论文部分内容阅读
微震监测是矿井动力灾害监测预警的有效手段。传统电子类微震监测系统,由于需要给传感器供电,在矿井恶劣环境条件下,容易受到电磁干扰,传输距离也受到限制。亟需开发能适应井下恶劣环境的、可以远距离传输的微震监测系统。矿井微震监测信号中包含岩体破裂产生的信号和爆破产生的信号,当前大都把它们当作有效信号进行处理分析,进而将给研究决策人员带来误导,容易造成误判。常规的信号识别方法,都需要人工提取微震信号特征参数,没有从信号本身去训练学习,必然丢失部分有效特征,因而必须研究区分岩体破裂微震信号和爆破信号的新方法,为实现地层结构反演、震源定位和震源机制等参数的研究奠定基础。其中,震源定位是微震监测技术的核心要素,微震震源定位的准确性,关系到微震技术的应用效果,所以煤矿井下微震震源的准确定位,对于动力灾害监测预警具有重要意义。由于微震震源需要通过井下传感器接收信息反演确定,传感器的安装位置限制于煤矿井下巷道周围,传感器沿巷道近平面的不合理布置将大大降低震源定位精度。光纤传感技术具有无需供电、防电磁干扰、传输距离远等天然优势,能够胜任在矿井恶劣条件下的微震监测工作。本文将具有良好二维时频特性的S变换引入到原始微震数字信号转换中,把微震信号以图片的形式展示出来,图片中包含时域和频域特征,再利用专为图像识别设计的卷积神经网络(CNN)算法进行识别。以期改变人工提取特征参数导致特征丢失带来的识别精度降低的问题。研究表明基于L曲线准则的Tikhonov正则化法可提高病态矩阵求解精度。因而本文以光纤传感微震监测系统、基于深度学习的微震信号识别和Tikhonov正则化高精度震源定位技术为研究对象,以理论分析、公式推导、数值模拟、实验测试和现场监测为研究方法,自主开发程序实现微震信号采集和识别与震源定位。主要研究内容及取得的主要研究成果如下:1.建立了基于能量特征值和滑动时窗宽度的微震有效信号判别准则。分析悬臂梁结构光纤布拉格光栅(FBG)传感器原理,利用分布反馈激光器(DFB)探测震动对FBG反射谱的影响,实现震动信号的采集。根据震动波初至和结束前后能量巨大差异,采用滑动时窗能量比法拾取初至点和结束点,首次提出滑动时窗宽度(TWL)与采样频率、信号主频之间的定量关系。基于能量特征值和滑动时窗宽度设计微震有效信号判别准则。分析传感器与岩层的耦合参数,实现二者的高效耦合。研制了光纤微震监测软硬件系统,在室外进行测试运行,利用震动台和野外测试对比分析光纤FBG传感器与传统压电式震动传感器的性能。并将系统安装到煤矿井下进行微震监测。利用信号偏差建立有效信号判别准则,实现了有效微震事件的筛选、存储。2.推导了基于离散傅里叶变换(DFT)的不同系统监测数据转换技术,实现了多个系统数据的可对比和可通用。通过信号仿真,验证了算法的可行性。3.提出并训练了适合微震信号特征的基于CNN和S变换的深度学习算法。利用CNN和S变换相结合,分别对原始时域信号和S变换后的时频信号进行训练、测试和预测。训练结果表明:训练样本采用时域信号时,预测结果准确率在50%左右,无法推广使用。对原始时域信号进行S变换并做数据增广、添加批标准化函数和防止过拟合函数后,时频图为3通道时,预测结果仍然是不正确的。训练时频图取为单通道灰度图后,预测准确率提升到84.6%。缩小训练样本图片的尺寸为45*35像素(px),相应降低了神经元连接数,预测准确率进一步提升为93.75%。综合LeN et-5和AlexNet设计的CNN模型架构和训练参数,基于S变换灰度图的爆破信号和微震信号分类是可行的。4.推导了信号互相关到时差公式,并校正了初至波波速。针对矿山微震波场特征,分析了矿山微震定位的特点,分析了检波器布置、初至到时拾取和波速模型对微震震源定位的影响。由于矿井井下复杂的环境,地层深处的岩层破裂产生的震动波通常会受到杂波干扰,同时由于系统噪音影响导致信号初至无法精确拾取,常规的基于长短时窗的自动到时拾取或人工拾取都将引起不同程度的拾取误差。利用三角几何关系,建立了初至波类型的判别方法。提出了基于信号互相关理论的到时差算法,并给出了对应的波速。在原始震动信号受到噪音干扰的情况下,相比于人工拾取和滑动能量比法,信号互相关法能大大提高信号延迟时间计算精度。5.微震震源定位反演病态问题正则化处理方法。针对由传感器信息反演震源位置引起的病态问题,研究了基于微震监测测点优化布置的震源高精度定位算法。首先通过计算系数矩阵条件数,判定病态问题;然后利用中心化法和行平衡法联合进行病态矩阵预处理。对预处理后的矩阵A、b,利用L曲线法计算正则参数,结合Tikhonov正则化算法计算得到震源坐标正则解。中心化法有效降低了矩阵数量级,行平衡预处理降低了病态条件数,预处理后Tikhonov正则解的震源坐标误差最小可以达到3.09m,与预处理前的高斯消去解相比误差大大降低。对以上结果的综合分析可知,光纤传感微震系统适合井下恶劣环境监测要求,井下FBG传感器无需供电,采集信号不受电磁信号干扰,井下测点距离分站最远可达10km。基于CNN和S变换的深度学习算法无需人工提取特征参数,实现了对岩体破裂微震信号和爆破信号的识别。对于识别为岩体破裂产生的微震信号,预处理后再用Tikhonov正则法求解,可以提高因受限空间测点布置导致的病态问题求解精度。