【摘要】：從國際和國內(nèi)能源生產(chǎn)和消費(fèi)上來看,煤炭的位置至關(guān)重要。我國煤礦生產(chǎn)條件復(fù)雜,各類災(zāi)害事故時(shí)有發(fā)生,其中以瓦斯事故最易造成人員傷亡,因此,對瓦斯災(zāi)害的預(yù)測預(yù)警至關(guān)重要。前人對井下動(dòng)力災(zāi)害預(yù)警的研究集中在瓦斯、應(yīng)力、電磁和微震等方向。瓦斯是判識(shí)災(zāi)害非常重要的依據(jù),對基于瓦斯異常涌出的災(zāi)害預(yù)警方法的研究十分必要。目前礦井主要通過監(jiān)控系統(tǒng)以瓦斯?jié)舛仁欠癯逓橐罁?jù)進(jìn)行災(zāi)害預(yù)測預(yù)警,但僅通過濃度是否超限不能準(zhǔn)確判斷工作面危險(xiǎn)程度,且有些瓦斯超限是由斷線、磕碰等外界干擾引起的,因此,研究一定時(shí)間段內(nèi)瓦斯?jié)舛惹�變化更符合災(zāi)害預(yù)警的實(shí)際需求。傳統(tǒng)描述瓦斯?jié)舛惹�的方法分為兩種。一種是對瓦斯?jié)舛冗M(jìn)行擬合,用數(shù)學(xué)方程描述一段時(shí)間內(nèi)瓦斯?jié)舛茸兓�,進(jìn)而預(yù)測下一時(shí)間的瓦斯?jié)舛?達(dá)到災(zāi)害預(yù)測的目的。然而,此種方法需要運(yùn)用不同的公式、參數(shù)和系數(shù)建立大量的方程以描述井下不同類型和程度的瓦斯變化曲線。即使能找到描述井下各種瓦斯變化曲線的高精度方程,也只能對非常相似的瓦斯變化曲線就進(jìn)行預(yù)測,而隨著工作面的推進(jìn),當(dāng)出現(xiàn)相似程度較低的瓦斯變化曲線時(shí),建立的高精度方程庫容易失效。且井下條件復(fù)雜、干擾因素很多,會(huì)對數(shù)學(xué)方程的應(yīng)用帶來很多不利因素。另一種是提取瓦斯?jié)舛葧r(shí)間序列的特征,以統(tǒng)計(jì)學(xué)指標(biāo)描述瓦斯時(shí)間序列,如均值、方差、均方根、峰值、最值、峭度、偏度等時(shí)域頻域指標(biāo)以及非平穩(wěn)性、非線性、非高斯性等統(tǒng)計(jì)量指標(biāo)。運(yùn)用特征指標(biāo)融合而成的不同模式區(qū)分不同危險(xiǎn)程度的瓦斯曲線,從而達(dá)到識(shí)別危險(xiǎn)程度的目的。然而,統(tǒng)計(jì)學(xué)指標(biāo)有限,不易描述瓦斯?jié)舛鹊奈⑷醪町悺Ｇ覍＜遗袛嗑卤O(jiān)控的瓦斯異常涌出危險(xiǎn)程度時(shí),并不是通過計(jì)算統(tǒng)計(jì)學(xué)指標(biāo),而是通過觀察到的瓦斯曲線的整體趨勢、變化、演化等視覺特征判別瓦斯異常涌出的危險(xiǎn)程度。本文采用了目前較成熟的圖像識(shí)別技術(shù),以識(shí)別掘進(jìn)工作面瓦斯異常涌出危險(xiǎn)程度。圖像識(shí)別技術(shù)在指紋識(shí)別、人臉識(shí)別、遙感圖像識(shí)別、歷史文物修復(fù)等領(lǐng)域應(yīng)用效果顯著,能提取和識(shí)別各種宏觀特征和微弱特征。由于一維時(shí)間序列特征均可以映射成為二維圖像特征,但很多二維圖像特征不能用于描述一維時(shí)間序列,將一維瓦斯?jié)舛葧r(shí)間序列轉(zhuǎn)化為二維瓦斯?jié)舛葓D像后,可以提取到更多的瓦斯?jié)舛茸兓�的特征,以全面精確地識(shí)別瓦斯異常涌出危險(xiǎn)程度。本文首先理論分析了掘進(jìn)工作面瓦斯異常涌出后濃度變化圖像的特征,建立了基于ReliefF-維度區(qū)間-支持向量機(jī)的圖像識(shí)別模型,該模型用于識(shí)別瓦斯圖像所反映的瓦斯異常涌出危險(xiǎn)程度。然后,使用自制的掘進(jìn)工作面瓦斯異常涌出試驗(yàn)系統(tǒng)研究了不同瓦斯涌出量與不同巷道風(fēng)速對瓦斯異常涌出后濃度變化的影響,運(yùn)用圖像分割方法對試驗(yàn)瓦斯圖像進(jìn)行分割、重新取樣,利用圖像識(shí)別綜合模型對分割后的試驗(yàn)瓦斯圖像的異常涌出危險(xiǎn)程度進(jìn)行了動(dòng)態(tài)識(shí)別,實(shí)現(xiàn)了對該綜合模型的優(yōu)化。此外,為了驗(yàn)證模型效果,建立了掘進(jìn)面瓦斯涌出及運(yùn)移擴(kuò)散幾何模型,使用ANSYS_FLUENT軟件數(shù)值模擬研究了不同瓦斯涌出量與不同巷道風(fēng)速對瓦斯涌出后濃度的影響,并使用優(yōu)化后的模型動(dòng)態(tài)識(shí)別了數(shù)值模擬瓦斯圖像的異常涌出危險(xiǎn)程度,驗(yàn)證了模型的效果。最后,現(xiàn)場應(yīng)用優(yōu)化后的掘進(jìn)工作面瓦斯異常涌出圖像識(shí)別模型,對臥龍湖礦1011機(jī)巷中獲得的瓦斯?jié)舛葓D像中的瓦斯異常涌出危險(xiǎn)程度進(jìn)行了動(dòng)態(tài)識(shí)別,驗(yàn)證了該模型現(xiàn)場應(yīng)用的效果。本文的主要成果如下:(1)提出了基于ReliefF-維度區(qū)間-支持向量機(jī)的掘進(jìn)工作面瓦斯異常涌出圖像識(shí)別綜合模型該模型初始設(shè)置了4種標(biāo)準(zhǔn)化選項(xiàng)、4種核函數(shù)算法和2種支持向量分類器算法,共計(jì)32種子模型配置,在模型優(yōu)化后僅保留對掘進(jìn)面瓦斯異常涌出危險(xiǎn)程度識(shí)別準(zhǔn)確率最高且魯棒性最強(qiáng)的1種,其他予以剔除;該模型通過內(nèi)置的ReliefF算法,評價(jià)了各個(gè)特征指標(biāo)對識(shí)別瓦斯異常涌出危險(xiǎn)程度的權(quán)重,剔除了低權(quán)重特征,實(shí)現(xiàn)了特征降維;該模型通過內(nèi)置特征維度區(qū)間,避免了單一維度下子模型可能出現(xiàn)的靈敏度較低或失效等風(fēng)險(xiǎn);該模型內(nèi)置的ReliefF算法和維度區(qū)間使得更新訓(xùn)練樣本時(shí)無需人為調(diào)整模型的參數(shù)配置。(2)提出了掘進(jìn)面瓦斯異常涌出圖像識(shí)別模型的優(yōu)化及評價(jià)方法考慮到煤礦災(zāi)害預(yù)警的實(shí)際需求,確定了評價(jià)掘進(jìn)面瓦斯異常涌出圖像識(shí)別模型性能的評價(jià)指標(biāo)及評價(jià)準(zhǔn)則。評價(jià)指標(biāo)為查全率(Recall)、準(zhǔn)確率(Accuracy)、交叉驗(yàn)證精度(CV)、精確率(Precision)、特異性(Specificity)、F1-Measure和Gmean。準(zhǔn)則要求:所有指標(biāo)盡可能高;當(dāng)各評價(jià)指標(biāo)性能不能兼顧時(shí),保證各指標(biāo)均較高的前提下,以查全率為主,尤其是高危險(xiǎn)圖像查全率,其次是模型識(shí)別的準(zhǔn)確率,再者是模型訓(xùn)練的交叉驗(yàn)證精度,其他指標(biāo)綜合考慮。基于此,評價(jià)32種配置的子模型的識(shí)別性能,用于確定模型的最優(yōu)配置。(3)建立了掘進(jìn)工作面瓦斯異常涌出圖像識(shí)別特征指標(biāo)庫挖掘了70個(gè)基于圖像的特征指標(biāo),該特征指標(biāo)庫適用于描述掘進(jìn)面瓦斯異常涌出后瓦斯?jié)舛茸兓�圖像,能夠反映瓦斯圖像之間微弱的相關(guān)和差異。該特征指標(biāo)庫包括3大類特征指標(biāo):(1)區(qū)域特征:面積、最小外接矩主軸方向、最小凸多邊形實(shí)心度、矩形度、質(zhì)心坐標(biāo)、最大內(nèi)切圓坐標(biāo)等;(2)邊界特征:周長、邊界直徑、球形度、變異系數(shù)、邊界與中心距離的標(biāo)準(zhǔn)偏差、傅里葉邊界描述子等;(3)矩特征:中心矩、Hu不變矩、Zernike矩等。(4)基于試驗(yàn)研究建立了試驗(yàn)瓦斯異常涌出典型信號庫設(shè)計(jì)并搭建了掘進(jìn)工作面瓦斯異常涌出試驗(yàn)系統(tǒng),試驗(yàn)研究了掘進(jìn)工作面瓦斯異常涌出后濃度變化特征,以及不同瓦斯涌出量和不同巷道風(fēng)速對掘進(jìn)面瓦斯異常涌出后濃度變化曲線的影響。試驗(yàn)結(jié)果顯示:(1)瓦斯異常涌出后濃度曲線變化趨勢一致,先快速上升,后緩慢下降至初始水平;(2)當(dāng)初始涌出壓力一定時(shí),涌出量一定,瓦斯?jié)舛壬仙俣扰c風(fēng)速無關(guān);巷道風(fēng)速越大,峰值濃度、達(dá)峰時(shí)間和濃度降至初始水平耗時(shí)均越小;(3)當(dāng)巷道風(fēng)速一定時(shí),初始壓力越大,瓦斯涌出量越大,濃度上升速度、峰值濃度和濃度降至初始水平耗時(shí)均越大。瓦斯涌出量表征瓦斯?jié)舛壬仙焖俪潭?進(jìn)而表征瓦斯圖像危險(xiǎn)程度,建立了不同危險(xiǎn)水平的試驗(yàn)瓦斯異常涌出典型信號庫。(5)基于試驗(yàn)瓦斯圖像優(yōu)化了圖像識(shí)別綜合模型的準(zhǔn)確性和可靠性使用試驗(yàn)瓦斯圖像優(yōu)化了基于ReliefF-維度區(qū)間-支持向量機(jī)的掘進(jìn)工作面瓦斯異常涌出圖像識(shí)別綜合模型的識(shí)別準(zhǔn)確性和可靠性,確定了綜合模型最終設(shè)置為Min-Max標(biāo)準(zhǔn)化方法、線性核函數(shù)、標(biāo)準(zhǔn)C-SVC分類器和N=11,22,,30的維度區(qū)間。應(yīng)用該模型對是否易發(fā)生瓦斯突出型異常涌出的試驗(yàn)瓦斯全局圖像進(jìn)行了定性識(shí)別,準(zhǔn)確率為100%;對瓦斯異常涌出高、中、低和無危險(xiǎn)4種類型的試驗(yàn)瓦斯全局圖像進(jìn)行了定量識(shí)別,準(zhǔn)確率為100%;對試驗(yàn)瓦斯全局圖像進(jìn)行了分割,重新取樣形成大量局部圖像,應(yīng)用該模型對試驗(yàn)瓦斯局部圖像的瓦斯異常涌出危險(xiǎn)程度進(jìn)行了動(dòng)態(tài)識(shí)別,整體準(zhǔn)確率為91.60%,對高、中、低和無危險(xiǎn)的4類局部圖像的查全率分別為95.00%、59.09%、98.67%和88.13%,模型能快速識(shí)別試驗(yàn)瓦斯異常涌出局部圖像危險(xiǎn)程度。(6)基于數(shù)值模擬研究建立了瓦斯涌出及運(yùn)移擴(kuò)散幾何模型和數(shù)值模擬瓦斯異常涌出典型信號庫建立了掘進(jìn)工作面瓦斯異常涌出及運(yùn)移擴(kuò)散幾何模型,結(jié)合ANSYS_FLUENT流體數(shù)值模擬軟件模擬研究了不同瓦斯涌出量與不同風(fēng)速條件下巷道內(nèi)瓦斯?jié)舛茸兓卣�。�?shù)值模擬結(jié)果顯示:(1)一定壓力的瓦斯涌出后,曲線迅速上升,后隨新鮮風(fēng)流持續(xù)流入濃度緩慢下降至初始水平;(2)風(fēng)速一定時(shí),瓦斯涌出壓力越高,涌出量越大,瓦斯上升速度越大,峰值越大,降至初始水平耗時(shí)越長;(3)涌出量一定時(shí),風(fēng)速越大,瓦斯?jié)舛乳_始上升的時(shí)間越早,上升速度差別微小,濃度峰值越小,達(dá)峰耗時(shí)越短,降至初始水平耗時(shí)也越短。瓦斯涌出量大小決定瓦斯圖像危險(xiǎn)程度的高低,不受巷道風(fēng)速大小影響,這與試驗(yàn)瓦斯曲線圖像表征的含義一致。使用瓦斯涌出量表征瓦斯圖像危險(xiǎn)程度,建立了不同危險(xiǎn)程度的數(shù)值模擬瓦斯異常涌出典型信號庫。(7)基于數(shù)值模擬瓦斯圖像驗(yàn)證了圖像識(shí)別綜合模型的準(zhǔn)確性和可靠性使用數(shù)值模擬瓦斯圖像驗(yàn)證了優(yōu)化后的基于ReliefF-維度區(qū)間-支持向量機(jī)的掘進(jìn)工作面瓦斯異常涌出圖像識(shí)別綜合模型的準(zhǔn)確性和可靠性。應(yīng)用該模型對瓦斯異常涌出高、中、低和無危險(xiǎn)程度的數(shù)值模擬全局圖像進(jìn)行了定量識(shí)別,準(zhǔn)確率為100%;對分割后的數(shù)值模擬局部圖像的瓦斯異常涌出危險(xiǎn)程度進(jìn)行動(dòng)態(tài)識(shí)別,整體準(zhǔn)確率為88.57%,對高、中、低和無危險(xiǎn)的瓦斯異常涌出局部圖像的查全率分別為91.01%、84.00%、98.70%和80.50%,模型能快速識(shí)別數(shù)值模擬瓦斯異常涌出局部圖像危險(xiǎn)程度。(8)基于現(xiàn)場瓦斯圖像進(jìn)一步驗(yàn)證了圖像識(shí)別綜合模型的準(zhǔn)確性和可靠性使用臥龍湖礦1011掘井工作面瓦斯圖像再次驗(yàn)證了優(yōu)化后的基于ReliefF-維度區(qū)間-支持向量機(jī)的掘進(jìn)工作面瓦斯異常涌出圖像識(shí)別綜合模型的準(zhǔn)確性和可靠性。應(yīng)用該模型對分割后的現(xiàn)場瓦斯局部圖像的瓦斯異常涌出危險(xiǎn)程度進(jìn)行動(dòng)態(tài)識(shí)別,整體準(zhǔn)確率為98.39%,對高、中、低和無危險(xiǎn)瓦斯異常涌出局部圖像的查全率分別為90.24%、91.57%、63.16%和98.60%,模型能快速識(shí)別現(xiàn)場瓦斯異常涌出局部圖像的危險(xiǎn)程度,結(jié)合瓦斯實(shí)時(shí)監(jiān)控系統(tǒng),動(dòng)態(tài)生成新的瓦斯圖像、并快速識(shí)別其危險(xiǎn)程度,以實(shí)現(xiàn)工作面危險(xiǎn)程度早期預(yù)警。本文采用理論研究、試驗(yàn)研究、數(shù)值模擬和現(xiàn)場應(yīng)用相結(jié)合的方法展開了具體的研究,研究了瓦斯異常涌出后瓦斯?jié)舛茸兓�反映的瓦斯異常涌出危險(xiǎn)程度,通過實(shí)時(shí)監(jiān)控的瓦斯數(shù)據(jù),及時(shí)向圖像中添加新的濃度數(shù)據(jù),剔除舊的濃度數(shù)據(jù),實(shí)時(shí)更新圖像,動(dòng)態(tài)監(jiān)控并識(shí)別其危險(xiǎn)程度,實(shí)現(xiàn)在異常涌出剛開始后不久,即可通過瓦斯曲線圖像特征快速識(shí)別異常涌出的危險(xiǎn)程度,而無需等濃度上升到相當(dāng)大的程度。研究成果有助于提高掘進(jìn)工作面瓦斯異常涌出危險(xiǎn)程度的識(shí)別準(zhǔn)確率,有助于時(shí)間上較早地識(shí)別掘進(jìn)工作面瓦斯異常涌出危險(xiǎn)程度,有助于豐富瓦斯異常涌出特征及其識(shí)別預(yù)警理論,有助于完善井下動(dòng)力災(zāi)害監(jiān)測預(yù)警技術(shù)。
【圖文】：

圖 2.1 處接最小矩形實(shí)例Fig.2.1 Examples of the smallest rectangle under any axis外接矩形的特征參數(shù)均包括矩形度、面積、長軸長度、短軸長度、長短軸之比、長軸方向（即與 軸的夾角）。矩形度（Rectangularity），即在瓦斯?jié)舛葓D像目標(biāo)區(qū)域內(nèi)的像素?cái)?shù)與其最小外接矩形內(nèi)的像素?cái)?shù)之比，，反映圖像目標(biāo)相對于其最小外接矩形的填充程度。最小凸多邊形的形狀特征有面積、頂點(diǎn)數(shù)和實(shí)心度。凸多邊形的頂點(diǎn)數(shù)與邊數(shù)相等，每個(gè)內(nèi)角均小于 180°。實(shí)心度，即在瓦斯?jié)舛葓D像目標(biāo)區(qū)域內(nèi)的像素?cái)?shù)與其最小外接凸多邊形內(nèi)的像素?cái)?shù)之比，反映圖像目標(biāo)相對于其最小凸多邊形的填充程度。最大內(nèi)切圓如圖 2.2 所示，其形狀特征有：半徑、面積、 坐標(biāo)、 坐標(biāo)。

圖 2.1 處接最小矩形實(shí)例Fig.2.1 Examples of the smallest rectangle under any axis外接矩形的特征參數(shù)均包括矩形度、面積、長軸長度、短軸長度、長短軸之比、長軸方向（即與 軸的夾角）。矩形度（Rectangularity），即在瓦斯?jié)舛葓D像目標(biāo)區(qū)域內(nèi)的像素?cái)?shù)與其最小外接矩形內(nèi)的像素?cái)?shù)之比，反映圖像目標(biāo)相對于其最小外接矩形的填充程度。最小凸多邊形的形狀特征有面積、頂點(diǎn)數(shù)和實(shí)心度。凸多邊形的頂點(diǎn)數(shù)與邊數(shù)相等，每個(gè)內(nèi)角均小于 180°。實(shí)心度，即在瓦斯?jié)舛葓D像目標(biāo)區(qū)域內(nèi)的像素?cái)?shù)與其最小外接凸多邊形內(nèi)的像素?cái)?shù)之比，反映圖像目標(biāo)相對于其最小凸多邊形的填充程度。最大內(nèi)切圓如圖 2.2 所示，其形狀特征有：半徑、面積、 坐標(biāo)、 坐標(biāo)。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)(北京)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TD712.5


本文編號：2672174