大尺度采空区围岩断裂失稳信号数据挖掘及破坏预测分析.pdf

返回 相似 举报
大尺度采空区围岩断裂失稳信号数据挖掘及破坏预测分析.pdf_第1页
第1页 / 共4页
大尺度采空区围岩断裂失稳信号数据挖掘及破坏预测分析.pdf_第2页
第2页 / 共4页
大尺度采空区围岩断裂失稳信号数据挖掘及破坏预测分析.pdf_第3页
第3页 / 共4页
大尺度采空区围岩断裂失稳信号数据挖掘及破坏预测分析.pdf_第4页
第4页 / 共4页
亲,该文档总共4页,全部预览完了,如果喜欢就下载吧!
资源描述:
25 卷 第 5 期北 京Vol.25 No.5 200310Journal of University of Science and Technology BeijingOct. 2003 收稿日期2002–11–04来兴平男30岁副教授博士 国家自然科学基金 No. 50074002 和博士点基金 No. 2000000802联合资助项目 随着监测手段和仪器的精密 数字化和信息 化程度逐步提高 获得的岩石力学 系统 的信息 量大幅度增加 包括各种数据格式的图形 矢量 等形成了岩石力学参数的体数据Volume Data例如为了分析坚硬岩石介质组成的采空 区破坏的复杂性 多尺度非均匀性 系统学及动 力学非线性的耦合效应 利用多种监测手段 详 细记录了断裂失稳的时间 空间 强度演化过程 在这种情况下 识别有效 正确的力学参数和围 岩断裂失稳模式等信息极为困难 这就需要先进 的信息处理系统 本文尝试将子波变换 神经网络与固体断裂 非平衡统理论用于山东玲珑金矿255m主运输巷 围岩断裂失稳信号的数据挖掘以及综合分析 以 便正确认识及理解大尺度采空区围岩体从群体 微裂纹萌生扩展汇合到破坏的损伤演化全 过程 [1] 1 数据挖掘的定义及特性 数据挖掘Data Mining,DM来源于基于数据 库的知识发现 是机器学习 包括数值计算和人 工智能中的专家系统数据库和统计学三者相 结合的产物 [2] 知识发现就是从数据库中发现有 用知识的整个过程 包括抽取出潜在的 不为人 知的有用信息 模式和趋势一般认为数据挖掘 是知识发现过程中的一个特定步骤 它用专门算 法从数据中抽取模式 然后再通过知识发现中的 解释和评价模块转换成最终用户可以理解的知 识 其目的在于检测异常模式或临界现象以及预 测预报等 [35] 数据挖掘在实现过程中常用的算法有 1统计学方法 数据挖掘最早来源于统计学 领域 因此统计学方法是其最常用 最实用的方 法 基于经典统计学方法有回归分析 相关分析 主成分分析 基于现代统计学理论方法主要有人 工智能技术 包括神经网络算法决策树方法 集合论方法 可视化技术等线性模型和非线性模 型 其中线性回归用于预测 线性差别分析技术 用于分类 非线性技术用于估值 抽样 神经元网 络 遗传算法 2规则推理法 该方法在训练数据集合中搜 索规则空间 寻找对目标数据进行分类最有效的 规则 一般用if-then结构每次做出的预测都是 根据每条已有规则做出组合预测 由于每一条规 则都带有响应的关联强度 用户可以由此得到每 大尺度采空区围岩断裂失稳信号数据 挖掘及破坏预测分析 来兴平 1 2 蔡美峰 1 1北京科技大学土木与环境工程学院 北京1000832西安科技大学能源学院 西安710054 摘 要随着监测技术数字化和信息化程度逐步提高 获得的大尺度采空区围岩损伤演化过 程 以及包括各种数据格式的图形 矢量等信息量呈数量级增加 将小波变换 固体断裂非平 衡统计和神经网络理论用于对非线性采空区围岩断裂失稳信号进行数据挖掘以及综合分析 有利于正确认识和理解采空区围岩体损伤演化的全过程 关键词大尺度采空区; 围岩断裂失稳;数据挖掘 分类号TD315 Vol.25 No.5来兴平等大尺度采空区围岩断裂失稳信号数据挖掘及破坏预测分析395 次预测的可信度 3可视化 可视化表达数据挖掘结果 4并行处理 数据挖掘算法 本构关系 与并 行处理技术相结合就形成并行数据挖掘算法 例如采用并行数值计算程序进行采空区应力 位 移以及系统结构参数耦合效应的模拟计算 这在 采空区围岩介质断裂统计和破坏预测与工程应 用中有很大的研究价值 2声发射信号的子波变换分析 大尺度采空区围岩失稳是介质从微裂隙损 伤 裂隙扩展 离层演化 劈裂的过程界面摩擦是 围岩典型的破坏机制 也是可测的声发射源 源 的机制与声发射信号之间有一定的因果关系 然而不同的破坏机制通常以组合形式出 现 其响应为瞬态随机信号 类别特征相互重叠 且又受介质的传播特性及传感器的转换特性耦 合影响这就加大了声发射信号识别的难度 图 1给出了对岩石声发射数据信息进行数据挖 掘的流程 子波变换也称小波变换是近代非线性科 学研究的热点之一 对于信号具有平滑 降噪以 及突出突变信号的作用 近年来 声发射信号的 模式识别技术从常规信号参数鉴别正逐步向波 形鉴别 频谱鉴别 小波鉴别 模式识别及人工神 图 1 围岩断裂声发射信号数据挖掘工作流程 Fig.1 Data mining flowchart of acoustic emission signals during rockfailure and damage process 监测数据信息 样本数据集合 数据净化预处理 数据映射和转换 数据挖掘 数据模式 数据表达结果 用户 重新选择参数 再处理 性能评价 集成岩石力学领域知识 经网络识别等新兴信号处理技术的方向发展 子 波变换中的频谱变换更适合于工程现场围岩失 稳模态测试的非稳态短数据序列瞬态信号的表 征及处理 [6 7] 小波变换如同一台可变焦距的数学显微镜 改变各种焦距便可探测到被处理信号中所隐含 的奇异点并识别出它的性质 或分析出非平衡信 号所包含的各种成分 从而可有效地探测并诊断 出精密复杂设备中的疑难故障 是该领域具有明 显应用前景的前沿 为了把小波变换的数学显微镜功能转化成 一台可供实际使用的仪器实体 重庆大学秦树人 教授及其课题组针对工程应用背景下信号小波 变换的三个主要问题即母小波和小波基的研 究 小波变换的快速算法研究 以及小波变换中 的采样原理和技术研究开展了深入的研究工 作 建立了包含众多母小波函数和小波基的可供 调用的母小波和小波基库 研究成功了小波直接 变换快速算法和Mallat塔形快速算法 它们的变 换速度达到了可用于在线测试的要求 在采样原 理及技术方面针对信号的高频成分采取逐渐精 细的时 空 域采样间隔和小波基随尺度参数 m 变化的二次采样 [810] 大尺度采空区围岩断裂失稳信号小波预测 分析过程为 首先对声发射监测信号与响应函数 值做卷积 然后使用同样的响应函数对卷积信号 做反卷积 反卷积的结果就是原始信号 其对瞬 态随机信号识别过程 其主要包括1 围岩断裂 失稳的声发射原始离散 混沌信号2 反映非稳 态 非连续 断续信号3 反映非连续信号的连 续化4 反映连续信号的模拟形成 [11] 3声发射信号的统计与挖掘 统计学和数据挖掘有着共同的目标 发现数 据中的结构数据挖掘还应用了其他领域的思 想 工具和方法 尤其是计算机学科 如人工智能 中的专家系统 神经网络和机器学习等 在研究 过程中利用有限差分程序 FLAC对采空区的应 力 位移的演化历史进行耦合计算 采用固体断 裂非平衡统计方法对采空区围岩断裂进行累计 统计和分析 [1215] 其主要包括三个阶段 初始 阶段岩体破裂声发射特征参数统计 第二阶 段声发射特征参数统计 第三阶段声发射特 征参数统计 见图 2 396 20035 4 神经网络预测围岩位移演化趋势 基于人工神经元的原理 构造出具有若干个 自由度的神经元 将计算力学中有限单元的刚度 矩阵以神经元间的权值来描述 将结构外载荷作 为神经元的外部输入 可以构造出对应于各种有 限单元的神经计算单元 再将其耦合以形成求解 该力学问题的神经网络 基于神经网络的材料本 构模型的分析 这种本构模型不仅可以再现以前 训练过的试验结果 还能对其他试验结果作近似 预测也可以用试验数据对网络作进一步的训 练 使之更完善 [16] 根据现场量测位移 并以之为训练样本的网 络输出 对应的岩体力学参数为训练样本的网络 输入用训练样本集训练网络网络总误差达到 一定的精度即认为网络训练成功将现场量测 位移输入训练好的网络 网络的输出即为围岩位 移演化趋势即位移预测值图 3 简单描述了基 于神经网络的应力趋势挖掘模型 图 4 简单描述 了采空区围岩失稳应力趋势神经网络挖掘过程 5讨论与结论 1针对坚硬岩石介质组成的大尺度采空区破 坏的复杂性问题 尝试利用数据挖掘技术 包括子 波变换 神经网络与固体断裂非平衡统计 对山东 玲珑金矿 255m 主运输巷围岩断裂失稳信号进行 数据挖掘以及预测分析有利于正确认识与理解 采空区围岩体损伤演化全过程同时也证实了数 据挖掘是分析与评价复杂问题的一个有效且实用 的技术与方法体系 2复杂采空区的监测手段和预测预报技术必 须有先进的数据分析理论与技术为依托在硬件 051015202530051015202530 监测信号时间序列监测信号时间序列 图 2 第三阶段围岩断裂声发射数据信息挖掘过程 Fig.2 Acoustic emission data mining process in stage 835 845 855 865 875 1 534 1 536 1 538 1 540 1 542 a大事件 b总事件 总事件 线性统计 05101520250510152025 监测数据序列监测数据序列 图 4 围岩失稳应力趋势神经网络挖掘描述 Fig.4 Stress prediction description based on neuralnetwork during rock damage 16 20 24 28 32 16 20 24 28 32 压力值/MPa 压力值/MPa 数据点 S 型拟合 监测数据 线型拟合 ab a 网络训练 b 网络预测 图 3 基于神经网络的应 力预测挖掘模型 Fig.3 Dataminingmodelofstresspredictionbased onneural network 位 移 量 测 值 力 学 参 数 值 应 力 预 测 值 力 学 参 数 值 总事件/次 1 总事件/次 1 Vol.25 No.5来兴平等大尺度采空区围岩断裂失稳信号数据挖掘及破坏预测分析397 建设的同时要加强和拓展分析技术理论体系 这样才能实现安全生产的目的 3 监测的数字化和信息处理的数字化 数据挖掘过程为最终正确决策提供科学依据 这 为实现 数字矿山 奠定坚实的基础 参 考 文 献 1来兴平. 基于非线性动力学的采空区稳定性集成监 测分析与预报系统研究及其应用[D] 北京 北京科 技大学 2002 2Han J W, Kambr M. Data Mining-Concepts and Technol- ogy[M]. Morgan Kaufmann Publishers 2001 3杨炳儒张德政. 关于知识发现系统的扩展性研究 [J]. 北京科技大学学报 2000 221 84 4杨炳儒,周颖. 知识发现系统内在机理[J]. 北京科技 大学学报 2002 243 345 5冯夏庭 马平波. 基于数据挖掘的深部的地下硐室 围岩稳定性判别[J]. 岩石力学与工程学报 2000 20 3 630 6冉启文谭立英. 小波分析与分数傅立叶变换及应 用[M]. 北京 国防工业出版社 2002 7彭玉华 小波变换与工程应用[M]. 北京 科学出版 社 2002 8秦树人 汤宝平 徐铭陶 等. 工程信号小波分析仪 系统的研究[J].中国机械工程 1999 104 443 9陈志奎徐铭陶 秦树人 等. 小波基和它对一维信 号的直接分解 [J].重庆大学学报 1998 213 131 10 陈志奎 徐铭陶 秦树人 等. 小波基和它对一维信 号的直接分解[J].重庆大学学报 1998 214 65 11 Cai M F, Lai X P. Monitoring and analysis of nonlinear dynamic damage oftransport roadway supportedbycom- posite hard rock materials in Linglong gold Mine [J]. J Univ SciTechnol Beijing, 2003 102 10 12 蔡美峰来兴平. 耦合监控在地下主运输巷塌陷区 锚固段应用[J]. 北京科技大学学报 2001 423 293 13 玲珑金矿主运巷塌陷区非线性动态耦合监控与稳 定性预报研究[R]. 北京科技大学 山东黄金集团有 限公司玲珑金矿, 2002 14 蔡美峰来兴平. 复合坚硬岩石巷道塌陷段监控的 研究与应用[J]. 岩石力学与工程学报 2003 22 3 391 15 邢修三. 固体断裂非平衡统计理论[J]. 自然科学进 展 2000 104 289 16 CaiMF,LaiXP. uationonstabilityofstopestructure based on nonlinear dynamics of coupling artifical neural network [J]. J Univ Sci Technol Beijing 2002 91 1 Data Mining on Rock Crack Signals in Large Scale Mined-out Area and Damage Prediction Analysis LAI Xingping 1,2, CAI Meifeng1 1 Civil and Environmental Engineering School, University of Science and Technology Beijing, Beijing 100083, China 2 Energy School, Xian University of Science and Technology, Xian 710054, China ABSTRACTWith increasing developmentof digital and communication monitoring techniques, the quantity of obtained ination about theadamage process of rock massaroundlarge scale mined-outareasis significantly in- creased. The ination includes various figures and vectograms in digital . Data mining and analysis for monitored breakage ination from rock mass around mined-out areas using wavelet analysis, non-equilibrium statisticsand neuralnetwork techniques willbe beneficialto correctthe understandingofthe wholedamage process of rock mass around min-out areas. KEY WORDSlarge scale mined-out area; rock damage and unstability; data mining
展开阅读全文

资源标签

最新标签

长按识别或保存二维码,关注学链未来公众号

copyright@ 2019-2020“矿业文库”网

矿业文库合伙人QQ群 30735420