[发明专利]基于CO数据的综采工作面作业工序模糊聚类识别方法

说明书

本发明涉及一种基于CO数据的综采工作面作业工序模糊聚类识别方法，包括采集原始CO浓度时间序列、小波阈值去噪、小波分解、重构小波分解系数、求解各频带能量、构建特征向量及模式识别。本发明将监控系统中浓度时间序列与采煤工序有效对应，从而实现以CO数据为分析基础对采煤工序进行辨识，进而有助于煤矿的工程技术人员更加及时地掌握和判断综采工作面的实时综采作业状况以及不同阶段CO涌出特点作出不同的应急预案，为后续不同工序下的分类预警作支撑。

技术领域：

本发明涉及煤矿安全技术领域，尤其涉及一种基于安全监控系统CO数据的综采工作面作业工序模糊聚类模式识别。

背景技术：

煤矿安全监控系统实时记录CH4、CO、风速等传感器的监测数据，然而并没有深入的进行挖掘，以自然发火为例，煤矿安全规程规定，对于矿井自燃灾害通常以安全监测系统CO气体浓度为监测指标进行日常监测指标，并规定了24ppm为阈值的报警极限。但煤矿井下特别是煤自燃需要重点监测的工作面上隅角的CO气体并不只是来源于采空区内的遗煤氧化，研究表明该处CO气体还会来自煤层赋存原生CO以及工作面割煤，尤其是正常作业流程中的割煤作业流程对煤体的破坏较大，会涌出较多的CO气体，而其他阶段产生的CO气体并不多，不同作业工序下产生CO气体的规律呈现明显的不同，因此为了更有效的利用安全监控系统CO数据进行煤自燃的监测判定，有必要对安全监控系统原始数据进行深度挖掘，提取明显的特征参数作为识别指标，将监控系统中浓度时间序列与采煤工序有效对应，从而实现以CO数据为分析基础对采煤工序进行辨识，进而有助于煤矿的工程技术人员更加及时地掌握和判断综采工作面的实时综采作业状况以及不同阶段CO涌出特点作出不同的应急预案，为后续不同工序下的分类预警作支撑。

发明内容：

本发明的目的是提供一种能有效的区分综采工作面不同采煤工序下的CO浓度时间序列的基于安全监控系统CO数据的综采工作面作业工序模糊聚类模式识别。

本发明提供一种基于CO数据的综采工作面作业工序模糊聚类识别方法，包括如下步骤：

一、选取综采工作面为研究对象，采集工作面上隅角CO浓度，并记录CO浓度时间序列曲线；

二、对CO浓度时间序列进行小波阈值去噪处理；

三、采用小波包能量谱对CO浓度时间序列进行特征向量提取；

四、通过模糊聚类理论对CO浓度时间序列特征向量进行模式识别。

其中，步骤二具体包括如下步骤：

(1)分解小波，选用合适的小波基，确定分解层数，对含噪信号进行分析，计算分析参数；

(2)阈值函数构造，阈值函数包括软阈值及硬阈值，硬阈值是将小波分解系数后的绝对值与阈值进行对比，如果信号不大于阈值则设置为零，反之保持不变，软阈值是将小波分解系数后的绝对值与阈值进行对比后，把不大于阈值的函数设置为零，而大于阈值的信号设置为绝对值与阈值的差，信号就会趋向于零，表达式(1)如下

其中，λ₁-上阈值；λ₂-下阈值；-小波系数；w_j,k-原始小波系数；

(3)阈值的选取，选择无偏风险估计准则确定阈值；

(4)重构小波，经过阈值函数处理后的小波系数经过逆变换得到的信号，重构得到滤除噪声后的CO浓度时间序列曲线。

其中，步骤三具体包括如下步骤：

(1)以Db5为小波基对采集并去噪处理的CO浓度时间序列进行小波包分解，得到各频带系数分布图；

(2)通过小波包能量谱的方法提取各频带内的能量作为特征向量，作为识别综采工作面不同工序的特征参数。