基于k最近鄰法煤礦井下突水水源預測的檢測方法

基于k最近鄰法煤礦井下突水水源預測的檢測方法
【專利摘要】本發明公開了一種基于K最近鄰法的煤礦突水水源預測方法，基于K最近鄰法，采用Nd:YAG固體激光器發出激光聚焦在待測水體上，該水體在激光激發下產生熒光光譜信號，將熒光探頭采集到的光譜信號照射到多道探測器中并經過信號處理，得到反應待測水體水質情況的信號數據，與相同測定條件下的反應正常水體水質情況的信號數據進行比較，然后在ARM7處理器中利用K最近鄰法構建模式識別模型，對待測水體數據分析，經過演算可以獲得較準確的煤礦井下水源水質變化情況，從而預估出未來礦井下的突水的預測，以確保井下工作人員的安全。
【專利說明】基于K最近鄰法煤礦井下突水水源預測的檢測方法
【技術領域】
[0001]本發明涉及煤礦井下突水水源預測方法領域，具體為一種基于K最近鄰法的煤礦井下突水水源預測的檢測方法。
【背景技術】
[0002]隨著我國經濟的逐步發展，煤炭開采技術逐漸向高產高效的方向發展。但是近年來，我國頻繁發生煤礦突水事故，嚴重制約著我國煤炭事業的發展。煤礦突水的主要在于預防，突水預測是預防的根本。根據多年對煤礦突水水源的研究，得知礦區各層地下水體所處的水文地球化學環境不同，使影響煤礦生產的礦井突水水源也不一樣，即用于判別礦井突水水源的特征離子也不相同。突水水源預測的主要任務就是找到能代表每段水體特征的代表離子，并在此基礎上對突水的來源進行識別。依據對水中離子的分析，就能建立一個系統、全面的礦井井下突水水源預測系統，就可以對礦井井下突水水源進行準確預測，并有效預防和減少突水事故的發生。
[0003]目前國內外都已經發展了人工智能化預測，如采用BP神經網絡算法來預測，在預測準確性和可靠性等方面有了較大的提高，但這種算法主要問題是，由于該算法訓練次數多，故效率低下，收斂速度較慢，以及目標函數易陷入局部極小值，限制了其應用。

【發明內容】

[0004]本發明的目的是提供一種基于K最近鄰法的煤礦突水水源預測方法，以解決現有技術預測方法收斂速度慢和局部收斂的問題。
[0005]為了達到上述目的，本發明所采用的技術方案為:
[0006]基于K最近鄰法的煤礦井下突水源預測方法，其特征在于:基于K最近鄰法，采用Nd: YAG固體激光器發出激光聚焦在待測水體上，該水體在激光激發下產生熒光光譜信號，將熒光探頭采集到的光譜信號照射到多道探測器中，得到的反應待測水體水質情況的電信號，與相同測定條件下的反應正常水體水質情況的電信號進行比較，然后在ARM7處理器中利用K最近鄰法構建模式識別模型，對待測水體數據分析，從而能夠獲得煤礦水源水質變化情況，從而預估出未來礦井下的突水情況，包括以下步驟:
[0007](I)根據待測區域的地域情況，采集多個水樣，采用Nd:YAG固體激光器依次發出激光聚焦在各樣本上；利用熒光探頭收集產生的光譜信號，將探頭收集到的熒光最大限度的照射到多道探測器中；
[0008](2)在所述多道探測器中，具有多個光敏單元和自掃描功能，可同時采集多個波長點的數據，然后將數據輸入微控制器進行分析與處理；
[0009](3)在ARM7處理器內部編程，使外部I/O 口產生驅動脈沖，驅動脈沖輸入到多道探測器，多道探測器開始工作；多道探測器接收熒光信號后，將熒光信號轉變為電信號，該電信號經過電流驅動放大電路從而再進入偏置電路并放大，和電子濾波，處理后的信號送到Atmegal28引腳，進行A/D采樣，轉化數字量數據作為反映待測水體水質情況的信號儲存；[0010](4)在ARM7處理器中采用K最近鄰法構建模式識別模型，結合模型對步驟(3)中得到的反映待測水體水質情況的信號數據以及之前采集的反映正常水體水質情況的信號數據進行學習，以“同類樣本在模式空間相互較靠近”為依據進行分類，判斷兩者的相似，最后得出該井下部位是否會發生突水。
[0011]所述熒光探頭為浸沒式熒光探頭，熒光探頭實時采集的數據分別送入多道探測器中進行分析與處理。
[0012]所述多道探測器可采用CCD光探測器，使用堆垛方式加大探測的動態范圍。
[0013]所述ARM7處理器通過K最近鄰法構建模式識別模型，由多道探測器采集得到的熒光信號轉化成電信號，進行處理，與正常水體水質的數據進行學習，比較，最后得出該井下部位是否會發生突水。
[0014]本發明根據礦井井下的特殊結構采用浸沒式熒光探頭埋在礦井井下的各個平面的不同位置進而對是否發生突水進行實時預測，然后考慮到礦井深度、供電和走線簡單方便等問題，本發明數據用激光源照射待測水體，產生的信號送到多道探測器，多道探測器將熒光信號轉化為電信號，將電信號進行處理，送入ARM7處理器進行分析。其中多道探測器由多個監測單元按線陣排列的檢測器件，可同時采集多個波長點的數據，擴大檢測范圍。電信號經過電流驅動放大電路從而再進入偏置電路，使微弱的光譜信號放大，對放大的信號進行電子濾波，然后將數據遠程傳到PC機，用K最近鄰法建立模式識別模型，對采集的數據進行分析。經過演算可以獲得較準確的煤礦井下是否突水的預測，以確保井下工作人員的安全。
[0015]本發明從礦井井下突水安全性出發，以及工作人員進出礦井的實際情況，充分利用K最近鄰法的優點對井下突水狀況進行預測，以實現在事故情況未發生時，及時進行修復，以確保井下工作人員的安全。
[0016]本發明易攜帶、數據傳輸可靠、預測精度高、速度快、穩定性好、壽命長并采用先進的K最近鄰法對井下突水水源進行預測，大大提高了預測的快速性和準確性。
【專利附圖】

【附圖說明】
[0017]圖1為本發明所采用的檢測裝置系統框圖。
[0018]圖2為本發明煤礦突水水源預測原理框圖。
[0019]圖3為本發明ARM7控制器建立K最近鄰法模型的系統框圖。
【具體實施方式】
[0020]基于K最近鄰法的煤礦井下突水源預測方法，其特征在于:基于K最近鄰法，采用Nd: YAG固體激光器發出激光聚焦在待測水體上，該水體在激光激發下產生熒光光譜信號，將熒光探頭采集到的光譜信號照射到多道探測器中，得到的反應待測水體水質情況的電信號，與相同測定條件下的反應正常水體水質情況的電信號進行比較，然后在ARM7處理器中利用K最近鄰法構建模式識別模型，對待測水體數據分析，從而能夠獲得煤礦水源水質變化情況，從而預估出未來礦井下的突水情況。包括以下步驟:
[0021](I)根據待測區域的地域情況，采集多個水樣，采用Nd:YAG固體激光器依次發出激光聚焦在各樣本上；利用熒光探頭收集產生的光譜信號，將探頭收集到的熒光最大限度的照射到多道探測器中；
[0022](2)在所述多道探測器中，具有多個光敏單元和自掃描功能，可同時采集多個波長點的數據，然后將數據輸入微控制器進行分析與處理；
[0023](3)在ARM7處理器內部編程，使外部I/O 口產生驅動脈沖，驅動脈沖輸入到多道探測器，多道探測器開始工作；多道探測器接收熒光信號后，將熒光信號轉變為電信號，該電信號經過電流驅動放大電路從而再進入偏置電路并放大，和電子濾波，處理后的信號送到Atmegal28引腳，進行A/D采樣，轉化數字量數據作為反映待測水體水質情況的信號儲存。
[0024](4)在ARM7處理器中采用K最近鄰法構建模式識別模型，結合模型對步驟(3)中得到的反映待測水體水質情況的信號數據以及之前采集的反映正常水體水質情況的信號數據進行學習，以“同類樣本在模式空間相互較靠近”為依據進行分類，判斷兩者的相似，最后得出該井下部位是否會發生突水。
[0025]所述的K最近鄰法的數學模型，是一種基于類比的算法，基本思想是以在多維空間中找到與待測樣本最近鄰的K個點，然后根據這K個樣本點的類別來判斷未知樣本的類別。類似的，回歸估計也可以用K最近鄰法分析，即以這K個點作為訓練樣本來計算待測點的值。其近鄰性用歐氏距離定義，對每個待判的未知樣本逐一與訓練集樣本之間的距離進行計算，對其中最近的k個進行判別。設兩個樣本分別為Xi=IXmXii2,……Xi，m}與Yi=Iyj,!, yJ;2.......Yj,m}.則歐氏距離如下式:
[0026]
【權利要求】
1.基于K最近鄰法的煤礦井下突水源預測方法，其特征在于:基于K最近鄰法，采用Nd: YAG固體激光器發出激光聚焦在待測水體上，該水體在激光激發下產生熒光光譜信號，將熒光探頭采集到的光譜信號照射到多道探測器中并經過電路處理，得到反應待測水體水質情況的信號數據，與相同測定條件下的反應正常水體水質情況的信號數據進行比較，然后在ARM7處理器中利用K最近鄰法構建模式識別模型，對待測水體數據分析，從而能夠獲得煤礦水源水質變化情況，從而預估出未來礦井下的突水情況，包括以下步驟: (1)根據待測區域的地域情況，采集多個水樣，采用Nd:YAG固體激光器依次發出激光聚焦在各樣本上；利用熒光探頭收集產生的光譜信號，將探頭收集到的熒光最大限度的照射到多道探測器中； (2)在所述多道探測器中，具有多個光敏單元和自掃描功能，可同時采集多個波長點的數據，然后將數據輸入微控制器進行分析與處理； (3)在ARM7處理器內部編程，使外部I/O口產生驅動脈沖，驅動脈沖輸入到多道探測器，多道探測器開始工作；多道探測器接收熒光信號后，將熒光信號轉變為電信號，該電信號經過電流驅動放大電路從而再進入偏置電路并放大，和電子濾波，處理后的信號送到Atmegal28引腳，進行A/D采樣，轉化信號數據作為反映待測水體水質情況的信號儲存； (4)在ARM7處理器中采用K最近鄰法構建模式識別模型，結合模型對步驟(3)中得到的反映待測水體水質情況的信號數據以及之前采集的反映正常水體水質情況的信號數據進行學習，以“同類樣本在模式空間相互較靠近”為依據進行分類，判斷兩者的相似，最后得出該井下部位是否會發生突水。
2.根據權利要求1所述的基于K最近鄰法的煤礦井下突水水源預測方法，其特征在于:所述熒光探頭為浸沒式熒光探頭，熒光探頭實時采集的數據分別送入多道探測器中進行分析與處理。
3.根據權利要求1所述的基于K最近鄰法的煤礦井下突水水源預測方法，其特征在于:所述多道探測器可采用CCD光探測器，使用堆垛方式加大探測的動態范圍。
4.根據權利要求1所述的基于K最近鄰法的煤礦井下突水水源預測方法，其特征在于:所述ARM7處理器通過K最近鄰法構建模式識別模型，由多道探測器采集得到的熒光信號轉化成電信號，進行處理，與正常水體水質的數據進行學習，比較，最后得出該井下部位是否會發生突水。
【文檔編號】G01N21/64GK103674921SQ201310700589
【公開日】2014年3月26日 申請日期:2013年12月18日 優先權日:2013年12月18日
【發明者】周孟然, 聶夢雅, 閆鵬程, 宮關, 付學強, 馬云川 申請人:安徽理工大學