不同采煤工序下CO涌出特征提取及測(cè)試數(shù)據(jù)研究

邢 震

(1.中煤科工集團(tuán)常州研究院有限公司，江蘇省常州市，213015；2.天地(常州)自動(dòng)化股份有限公司，江蘇省常州市，213015)

煤礦井下特別是煤自燃需要重點(diǎn)監(jiān)測(cè)工作面上隅角的CO氣體并不僅來源于采空區(qū)遺煤氧化，還會(huì)來自煤層賦存原生以及工作面割煤。正常割煤作業(yè)流程對(duì)煤體的破壞較大，會(huì)涌出較多的CO氣體，而其他階段產(chǎn)生的CO氣體并不多，不同作業(yè)工序下產(chǎn)生CO氣體的規(guī)律明顯不同。因此為更有效地利用安全監(jiān)控系統(tǒng)CO數(shù)據(jù)從而進(jìn)行煤自燃的監(jiān)測(cè)判定[1-2]，有必要對(duì)安全監(jiān)控系統(tǒng)原始數(shù)據(jù)進(jìn)行深度挖掘，提取明顯的特征參數(shù)作為識(shí)別指標(biāo)，將監(jiān)控系統(tǒng)中濃度時(shí)間序列與采煤工序有效對(duì)應(yīng)，從而以CO數(shù)據(jù)對(duì)采煤工序進(jìn)行辨識(shí)，進(jìn)而有助于煤礦工程技術(shù)人員更加及時(shí)地掌握和判斷綜采工作面的實(shí)時(shí)綜采作業(yè)狀況以及不同階段CO涌出特點(diǎn)作出不同的應(yīng)急預(yù)案，為后續(xù)不同工序下的分類預(yù)警提供支撐。

1 綜采工作面作業(yè)流程劃分

選取某煤礦綜采工作面為研究對(duì)象[3-4]，試驗(yàn)工作面平均煤層厚度2.75 m，煤層傾角7°；工作面沿煤層走向布置，沿煤層傾向推進(jìn)，采高2.8 m。采用單一走向長(zhǎng)壁后退式綜采法，一次采全高，全部垮落法管理頂板。該工作面循環(huán)進(jìn)度為0.6 m，采出率約95%, 每日推進(jìn)6個(gè)正規(guī)循環(huán), 即日進(jìn)度3.6 m。

正常生產(chǎn)期間工作面割煤工序?yàn)椋呵皾L筒割頂煤，后滾筒割底煤，往返1次割兩刀煤，支架溜推移2個(gè)步距完成2個(gè)循環(huán)。采用端頭斜切進(jìn)刀，采煤機(jī)割到端頭后，將前滾筒降下來，返回進(jìn)行斜切進(jìn)刀。同時(shí)液壓支架滯后采煤機(jī)跟機(jī)移架，直到走完彎曲段進(jìn)入刮板輸送機(jī)的直線段。進(jìn)入直線段后沿著原推刮板輸送機(jī)方向依次將刮板輸送機(jī)推直；彎曲段推直后，將采煤機(jī)靠近端頭前滾筒升起，向端頭返回割三角煤。三角煤割完后，調(diào)換采煤機(jī)行走方向，返程正常割煤。利用采煤機(jī)螺旋滾筒，配合刮板輸送機(jī)將煤經(jīng)橋式轉(zhuǎn)載機(jī)裝到帶式輸送機(jī)進(jìn)行外運(yùn)裝煤。

工作面采用“三八”作業(yè)制，二班采煤一班準(zhǔn)備。具體作業(yè)流程如圖1所示，其中8∶00-9∶00為晚/早交接班時(shí)間，9∶00-16∶00為割煤時(shí)間，其中割煤工序和移架、移刮板輸送機(jī)、支護(hù)等工序順次進(jìn)行，16∶00-17∶00為早/中交接班時(shí)間，17∶00-00∶00為檢修時(shí)間，00∶00-1∶00為中/晚交接班時(shí)間，1∶00-8∶00為割煤時(shí)間。由于不同采煤工序?qū)γ后w破壞程度不同、不同工序之間時(shí)間重疊以及不同工序維持的時(shí)間長(zhǎng)短不一，根據(jù)各工序期間CO涌出程度，合理劃分模式識(shí)別的分類標(biāo)準(zhǔn)。其中割煤對(duì)煤體破壞力度最大，而移架、移刮板輸送機(jī)、支護(hù)等工序基本是與割煤同步進(jìn)行，因此劃分為同一類，而交接班以及檢修分別劃分同一類，共劃分為交接班、割煤(含移架、移刮板輸送機(jī)、支護(hù)等工序)、檢修3類工序。

圖1 試驗(yàn)工作面正規(guī)作業(yè)流程

2 上隅角CO濃度時(shí)間序列的小波閾值去噪

2.1 實(shí)驗(yàn)數(shù)據(jù)采集

實(shí)驗(yàn)數(shù)據(jù)來源于試驗(yàn)工作面上隅角CO濃度歷史數(shù)據(jù)。該工作面按照《煤礦安全規(guī)程》規(guī)定，在工作面上隅角布置CO傳感器，記錄CO濃度時(shí)間序列曲線。選取最具代表性的T0處的CO傳感器濃度時(shí)間序列進(jìn)行考察。

通過選取與上述煤礦工作面正規(guī)作業(yè)流程對(duì)應(yīng)的時(shí)間段，調(diào)取綜采工作面上隅角煤礦安全監(jiān)控系統(tǒng)24 h內(nèi)連續(xù)采集所得CO濃度時(shí)間密采數(shù)據(jù)，共計(jì)1 356個(gè)樣本點(diǎn)。

2.2 實(shí)驗(yàn)數(shù)據(jù)去噪處理

小波閾值去噪是常用的信號(hào)處理方法，具體步驟如下[5-6]。

第一步：分解小波。根據(jù)含噪信號(hào)的特點(diǎn)，選用合適的小波基，若含噪信號(hào)信噪比高，采用光滑連續(xù)的小波基；若含噪信號(hào)信噪比低，采用線性小波基。確定分解層數(shù)j，對(duì)含噪信號(hào)進(jìn)行分析，計(jì)算分析參數(shù)。

第二步：閾值函數(shù)構(gòu)造。重構(gòu)信號(hào)的連續(xù)性和精度取決于閾值函數(shù)的選擇，不同的含噪信號(hào)要采用相對(duì)應(yīng)的閾值函數(shù)，其構(gòu)造影響小波濾波效果，如果選取得當(dāng)，不僅可以保證在閾值處函數(shù)連續(xù)，從而使噪聲濾除效果好，還能存留含噪信號(hào)的突變狀態(tài)，更好地接近原始信號(hào)，為后期數(shù)據(jù)分析提供準(zhǔn)確的數(shù)據(jù)保證。閾值函數(shù)主要包含硬閾值函數(shù)和軟閾值函數(shù)，其中硬閾值是將小波分解系數(shù)后的絕對(duì)值與閾值進(jìn)行對(duì)比，如果信號(hào)不大于閾值則設(shè)置為零，反之保持不變。這種重構(gòu)信號(hào)的方式必然導(dǎo)致其重構(gòu)函數(shù)不連續(xù)，噪聲過濾后產(chǎn)生振蕩現(xiàn)象，信號(hào)也會(huì)失真。軟閾值函數(shù)是將小波分解系數(shù)后的絕對(duì)值與閾值進(jìn)行對(duì)比后，把不大于閾值的函數(shù)設(shè)置為零，而大于閾值的信號(hào)設(shè)置為絕對(duì)值與閾值的差，這樣信號(hào)就會(huì)趨向于零。軟閾值函數(shù)的本質(zhì)決定了其連續(xù)性優(yōu)于硬閾值函數(shù)，由于其導(dǎo)數(shù)不連續(xù)，小波系數(shù)與帶噪小波系數(shù)有偏差，并且對(duì)閾值大的系數(shù)進(jìn)行定值壓縮，這與噪聲隨小波系數(shù)增加而減少是不一致的，所以軟閾值函數(shù)盡管在去噪后信號(hào)相對(duì)平緩，但是信號(hào)也有可能出現(xiàn)失真的情況。綜合硬閾值函數(shù)和軟閾值函數(shù)的優(yōu)點(diǎn)，煤礦安全監(jiān)測(cè)系統(tǒng)CO異常數(shù)據(jù)剔除常采用改進(jìn)的閾值構(gòu)造函數(shù)，可以避免硬閾值函數(shù)在重構(gòu)中出現(xiàn)信號(hào)振蕩現(xiàn)象外，還可以避免軟閾值函數(shù)失真的現(xiàn)象。改進(jìn)后的閾值構(gòu)造函數(shù)如下：

(1)

式中：λ1——上閾值；

λ2——下閾值；

wj,k——原始小波系數(shù)。

第三步：閾值的選取。小波閾值在濾波中起到關(guān)鍵作用[7-9]，適當(dāng)?shù)拈撝挡粌H能有效去除噪聲信號(hào)，而且不至于誤除有效信號(hào)，若閾值太大，會(huì)使一部分有效信號(hào)丟失，進(jìn)而使得重構(gòu)信號(hào)失真，若閾值太小，則無法有效地去除噪聲信號(hào)。由于煤礦井下CO濃度波動(dòng)性較大、規(guī)律性不強(qiáng)，經(jīng)過分析選擇無偏風(fēng)險(xiǎn)估計(jì)準(zhǔn)則確定閾值，保證在濾除絕大部分噪聲信號(hào)前提下保留最多的有效信號(hào)。

第四步：重構(gòu)小波。重構(gòu)小波就是通過上述方法，經(jīng)過閾值函數(shù)處理后的小波系數(shù)經(jīng)過逆變換得到的信號(hào)，在煤礦安全監(jiān)控系統(tǒng)中經(jīng)過重構(gòu)可得到濾除噪聲后的CO濃度曲線。

在經(jīng)過小波降噪后的序列，消除了原始序列中大部分噪聲的影響，同時(shí)保持了原序列的特征和趨勢(shì)，對(duì)后續(xù)研究工作提供了良好的數(shù)據(jù)基礎(chǔ)。CO濃度時(shí)間序列密采數(shù)據(jù)降噪前后曲線如圖2所示。

圖2 CO濃度時(shí)間序列密采數(shù)據(jù)降噪前后曲線

3 綜采工作面CO涌出特征提取

影響模式識(shí)別最重要的是有效特征參數(shù)的提取和分類識(shí)別的算法[10]。數(shù)據(jù)特征的參數(shù)眾多，如果樣本數(shù)據(jù)選取的特征參數(shù)不明顯，那么無論是采用哪種分類算法，都無法將數(shù)據(jù)進(jìn)行有效分類。因此對(duì)模式識(shí)別來說最重要的前提是選取明顯表征數(shù)據(jù)特征的參數(shù)。當(dāng)綜采工作面作業(yè)流程發(fā)生改變時(shí)，CO濃度時(shí)間序列信號(hào)的能量分布會(huì)發(fā)生明顯變化，不同綜采工作面作業(yè)流程對(duì)應(yīng)不同的CO濃度時(shí)間序列頻帶能量的分布特點(diǎn)，所以可以通過不同頻段內(nèi)信號(hào)的能量譜分布規(guī)律來辨識(shí)綜采工作面作業(yè)流程的類別。筆者采用小波包能量分析方法完成掘進(jìn)作業(yè)不同類型工序CO濃度時(shí)間序列信號(hào)的特征提取。

3.1 能量譜特征提取步驟

采用小波包能量譜對(duì)安全監(jiān)控系統(tǒng)原始信號(hào)進(jìn)行特征向量提取的步驟[11-12]如圖3所示。

根據(jù)圖3步驟，通過合理的小波基和小波分解層數(shù)的確定方案[13-15]，以Db5為小波基對(duì)采集并預(yù)去噪處理的安全監(jiān)控系統(tǒng)上隅角CO濃度時(shí)間序列進(jìn)行3層小波包分解，得到各頻帶系數(shù)分布圖，并通過小波包能量譜的方法提取8個(gè)頻帶內(nèi)的能量作為特征向量，作為識(shí)別綜采工作面不同工序的特征參數(shù)。

圖3 特征向量提取步驟

3.2 綜采工作面CO涌出特征提取

根據(jù)上述小波包能量譜特征提取方法，得到綜采工作面在交接班、割煤、檢修期間CO濃度時(shí)間序列小波包分解頻帶波形和8個(gè)頻帶內(nèi)的特征能量譜，分別如圖4和圖5所示。

圖4 不同作業(yè)工序CO濃度時(shí)間序列小波包分解頻帶波形

在綜采工作面不同作業(yè)流程CO濃度時(shí)間序列信號(hào)的能量譜中，某個(gè)或某幾個(gè)頻段的能量占比規(guī)律決定了該工序的特點(diǎn)。

由圖5可以看出，3種工序在第1頻段內(nèi)能量占比均最高，其中割煤工序在第1頻段內(nèi)能量占比達(dá)94.32%，交接班工序在第1頻段內(nèi)能量占比最低也達(dá)到了64.99%；2～8頻段內(nèi)3種工序的能量分布呈現(xiàn)不同的規(guī)律，其中交接班期間各頻段分布不均勻，6、7頻段能量占比相對(duì)較高，4、8頻段能量占比最低；割煤(含移架、移刮板輸送機(jī)、支護(hù)等工序)工序2～8頻段能量分布相對(duì)均勻，集中在0.71%～0.97%之間，特征明顯容易識(shí)別；檢修工序2～8頻段能量分布呈現(xiàn)另一種規(guī)律，中間4、5頻段能量相對(duì)較高，其他頻段能量低且不均衡。

圖5 不同作業(yè)工序CO濃度時(shí)間序列小波包分解各頻段能量分布

以小波包能量譜特征提取出的標(biāo)準(zhǔn)樣本中各個(gè)頻段能量作為特征參數(shù)，將其依次排列做為特征向量。不同工序代表性標(biāo)準(zhǔn)識(shí)別樣本見表1。

表1 不同工序代表性標(biāo)準(zhǔn)識(shí)別樣本

4 基于RBF神經(jīng)網(wǎng)絡(luò)的CO涌出模式識(shí)別

4.1 RBF網(wǎng)絡(luò)的結(jié)構(gòu)

RBF神經(jīng)網(wǎng)絡(luò)屬于只含有1個(gè)隱含層的前向網(wǎng)絡(luò)[16-18]，依次由輸入層、隱含層以及輸出層組成。RBF神經(jīng)網(wǎng)絡(luò)最明顯的特點(diǎn)是隱含層節(jié)點(diǎn)的基函數(shù)采用距離函數(shù)，激活函數(shù)則利用徑向基函數(shù)。RBF神經(jīng)網(wǎng)絡(luò)的原理是通過徑向基函數(shù)對(duì)輸入測(cè)試向量變換，使得高維空間中可映射輸入的低維測(cè)試數(shù)據(jù)，進(jìn)而將輸出值采用加權(quán)求和，最終將計(jì)算結(jié)果映射到低維度空間中并輸出。RBF神經(jīng)網(wǎng)絡(luò)的基函數(shù)是多維空間的中心點(diǎn)，存在徑向?qū)ΨQ性，并且與中心點(diǎn)越近的輸入向量，其神經(jīng)元激活水平越高，反之越低，所以隱藏節(jié)點(diǎn)具有局部特性[19]。RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

圖6 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

RBF神經(jīng)網(wǎng)絡(luò)的輸入層由待處理信號(hào)的節(jié)點(diǎn)構(gòu)成，X=[x1,x2,…,xn]T，其中n表示待處理信號(hào)的節(jié)點(diǎn)數(shù)目；中間的隱藏層H=[h1,h2,…,hm]T為徑向基函數(shù)，其中m表示隱含層節(jié)點(diǎn)數(shù)目，通常用高斯函數(shù)表示：

(2)

tim=[ti1,ti2,…，tiM]

式中：tim——徑向基函數(shù)的中心；

σi——徑向基函數(shù)的方差。

假設(shè)神經(jīng)網(wǎng)絡(luò)輸入的訓(xùn)練樣本為Xk，神經(jīng)網(wǎng)絡(luò)第j個(gè)輸出目標(biāo)的輸出結(jié)果表示為：

(3)

式中：ω0j——權(quán)重。

RBF神經(jīng)網(wǎng)絡(luò)主要是對(duì)基函數(shù)的中心、方差以及權(quán)重3個(gè)參數(shù)進(jìn)行求解。算法主要分為兩步，第一步為訓(xùn)練階段，主要是求解隱含層基函數(shù)中心以及方差，第二步是學(xué)習(xí)階段，完成權(quán)重的求解。

4.2 驗(yàn)證

根據(jù)試驗(yàn)工作面正規(guī)作業(yè)循環(huán)，將綜采工作面正規(guī)作業(yè)流程合理劃分為3類識(shí)別類型，在RBF神經(jīng)網(wǎng)絡(luò)中，將交接班模式設(shè)置輸出值為01，割煤模式(含移架、移刮板輸送機(jī)、支護(hù)等工序)設(shè)置輸出值為02，檢修模式設(shè)置輸出值為03，將此數(shù)組當(dāng)作神經(jīng)網(wǎng)絡(luò)的期望輸出值。對(duì)提取的能量譜特征向量進(jìn)行歸一化處理后輸入至RBF神經(jīng)網(wǎng)絡(luò)，以已知的作業(yè)流程模式為輸出量，進(jìn)行訓(xùn)練，3類模式的訓(xùn)練樣本共計(jì)86個(gè)。神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)目共8個(gè)，隱含層節(jié)點(diǎn)數(shù)目共24個(gè)，設(shè)置神經(jīng)網(wǎng)絡(luò)計(jì)算誤差的目標(biāo)值為0.001，經(jīng)過訓(xùn)練樣本的輸入輸出學(xué)習(xí)，計(jì)算出基函數(shù)的中心、方差以及權(quán)重3個(gè)主要參數(shù)。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)完成后重新將訓(xùn)練樣本輸入進(jìn)行模式識(shí)別，得出分類結(jié)果全部正確，說明神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)效果良好。

提取其他工作日的樣本數(shù)據(jù)，按照上述能量譜提取的方法進(jìn)行特征向量提取后，與當(dāng)日的作業(yè)流程進(jìn)行比對(duì)，確定各時(shí)間段對(duì)應(yīng)的工作面作業(yè)流程，作為測(cè)試樣本共10組，對(duì)已知模式類型但未參數(shù)訓(xùn)練的10組測(cè)試樣本進(jìn)行模式識(shí)別，測(cè)試結(jié)果見表2。

由表2可以看出，10組測(cè)試數(shù)據(jù)的模式識(shí)別結(jié)果中有9個(gè)識(shí)別結(jié)果與實(shí)際工作面作業(yè)工序一致，識(shí)別率為90%，由此說明RBF神經(jīng)網(wǎng)絡(luò)能完成綜采工作面作業(yè)工序的分類目的，可以應(yīng)用于現(xiàn)場(chǎng)的模式識(shí)別中。

表2 測(cè)試樣本神經(jīng)網(wǎng)絡(luò)測(cè)試效果

5 結(jié)論

(1)通過對(duì)安全監(jiān)控系統(tǒng)上隅角CO濃度時(shí)間序列利用小波包三層分解的方法提取8個(gè)頻帶的能量譜分布情況作為模式識(shí)別的特征向量，能明顯地區(qū)分綜采工作面不同作業(yè)流程，說明小波包提取出的能量譜作為不同采煤工序的特征參數(shù)是可行的。

(2)將提取的能量譜特征向量作為輸入?yún)?shù)進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練后求得基函數(shù)的中心、方差以及權(quán)重3個(gè)主要參數(shù)，對(duì)已知模式類型但未參數(shù)訓(xùn)練的10組測(cè)試樣本進(jìn)行模式識(shí)別，正確率為90%，說明這種方法能有效地區(qū)分綜采工作面不同采煤工序下的CO濃度時(shí)間序列，可以應(yīng)用于現(xiàn)場(chǎng)。