器来实现。仿真结果:该滤波器组能够对信号进行准确无误地分解，符合耳蜗基底膜的分频率滤波功能。　　然后，通过对传统小波包的特征提取方法进行研究，发现传统的小波包对信号进行细化分解时，存在一定的盲目性。针对此缺陷，结合了顶板敲击声音信号的频率分布特点，提出了改进小波包的顶板敲击声音信号特征提取方法。并通过已建立的人耳听觉模型对人耳听觉谱特征提取进行研究。　　而后，采用RBF-SVM模型对煤矿顶板状态进行预测。利用粒子群算法和遗传算法分别对惩罚参数C和核参数σ进行优化，仿真结果:粒子群算法在搜索最优解的速度快于遗传算法。　　最后，利用设计的RBF-SVM模型分别对小波包技术和入耳听觉技术提取的声音特征进行分类。分类结果表明:基于听觉模型的特征提取方法对顶板敲击声音信号特征的识别率高于小波包的特征提取方法。

目录

声明

致谢

摘要

1 绪论

1．1 课题的目的和意义

1．2 国内外研究概况、水平和发展趋势

1．2．1 国内外顶板检测装置的概况

1．2．2 国内外顶板检测技术的发展现状

1．2．3 国内外人耳听觉模型的发展现状

1．3 主要研究内容

2 人耳听觉系统和听觉模型的研究

2．1 听觉系统简介

2．2．1 外耳的结构

2．2．2 中耳的结构

2．2．3 内耳的结构

2．3 人耳听觉模型

2．3．1 基底膜的振动模型

2．3．2 内毛细胞模型

2．3．3 耳蜗核数学模型

2．4 仿真实验及分析

2．5 本章小结

3 煤矿顶板检测的理论基础

3．1 引言

3．2 小波变换理论

3．2．1 连续小波变换

3．2．2 二进小波变换

3．2．3 多分辨率分析

3．2．4 小波包变换

3．3 常用小波函数介绍

3．3．1 小波的选择

3．3．2 Haar小波

3．3．3 Morlet小波

3．3．4 Mexican hat小波

3．3．5 Daubechies小波

3．4 本章小结

4 声音信号特征的提取方法

4．1 基于小波变换的顶板敲击声特征提取

4．1．1 小波变换系数特征提取方法

4．1．2 基于传统小波包对声音信号特征的提取方法

4．1．3 基于改进小波包的顶板敲击声信号特征提取方法

4．2 基于人耳听觉模型的听觉谱特征提取方法研究

4．3 本章小结

5 基于支持向量机的煤矿顶板状态检测

5．1 模式识别系统

5．2 支持向量机

5．2．1 支持向量机的概念

5．2．2 线性最优分类超平面

5．2．3 对支持向量进行求解

5．2．4 SVM系统流程

5．2．5 核函数

5．2．6 RBF的核函数选择

5．2．7 SVM的核函数参数确定

5．3 基于遗传算法的支持向量机参数优化方法

5．3．1 遗传算法理论

5．3．2 GA-SVM算法

5．4 基于粒子群算法的支持向量机参数优化方法

5．4．1 粒子群算法理论

5．4．2 PSO-SVM算法优化C和σ

5．5 粒子群算法和遗传算法分别对SVM参数进行优化

5．5．1 遗传算法优化SVM参数

5．5．2 粒子群算法在支持向量机参数优化中的应用

5．6 仿真结果

5．6．1 实验数据采集

5．6．2 训练过程

5．6．3 测试结果

5．7 分类识别结果

5．8 本章小结

6 结论

6．1 本文工作总结

6．2 研究展望

参考文献

作者简历

学位论文数据集