[发明专利]基于瓦斯浓度参数的井下工作面作业类型智能识别方法

说明书

本发明公开了一种基于瓦斯浓度参数的井下工作面作业类型智能识别方法。方法首先从矿井安全监测系统中获取工作面瓦斯浓度数据，并存入瓦斯参数数据库，对数据库中的瓦斯浓度数据进行自适应降噪滤波处理，而后在作业类型划分和敏感特征参数提取的基础上建立历史瓦斯浓度数据样本集，构建自适应模块化粗神经网络预测模型，利用构建的预测模型对其对应的作业类型进行辨识。本发明方法降噪效果显著，在有效去除噪声的同时能保留获得瓦斯浓度时间序列中的有效信息，能实现工作面作业类型的分析和识别，能够较好的实现瓦斯浓度数据的深度挖掘和二次利用。

技术领域

本发明涉及矿井瓦斯灾害监测防治领域，尤其涉及一种基于瓦斯浓度数据特征的矿井采掘工作面作业类型智能分析与识别方法。

背景技术

中国是世界第一煤炭大国，根据我国《能源中长期发展规划纲要(2004-2020年)》明确指出在未来一段时期内我国仍将坚持以煤炭为主体能源。目前，我国煤炭开采业已进入深部开采时期，且开采深度正逐年增加。在深部开采时期，矿井瓦斯压力增大、地温增高、地应力增大，矿井灾害日益严重。煤矿事故灾害严重妨害着我国煤炭安全生产形势，阻碍了煤炭工业的健康、持续、稳定发展。健全煤矿事故灾害防治安全管理策略，深化煤矿事故灾害防控意识理念，提升煤矿事故灾害监管防控技术，对于确保煤矿安全生产、促进国民经济全面、健康发展具有重要意义。

煤矿生产中的瓦斯事故、突出、冲击地压、煤尘事故、水灾、火灾、顶板事故等主要灾害绝大多数发生在采掘工作面，与采掘、打钻等作业关系密切，且以掘进作业期间事故居多。矿井安全监测是矿井事故灾害防控的重要手段，及时获取和有效利用井下工作面的有效信息，有助于提升事故预防和灾害控制的工作质量。当前，国内外对工作面作业环境监测监控技术研究的主要侧重于瓦斯浓度、风速、温度等作业环境参数的监测。高瓦斯煤巷掘进工作面，工作面的瓦斯状况是与作业状况密切相关的环境参数，监测监控系统的长期运行使得煤矿现场积累了大量的瓦斯监测数据。国内外研究人员对瓦斯监测数据的利用早已有所关注，并用数据挖掘、人工智能等先进技术手段进行了大量的研究，如利用瓦斯参数序列进行瓦斯浓度预测、利用瓦斯涌出量来判读突出危险性等，这些均对矿井安全监测工作起到了巨大的促进作用。

然而，前人对工作面前方作业情况的直接关注较少，井下的作业施工情况主要来源于工作调度安排计划或者人为的统计记录，难免存在错误和纰漏，并且在时效性上受到了极大的限制。目前，作为事故灾害防控的常态化手段，矿井安全监测现阶段已经由单纯的安全监测面向灾害诊断、作业调度和生产管理等功能多元化、综合化、智能化方向发展并且呈现出非接触、动态化、多参量综合化、模块集成化的特点。采动作业的影响往往是很多事故的直接原因，通过井下的相关信息主动、精准、快速的辨识工作面的作业工序，并纳入系统数据库，对于事故机理分析、灾害诊断、应急处置和事故调查等工作均具有重大的实际意义，将为煤矿安全监测预警技术的发展提供基础信息支持。

发明内容

针对现有技术应用的缺失，本发明提供了一种基于矿井瓦斯浓度参数的井下工作面作业类型智能识别方法。该方法特殊针对瓦斯监测的浓度数据进行预处理，有效降低原始时间序列的噪声信号，保留和凸显有效瓦斯浓度序列特征，在次基础上通过构建瓦斯参数敏感参数体系和作业类型样本训练库，采用误差逆向传播算法训练的多层前馈神经网络，对井下工作面的作业工序类型进行智能辨识。

本发明的技术方案具体包括如下主要步骤：

步骤1、通过井下瓦斯浓度传感器获取瓦斯浓度的原始信号序列x(t)，作为历史数据存入瓦斯浓度数据库；

步骤2、根据矿井生产的实际情况，将各个原始信号序列x(t)根据工作面的作业类型进行划分；

步骤3、对瓦斯浓度数据库中的瓦斯浓度数据进行基于局域均值分解的特殊自适应滤波降噪处理，获得降噪后的瓦斯浓度序列；

步骤4、将降噪后的瓦斯浓度序列作为混沌时间序列，根据作业类型的划分对各类作业类型对应的数据分别提取敏感特征参数，构建作业类型划分敏感参数体系；