CN103206245B - 智能矿用煤层振动预测辨识仪及方法 - Google Patents
智能矿用煤层振动预测辨识仪及方法 Download PDFInfo
- Publication number
- CN103206245B CN103206245B CN201310090840.7A CN201310090840A CN103206245B CN 103206245 B CN103206245 B CN 103206245B CN 201310090840 A CN201310090840 A CN 201310090840A CN 103206245 B CN103206245 B CN 103206245B
- Authority
- CN
- China
- Prior art keywords
- prediction
- waveform
- vibration
- intelligent
- man
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明一种智能矿用煤层振动预测辨识仪及方法，属于矿井煤层振动灾害信息预警领域，该装置包括振动信号采集模块、振动传感器驱动模块、智能集成振动传感器和人机界面交互集成显示终端模块，还包括智能振动信号检测处理器、智能振动信号预警辨识处理器和智能数据处理软件模块；本发明借助振动信号检测技术、集成智能传感器技术、高阶次信号采集滤波处理技术、高集成数字信号处理技术、软件模型辨识技术等手段，将煤层振动信息作为灾害信息源，完成了从检测到处理再到预警辨识的过程。
Description
技术领域
本发明属于矿井煤层振动灾害信息预警领域，特别涉及一种智能矿用煤层振动预测辨识仪及方法。
背景技术
目前，井下灾害信息的预测及辨识，大都是对瓦斯气体进行检测，也出现了许多的瓦斯预测辨识装置，而以瓦斯为主的气体检测装置，只能对一类信息进行检测，在预测辨识的整体模型上，是不全面的；而目前并没有一款能将瓦斯气体产生前的煤层振动信号作为判断灾害信息的直接数据并对这一数据进行检测的装置。
发明内容
针对现有技术的不足，本发明提出一种智能矿用煤层振动预测辨识仪及方法，以达到实时对煤矿井下振动灾害信息的预测与辨识，提高安全预测预警的目的。
一种智能矿用煤层振动预测辨识仪，包括振动信号采集模块、振动传感器驱动模块、智能集成振动传感器和人机界面交互集成显示终端模块，还包括智能振动信号检测处理器、智能振动信号预警辨识处理器和智能数据处理软件模块；其中：
智能振动信号检测处理器：是用于检测井下振动信号并对信号进行滤波的电路装置；
智能振动信号预警辨识处理器：是用于对检测到的井下振动信号进行模数转换，并调用智能数据处理软件模块内部储存的波形变化趋势预测方式或者数据跳变预测方式对井下实际振动数据进行辨识处理的装置；
智能数据处理软件模块：是用于储存波形变化趋势预测方式和数据跳变预测方式的装置。
采用智能矿用煤层振动预测辨识仪进行辨识的方法，包括如下步骤：
步骤1、采用振动传感器驱动电路启动振动传感器；
步骤2、采用振动信号采集模块对井下振动灾害信息数据进行采集；
步骤3、采用智能振动信号检测处理器电路对井下振动信号进行检测并进行信号滤波；
步骤4、采用智能振动信号预警辨识处理器对检测到的振动信号进行模数转换，并根据波形变化趋势预测方式或数据跳变预测方式对井下实际振动数据进行预测辨识，并得出预测辨识结果；
步骤5、采用人机界面交互集成显示终端模块显示预测辨识结果。
步骤4所述的波形变化趋势预测，计算如下：
波形变化趋势预测，采用小波最大值跳变算法对波形的幅值进行提取和计算，
公式如下：
-wQ′sin(w(J+Q′)+fi′)=Qcos(w(J+Q)+fi)-wsin(wJ+fi) （1）
其中，Q′表示预测计算后的波形振幅；w表示时间；J为预测因子，该预测因子经大量实验获得，表示预测前波形与预测后波形的相关性，其取值范围为1.00～3.00；fi′为预测后波形最高点和最低点取值范围，fi′的取值范围为2.00～2.30；Q表示预测计算前的波形振幅；fi表示预测前波形最高点和最低点取值范围，fi的取值范围为2.00～2.30；
若预测后波形幅值与预测前波形幅值之间的差值在（0，0.50）范围内时，人机界面交互集成显示终端模块显示无振动，一切正常；
若预测后波形幅值与预测前波形幅值之间的差值在[0.50,1.00）范围内时，人机界面交互集成显示终端模块显示轻微振动，请注意安全;
若预测后波形幅值与预测前波形幅值之间的差值在[1.00,1.45）范围内时，人机界面交互集成显示终端模块显示有轻微连续振动，请撤离该危险区域;
若预测后波形幅值与预测前波形幅值之间的差值在[1.45,2.00）范围内时，人机界面交互集成显示终端模块显示有较大强度连续振动，请紧急撤离;
若预测后波形幅值与预测前波形幅值之间的差值在[2.00,+∞）范围内时，人机界面交互集成显示终端模块显示有强烈振动，请紧急撤离。
步骤4所述的数据跳变预测，计算如下：
数据跳变预测,采用数据差积分算法对数据进行提取和计算，
确定波形跳变值公式如下：
Tj=N(BER)×Rj+Dj （2）
其中，Tj表示预测后波形跳变值；N(BER)为相关影响因子，该相关影响因子经大量实验获得，表示预测前波形与预测后波形的跳变情况相关性，其取值范围为1.00-4.00；Rj为波形跳变最大值；Dj为波形跳变最小值；
若预测后波形跳变值在（0，0.50）范围内时，人机界面交互集成显示终端模块显示无振动，一切正常；
若预测后波形跳变值在[0.50,1.00）范围内时，人机界面交互集成显示终端模块显示轻微振动，请注意安全;
若预测后波形跳变值在[1.00,1.45）范围内时，人机界面交互集成显示终端模块显示有轻微连续振动，请撤离该危险区域;
若预测后波形跳变值在[1.45,2.00）范围内时，人机界面交互集成显示终端模块显示有较大强度连续振动，请紧急撤离;
若预测后波形跳变值在[2.00,+∞）范围内时，人机界面交互集成显示终端模块显示有强烈振动，请紧急撤离。
本发明优点：
本发明的智能矿用煤层振动预测辨识仪及方法，借助振动信号检测技术、集成智能传感器技术、高阶次信号采集滤波处理技术、高集成数字信号处理技术、软件模型辨识技术等手段，将煤层振动信息作为灾害信息源，完成了从检测到处理再到预警辨识的过程。
附图说明
图1为本发明一种实施例的装置结构框图；
图2为本发明一种实施例的智能振动信号检测处理器电路原理图；
图3为本发明一种实施例的智能振动信号预警辨识处理器电路原理图；
图4为本发明一种实施例的振动传感器电路原理图；
图5为本发明一种实施例的振动信号采集模块电路原理图；
图6为本发明一种实施例的智能矿用煤层振动预测辨方法的流程图。
具体实施方式
下面结合附图对本发明一种实施例做进一步说明。
一种智能矿用煤层振动预测辨识仪，如图1所示，包括振动信号采集模块、振动传感器驱动模块、智能集成振动传感器和人机界面交互集成显示终端模块，其特征在于：还包括智能振动信号检测处理器、智能振动信号预警辨识处理器和智能数据处理软件模块；其中：智能振动信号检测处理器是用于检测井下振动信号并对信号进行滤波的电路装置；智能振动信号预警辨识处理器是用于对检测到的井下振动信号进行模数转换，并调用智能数据处理软件模块内部储存的波形变化趋势预测方式或者数据跳变预测方式对井下实际振动数据进行辨识处理的装置；智能数据处理软件模块是用于储存波形变化趋势预测方式和数据跳变预测方式的装置。
如图2和图3所示，本发明实施例中，智能振动信号检测处理器采用S3C6400型号，智能振动信号预警辨识处理器采用STM32F103型号，其中，智能振动信号检测处理器S3C6400的N1、N2引脚连接智能振动信号预警辨识处理器STM32F103的29、30引脚，如图4所示，振动传感器驱动模块电路的驱动信号输入引脚与智能振动信号预警辨识处理器STM32F103的39引脚相连，振动传感器驱动模块电路的驱动信号输出引脚2与智能集成振动传感器的输入引脚1相连，智能集成振动传感器的输出引脚2与振动信号采集模块电路的振动信号采集引脚连，如图5所示，振动信号采集模块电路的振动信号输出引脚与智能振动信号检测处理器的C1引脚相连。
采用智能矿用煤层振动预测辨识仪进行辨识的方法，流程图如图6所示，包括如下步骤：
步骤1、采用振动传感器驱动电路启动振动传感器；
步骤2、采用振动信号采集模块对井下振动灾害信息数据进行采集；
步骤3、采用智能振动信号检测处理器电路对井下振动信号进行检测并进行信号滤波；
步骤4、采用智能振动信号预警辨识处理器对检测到的振动信号进行模数转换，并根据波形变化趋势预测方式或数据跳变预测方式对井下实际振动数据进行预测辨识，并得出预测辨识结果；
步骤5、采用人机界面交互集成显示终端模块显示预测辨识结果。
步骤4所述的波形变化趋势预测，计算如下：
波形变化趋势预测，采用小波最大值跳变算法对波形的幅值进行提取和计算，
公式如下：
-wQ′sin(w(J+Q′)+fi′)=Qcos(w(J+Q)+fi)-wsin(wJ+fi) （1）
其中，Q′表示预测计算后的波形振幅；w表示时间；J为预测因子，该预测因子经大量实验获得，表示预测前波形与预测后波形的相关性，其取值范围为1.00～3.00；fi′为预测后波形最高点和最低点取值范围，fi′的取值范围为2.00～2.30；Q表示预测计算前的波形振幅；fi表示预测前波形最高点和最低点取值范围，fi的取值范围为2.00～2.30；
若预测后波形幅值与预测前波形幅值之间的差值在（0，0.50）范围内时，人机界面交互集成显示终端模块显示无振动，一切正常；
若预测后波形幅值与预测前波形幅值之间的差值在[0.50,1.00）范围内时，人机界面交互集成显示终端模块显示轻微振动，请注意安全;
若预测后波形幅值与预测前波形幅值之间的差值在[1.00,1.45）范围内时，人机界面交互集成显示终端模块显示有轻微连续振动，请撤离该危险区域;
若预测后波形幅值与预测前波形幅值之间的差值在[1.45,2.00）范围内时，人机界面交互集成显示终端模块显示有较大强度连续振动，请紧急撤离;
若预测后波形幅值与预测前波形幅值之间的差值在[2.00,+∞）范围内时，人机界面交互集成显示终端模块显示有强烈振动，请紧急撤离;
本发明实施例中，测得数据如表1所示，
表1
该表格内波形跳变均在安全范围内，以上表格数据将在智能振动信号预警辨识处理器中运算并记录保存，同时将预测结果通过启动人机界面交互集成显示终端模块显示预测辨识结果。
步骤4所述的数据跳变预测，计算如下：
数据跳变预测,采用数据差积分算法对数据进行提取和计算，
确定波形跳变值公式如下：
Tj=N(BER)×Rj+Dj （2）
其中，Tj表示预测后波形跳变值；N(BER)为相关影响因子，该相关影响因子经大量实验获得，表示预测前波形与预测后波形的跳变情况相关性，其取值范围为1.00-4.00；Rj为波形跳变最大值；Dj为波形跳变最小值；
若预测后波形跳变值在（0，0.50）范围内时，人机界面交互集成显示终端模块显示无振动，一切正常；
若预测后波形跳变值在[0.50,1.00）范围内时，人机界面交互集成显示终端模块显示轻微振动，请注意安全;
若预测后波形跳变值在[1.00,1.45）范围内时，人机界面交互集成显示终端模块显示有轻微连续振动，请撤离该危险区域;
若预测后波形跳变值在[1.45,2.00）范围内时，人机界面交互集成显示终端模块显示有较大强度连续振动，请紧急撤离;
若预测后波形跳变值在[2.00,+∞）范围内时，人机界面交互集成显示终端模块显示有强烈振动，请紧急撤离。
本发明实施例中，测得数据如表2所示，
表2
| N(BER) | Rj（mv） | Dj（mv） | Tj（mv） |
| 2.00 | 2.21 | 2.18 | 2.17 |
| 1.00 | 2.40 | 2.43 | 2.40 |
| 1.50 | 2.12 | 2.11 | 2.12 |
| 1.25 | 2.14 | 2.05 | 2.13 |
| 2.25 | 2.17 | 2.13 | 2.21 |
| 3.00 | 2.21 | 2.18 | 2.22 |
| 2.20 | 2.25 | 2.19 | 2.24 |
| 3.03 | 2.12 | 2.20 | 2.25 |
| 3.12 | 2.02 | 2.17 | 2.10 |
| 3.22 | 2.10 | 2.14 | 2.13 |
| 3.50 | 2.09 | 2.16 | 2.11 |
以上表格数据将在智能振动信号预警辨识处理器中运算并记录保存，同时将预测结果通过启动人机界面交互集成显示终端模块显示预测辨识结果。
Claims (1)
1.一种智能矿用煤层振动预测辨识方法，该方法采用智能矿用煤层振动预测辨识仪，包括振动信号采集模块、振动传感器驱动模块、智能集成振动传感器和人机界面交互集成显示终端模块，还包括智能振动信号检测处理器、智能振动信号预警辨识处理器和智能数据处理软件模块；其中：
智能振动信号检测处理器：是用于检测井下振动信号并对信号进行滤波的电路装置；
智能振动信号预警辨识处理器：是用于对检测到的井下振动信号进行模数转换，并调用智能数据处理软件模块内部储存的波形变化趋势预测方式或者数据跳变预测方式对井下实际振动数据进行辨识处理的装置；
智能数据处理软件模块：是用于储存波形变化趋势预测方式和数据跳变预测方式的装置；其特征在于：方法包括如下步骤：
步骤1、采用振动传感器驱动电路启动振动传感器；
步骤2、采用振动信号采集模块对井下振动灾害信息数据进行采集；
步骤3、采用智能振动信号检测处理器电路对井下振动信号进行检测并进行信号滤波；
步骤4、采用智能振动信号预警辨识处理器对检测到的振动信号进行模数转换，并根据波形变化趋势预测方式或数据跳变预测方式对井下实际振动数据进行预测辨识，并得出预测辨识结果；
所述的波形变化趋势预测，计算如下：
波形变化趋势预测，采用小波最大值跳变算法对波形的幅值进行提取和计算，
公式如下：
-wQ′sin(w(J+Q′)+fi′)＝Qcos(w(J+Q)+fi)-wsin(wJ+fi) (1)
其中，Q′表示预测计算后的波形振幅；w表示时间；J为预测因子，该预测因子经大量实验获得，表示预测前波形与预测后波形的相关性，其取值范围为1.00～3.00；fi′为预测后波形最高点和最低点取值范围，fi′的取值范围为2.00～2.30；Q表示预测计算前的波形振幅；fi表示预测前波形最高点和最低点取值范围，fi的取值范围为2.00～2.30；
若预测后波形幅值与预测前波形幅值之间的差值在(0，0.50)范围内时，人机界面交互集成显示终端模块显示无振动，一切正常；
若预测后波形幅值与预测前波形幅值之间的差值在[0.50,1.00)范围内时，人机界面交互集成显示终端模块显示轻微振动，请注意安全；
若预测后波形幅值与预测前波形幅值之间的差值在[1.00,1.45)范围内时，人机界面交互集成显示终端模块显示有轻微连续振动，请撤离危险区域；
若预测后波形幅值与预测前波形幅值之间的差值在[1.45,2.00)范围内时，人机界面交互集成显示终端模块显示有较大强度连续振动，请紧急撤离；
若预测后波形幅值与预测前波形幅值之间的差值在[2.00,+∞)范围内时，人机界面交互集成显示终端模块显示有强烈振动，请紧急撤离；
所述的数据跳变预测，计算如下：
数据跳变预测,采用数据差积分算法对数据进行提取和计算，
确定波形跳变值公式如下：
Tj＝N(BER)×Rj+Dj (2)
其中，Tj表示预测后波形跳变值；N(BER)为相关影响因子，该相关影响因子经大量实验获得，表示预测前波形与预测后波形的跳变情况相关性，其取值范围为1.00-4.00；Rj为波形跳变最大值；Dj为波形跳变最小值；
若预测后波形跳变值在(0，0.50)范围内时，人机界面交互集成显示终端模块显示无振动，一切正常；
若预测后波形跳变值在[0.50,1.00)范围内时，人机界面交互集成显示终端模块显示轻微振动，请注意安全；
若预测后波形跳变值在[1.00,1.45)范围内时，人机界面交互集成显示终端模块显示有轻微连续振动，请撤离危险区域；
若预测后波形跳变值在[1.45,2.00)范围内时，人机界面交互集成显示终端模块显示有较大强度连续振动，请紧急撤离；
若预测后波形跳变值在[2.00,+∞)范围内时，人机界面交互集成显示终端模块显示有强烈振动，请紧急撤离；
步骤5、采用人机界面交互集成显示终端模块显示预测辨识结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310090840.7A CN103206245B (zh) | 2013-03-20 | 2013-03-20 | 智能矿用煤层振动预测辨识仪及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310090840.7A CN103206245B (zh) | 2013-03-20 | 2013-03-20 | 智能矿用煤层振动预测辨识仪及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103206245A CN103206245A (zh) | 2013-07-17 |
| CN103206245B true CN103206245B (zh) | 2015-03-04 |
Family
ID=48753630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310090840.7A Expired - Fee Related CN103206245B (zh) | 2013-03-20 | 2013-03-20 | 智能矿用煤层振动预测辨识仪及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103206245B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103487250B (zh) * | 2013-10-08 | 2015-08-05 | 中国矿业大学(北京) | 基于二维投射的煤矿设备预知维护方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04244933A (ja) * | 1991-01-31 | 1992-09-01 | Fuji Heavy Ind Ltd | エンジンのノッキング検出装置 |
| JP3073681B2 (ja) * | 1995-12-27 | 2000-08-07 | 株式会社光研 | 多点同時計測システム |
| JP2006118869A (ja) * | 2004-10-19 | 2006-05-11 | Nsk Ltd | 転がり軸受の欠陥検出装置および転がり軸受の欠陥検出方法 |
| JP2008170275A (ja) * | 2007-01-11 | 2008-07-24 | Toshiba Corp | 無線型振動計測システム及び方法 |
| CN101762830B (zh) * | 2009-09-29 | 2013-01-02 | 中国矿业大学 | 分布式煤矿冲击地压监测方法 |
| CN101718212B (zh) * | 2009-10-09 | 2013-05-22 | 西安西科测控设备有限责任公司 | 一种实时跟踪预警矿井煤与瓦斯突出危险性的装备 |
| CN201794617U (zh) * | 2009-12-30 | 2011-04-13 | 西安西科测控设备有限责任公司 | 一种实时预测矿井煤与瓦斯突出危险性的*** |
| CN101787897B (zh) * | 2009-12-30 | 2013-05-22 | 西安西科测控设备有限责任公司 | 一种实时预测矿井煤与瓦斯突出危险性的***及其方法 |
| CN102635405B (zh) * | 2012-04-17 | 2014-01-22 | 辽宁工程技术大学 | 煤矿微震实时监测***及监测方法 |
-
2013
- 2013-03-20 CN CN201310090840.7A patent/CN103206245B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN103206245A (zh) | 2013-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9433377B2 (en) | Sleep state management device, sleep state management method, and sleep state management program | |
| WO2011142991A3 (en) | Apparatus configured to detect gas usage, method of providing same, and method of detecting gas usage | |
| CN108371545B (zh) | 一种基于多普勒雷达的人体手臂动作感知方法 | |
| CN106515725A (zh) | 一种车辆防碰撞的方法及终端 | |
| WO2009046359A3 (en) | Detection and classification of running vehicles based on acoustic signatures | |
| TW200624664A (en) | Misfire detection apparatus | |
| CN203296804U (zh) | 瓦斯抽采安全隐患监测*** | |
| CN109443719B (zh) | 一种钻头振动信号在线虚拟测试方法及其*** | |
| CN104063604B (zh) | 一种运动状态检测方法和装置 | |
| CN103956164A (zh) | 一种声音唤醒方法及*** | |
| CN103152483A (zh) | 一种利用移动设备监测靠近物体的方法和装置 | |
| CN105510049A (zh) | 基于振动信号分析的车辆运行工况监测模块及方法 | |
| WO2018044443A1 (en) | User command determination based on a vibration pattern | |
| CN103206245B (zh) | 智能矿用煤层振动预测辨识仪及方法 | |
| CN103470305A (zh) | 瓦斯抽采安全隐患防控***与方法 | |
| CN103334781A (zh) | 瓦斯抽采安全隐患监测*** | |
| WO2014160485A8 (en) | Method, apparatus, and computer-readable medium for contextual data mining | |
| CN210322907U (zh) | 储罐探伤的声发射信号采集*** | |
| CN103761828A (zh) | 一种客车发动机舱内火灾早期预警方法 | |
| CN113011434A (zh) | 一种基于多传感器数据采集的煤矿井下安全防爆方法 | |
| CN104484968A (zh) | 一种人体探测方法、装置及*** | |
| CN102253119B (zh) | 乳化液浓度在线检测***及其超声波接收电路 | |
| CN204514849U (zh) | 一种润滑油油质检测*** | |
| CN203476396U (zh) | 瓦斯抽采安全隐患防控*** | |
| CN205620936U (zh) | 头戴智能设备的动作识别***及头戴智能设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Chen Weihua Inventor after: Yan Xiaoheng Inventor after: Rong Desheng Inventor before: Yan Xiaoheng Inventor before: Chen Weihua Inventor before: Rong Desheng |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: YAN XIAOHENG CHEN WEIHUA RONG DESHENG TO: CHEN WEIHUA YAN XIAOHENG RONG DESHENG |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150304 Termination date: 20170320 |