[发明专利]基于决策融合的多模型矿井顶板安全预警模型

说明书

技术领域

本发明属于工程安全技术领域，具体涉及基于决策融合的多模型矿井顶板安全预警模型。

背景技术

随着矿井开采向深部转移，受工作面超前压力影响，巷道围岩应力升高，矿压显现加剧，松动范围扩大，巷道变形加大，特别是在含夹矸层区域、断层附近的沿空巷道，给巷道围岩控制带来极大的困难，对工作面的正常推进影响较为严重。针对特厚煤层巷道受采动影响持续大变形难以控制的现状，需要对煤层巷道的动压大变形规律进行深入的研究。因此建立矿井顶板安全预警模型对改变煤矿安全生产的现状有着十分重大的意义。

目前我国许多大型煤炭企业也建立了一系列矿井顶板灾害预警模型和系统，但效果不尽如人意。分析原因主要有四方面：一、矿井顶板监测方式多样，包括电磁辐射监测、微振监测、顶板离层监测、顶板压力监测等，各种监测方式从不同的角度反映了矿井顶板安全状态，但监测系统未做预警信息融合，无法给出综合决策，当出现预报结果不统一时，反而造成虚警、漏警，无法评价顶板安全状况；二、对矿井的顶板状态的监测只显示为监测图表，研究岩层运动和岩层控制的很多成果仅限于经验的状态，智能化程度不高，不能为巷道支护方式及围岩应力的参数的选择提供科学的可靠依据；三、多传感器的信息融合的模型和算法已经取得了不少的研究成果，但却未能反映实际工业生产中的需求；四、受生产过程以及现场操作等复杂因素的影响，基于单一模型软件测量的方法效果无法反映煤矿生产过程的动态信息和全局特征，使得安全监测预报适应性差，不能长期使用。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种预测和泛化能力高的基于决策融合的多模型矿井顶板安全预警模型。

为解决上述技术问题，本发明采用的技术方案是，基于决策融合的多模型矿井顶板安全预警模型，其特征在于，包括以下：

由设置于液压支架的前柱、后柱、前探梁处的传感器收集实时压力监测数据，并将各处的实时压力监测数据平均化，并取平均值作为训练支架压力监测数据X₁，用以建立支架压力子模型；

由设置于煤层或岩层中水平钻孔中的超前压力传感器收集煤层或岩层应力分布信息，并由二次仪表接收信息并处理，得到训练超前压力检测数据X₂，用以建立超前压力子模型；

由设置于回采工作面上方顶板岩层内的离层仪收集临近采场的顶板岩柱内岩石的离层状况，处理后得到训练顶板离层监测数据X₃，用以建立顶板离层子模型；

将上述各子模型中的数据重构，得到相应的预测值：Y₁、Y₂和Y₃，然后将上述各预测值通过统计识别模式进行归一化决策融合，得到融合后的信息。

进一步地，数据重构的过程如下：将上述各子模型中的训练数据分解为若干个固有模态分量IMF和趋势项，将所述趋势项看作平稳时间序列，然后将固有模态分量IMF和线性的趋势项进行模拟预测，并将模拟预测后的值进行合成重构。

进一步地，采用聚合经验模态分解方法EEMD对各子模型中的数据分解为线性和非线性的两组：(1)将一个传感器监测的信号进行经验模态分解法EMD分解得到：其中：x(t)为原始振动信号；c_j为每次分解出的本征模态函数；r_n为剩余函数，代表信号的整体变化趋势；

(2)进行EEMD分解：

2.1在顶板数据中加入白噪声序列，x_i(t)＝x(t)+kn_i(t)，其中：kn_i(t)为计算第i次时，在信号中加入的高斯白噪声，其中：kn_i(t)为计算第i次时，在信号中加入的高斯白噪声；

2.2将加入白噪声的序列分解为特征模函数分量IMF；

2.3每次加入不同的白噪声序列，反复重复步骤2.1和2.2，当i<N时，每次加入不同的白噪声信号，并使i＝i+1；

2.4把分解得到的各个IMF均值作为最终的结果；最终的本征模态函数为：其中：c_ij表示第i次新加入的高斯白噪声后分解所得到的第j个IMF。