Shearer drum load identification method based on audio recognition
-
摘要: 针对现有采煤机滚筒载荷识别方法相关算法实施难度大、工程实现方式复杂、应用难度高等问题，通过分析采煤机工作时音频信号的特征，提出一种基于音频识别的采煤机滚筒载荷识别方法。为确保每个分析周期内的音频信号具有同一运行标准下的负载工况，将截割电流与牵引速度作为变量引入到动态能量计算中，采用动态能量归一化算法(DENA)对采煤机原始音频信号进行归一化处理；将归一化后的信号与标准工况库中的信号进行对比分析，通过最大相异系数判断两者之间的差异性，从而确定滚筒载荷特征，实现滚筒载荷识别判断。试验结果表明：DENA可有效抑制音频信号中的噪声能量，提升音频信号中关键特征值的分辨率，采煤机在截割煤、岩时的音频信号特征参数界限明显，未出现交叉混叠现象；在理想情况下，即最大相异系数小于0.189时，总的煤岩界面识别率可达到78.6%。Abstract: In order to solve the problems of the existing shearer drum load identification methods, such as difficult implementation of related algorithms, complex engineering implementation mode and high application difficulty, through analyzing the characteristics of the audio signal during shearer operation, a shearer drum load identification method based on audio recognition is proposed. In order to ensure that the audio signal in each analysis period has the same load condition under the same operation standard, the cutting current and the traction speed are introduced into the dynamic energy calculation as variables, and the dynamic energy normalization algorithm (DENA) is adopted to normalize the original audio signal of the shearer. The normalized signal is compared and analyzed with the signal in the standard operation condition library, and the difference between the two is judged by the maximum dissimilarity coefficient, so as to determine the characteristics of the drum load and realize the identification and judgment of the drum load. The test results show that DENA can effectively suppress the noise energy in the audio signal and improve the resolution of the key characteristic values in the audio signal. The boundary of the characteristic parameters of the audio signal is obvious when the shearer cuts coal and rock, and there is no cross aliasing phenomenon. Under ideal conditions, that is, when the maximum dissimilarity coefficient is less than 0.189, the total coal-rock interface recognition rate can reach 78.6%.
-
0. 引言
煤炭是我国主要能源，一次能源占比超60%，是国家能源安全稳定供应的“压舱石”，并且煤炭的主体能源地位短期内无法改变[1-2]。煤炭行业是高危行业，随着煤炭开采深度和强度的增加，煤矿冲击地压和煤与瓦斯突出已成为我国煤炭开采的主要灾害，严重威胁煤矿安全生产[1-2]。
目前煤矿冲击地压和煤与瓦斯突出监测预警方法主要有钻屑法、微震法、声发射法、电磁辐射法、电测法、声波探测法、顶板离层观测法、煤岩体变形测量法、应力监测法及红外辐射法等[3-9]，在煤矿安全生产中发挥着重要作用。目前煤矿冲击地压和煤与瓦斯突出监测预警方法通过分析有关参数变化趋势，判断动力灾害发生的危险性和可能性；但无法预报动力灾害发生时间、位置和强度等；在煤矿冲击地压和煤与瓦斯突出发生时，也不能精准报警。目前煤矿冲击地压和煤与瓦斯突出监测预警方法主要用于长期监测预警，指导钻孔卸压和抽采等防治冲击地压和煤与瓦斯突出作业，消除冲击地压和煤与瓦斯突出危险因素，但不能替代煤矿冲击地压和煤与瓦斯突出事故报警。
煤矿冲击地压和煤与瓦斯突出事故诱因复杂，目前致灾机理尚不完全清楚，煤矿冲击地压和煤与瓦斯突出监测预警效果还难以满足我国煤矿安全生产需求，煤矿冲击地压和煤与瓦斯突出事故仍时有发生。目前，煤矿冲击地压事故主要靠人工发现，如果灾源附近人员全部遇难或被困，不在灾源的井下作业人员和地面调度室则不能及时发现灾害并应急救援，进而导致遇险人员窒息或失血过多而死亡，还会引发瓦斯和煤尘爆炸等严重次生事故。及时发现灾害，尽早疏通堵塞巷道和应急救援，争取黄金救援时间，则可减少掩埋和窒息造成的人员死亡，避免或减少瓦斯和煤尘爆炸等次生事故造成的大量人员伤亡，也可有效遏制煤矿冲击地压和煤与瓦斯突出事故的迟报、漏报和瞒报。因此，研究煤矿冲击地压和煤与瓦斯突出感知报警方法，具有重要理论意义和实用价值。
1. 煤矿冲击地压和煤与瓦斯突出事故报警现状
1.1 煤矿冲击地压报警现状
煤矿冲击地压事故感知难。目前仅有基于声音的煤矿冲击地压感知报警的设想[10]，但难以排除采掘和运输等声音的影响，并且受声音传播速度慢的影响，响应速度慢。因此，目前煤矿冲击地压主要靠人工发现，还没有自动发现和报警的方法。
1.1.1 煤矿井下人工就地报警
当煤矿井下发生冲击地压事故，事故现场人员发现后，通过矿用调度电话向矿调度室报警。但如果灾源附近人员全部遇难或被困，不在灾源附近的井下作业人员不能尽早发现事故和报警，更不能及时应急救援。
1.1.2 调度室人工查看视频监控报警
目前煤矿井下设有摄像机，当发生事故时，如果调度员正好观察到该摄像机画面，可以发现事故。但煤矿井下摄像机多达数百台，地面调度室的调度员不能同时观察数百台摄像机画面。当冲击地压灾害发生瞬间，地面调度室人员往往不能及时发现和报警。
1.2 煤与瓦斯突出报警现状
目前，煤与瓦斯突出自动报警方法仅有基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法[11-12]和基于声音的煤与瓦斯突出感知报警的设想[10]。
1.2.1 基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法
基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法已推广应用[11-12]。煤与瓦斯突出喷出的瓦斯运移到甲烷传感器时间长，多达数分钟。甲烷传感器将甲烷浓度转换为电信号的响应时间多达20 s。煤与瓦斯突出抛出的煤岩速度快。因此，基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法受甲烷运移时间和传感器响应时间等影响，存在响应速度慢、甲烷传感器损毁前监测不到甲烷浓度大幅升高等问题。
基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法主要根据甲烷浓度异常变化等进行报警。冲击地压灾害发生时，一般情况不会造成甲烷浓度明显变化。因此，基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法不能用于煤矿冲击地压报警。
1.2.2 基于声音的煤与瓦斯突出感知报警的设想
煤与瓦斯突出声音相对采掘和运输等声音较弱。因此，基于声音的煤与瓦斯突出感知报警的设想[10]难以排除采掘和运输等声音的影响，并且受声音传播速度慢的影响，响应速度慢。
2. 煤矿冲击地压和煤与瓦斯突出特征
煤矿冲击地压和煤与瓦斯突出均是由于煤岩体承受压力超过自身强度极限，使得聚集在巷道周围煤岩体中的能量突然释放，导致大量破碎煤岩抛向采掘工作面和巷道空间的煤岩动力灾害。煤矿冲击地压和煤与瓦斯突出虽内在机理不同，但外在显现规律具有相似性[13-15]：① 大量煤岩突然破坏，并抛向采掘工作面和巷道空间。② 大量抛出的破碎煤岩速度较高，可达50 m/s。③ 大量抛出的破碎煤岩在采掘工作面和巷道空间扩散和堆积。④ 造成巷道支护和机电设备等损毁、倾倒、变形和移动。⑤ 造成水管、电缆、瓦斯抽采管路等损毁和坠落。⑥ 造成巷道毁坏及支护、机电设备和人员等被抛出煤岩掩埋。⑦ 造成采掘工作面和巷道空间产生强烈震动和煤岩破碎声响。⑧ 造成矿井风速和空气压力迅速增大后回落，风流反向，通风系统损毁。⑨ 造成采掘工作面和巷道空间产生电磁辐射和红外辐射。⑩ 造成煤矿井下人员伤亡。
冲击地压发生时，瓦斯释放量远小于煤与瓦斯突出，一般情况下甲烷浓度没有明显变化。煤与瓦斯突出发生时，会释放大量瓦斯，巷道中甲烷浓度升高，升高速度及波及范围远大于冲击地压。因此可根据甲烷浓度升高速度和波及范围，区分煤矿冲击地压和煤与瓦斯突出。
3. 煤矿冲击地压和煤与瓦斯突出图像感知报警方法
文献[16]和文献[17]揭示了煤矿冲击地压和煤与瓦斯突出的温度特征：煤矿冲击地压和煤与瓦斯突出抛出的煤岩温度高于巷道、煤壁和已剥离煤岩的温度。文献[18]和文献[19]揭示了煤矿冲击地压和煤与瓦斯突出的颜色特征：煤矿冲击地压和煤与瓦斯突出抛出的煤岩颜色与井下设备非黑色和非褐色有明显差异。文献[20]揭示了煤矿冲击地压和煤与瓦斯突出的深度特征：煤矿冲击地压和煤与瓦斯突出抛出的煤岩深度变化速度高于正常生产和顶板冒落造成的深度变化速度。文献[21]揭示了煤矿冲击地压和煤与瓦斯突出的掩埋特征：煤矿冲击地压和煤与瓦斯突出抛出的煤岩造成的颜色及其图形面积、形状（圆形度、矩形度和面积周长比）变化，不同于正常生产和顶板冒落的变化，其变化速度快、规则度低。
根据煤矿冲击地压和煤与瓦斯突出温度、颜色、深度、掩埋等图像特征[16-21]，本文提出了煤矿冲击地压和煤与瓦斯突出图像感知报警方法，流程如图1所示。根据煤矿冲击地压和煤与瓦斯突出温度、颜色、深度、掩埋等图像特征，识别煤矿冲击地压和煤与瓦斯突出；再根据巷道空间和采掘工作面的甲烷浓度变化，区分冲击地压和煤与瓦斯突出，如果甲烷浓度迅速大面积升高，则判定为煤与瓦斯突出，否则判定为冲击地压。
![]()
图 1 煤矿冲击地压和煤与瓦斯突出图像感知报警方法Figure 1. Image perception alarm method of coal mine rock burst and coal and gas outburst煤矿冲击地压和煤与瓦斯突出图像感知报警方法具有直观、响应速度快、非接触、监测范围广、简单可靠等优点。该方法可直观地记录煤矿冲击地压和煤与瓦斯突出真实情况。当煤矿冲击地压和煤与瓦斯突出事故报警后，调度室值班人员可通过录像，立即确认事故，及时进行应急救援。
4. 减少煤矿冲击地压和煤与瓦斯突出抛出的煤岩对图像感知影响的方法
煤矿冲击地压和煤与瓦斯突出抛出的煤岩，会造成摄像机和传感器损毁。为减少煤矿冲击地压和煤与瓦斯突出抛出的煤岩对图像感知的影响，本文提出了减少煤矿冲击地压和煤与瓦斯突出抛出的煤岩对图像感知影响的方法，具体内容如下。
1） 摄像机多点布置。煤矿冲击地压和煤与瓦斯突出的发生是一个短时、急剧而又猛烈的过程，可造成数百米范围内的巷道和设备损坏。为防止煤矿冲击地压和煤与瓦斯突出抛出的煤岩造成摄像机损毁或失效，摄像机应多点布置。摄像机应安装在掘进工作面、掘进巷道中间和入口，回采工作面、进风巷道中间和入口，主运输大巷和辅助运输大巷等地点。煤矿冲击地压和煤与瓦斯突出发生时，靠近灾源附近的摄像机会被损毁，但离灾源较远的摄像机会被保存下来，用于动力灾害感知报警。
2） 摄像机设置在较高位置。在同样条件下，靠近顶板的位置受煤矿冲击地压和煤与瓦斯突出抛出的煤岩影响小。因此，摄像机应设置在巷道顶板、巷道两帮靠近顶板、液压支架顶部及液压立柱靠近顶部等较高位置，以减小煤矿冲击地压和煤与瓦斯突出抛出的煤岩影响。
3） 视频数据及时传输。光信号传播速度远大于煤矿冲击地压和煤与瓦斯突出抛出的煤岩速度。因此，抛出的煤岩到达摄像机之前，摄像机已采集到煤矿冲击地压和煤与瓦斯突出图像。光信号和电信号传输速度远大于煤矿冲击地压和煤与瓦斯突出抛出的煤岩速度。因此，及时通过光缆和电缆等传输视频数据，可以在摄像机及线缆（电缆和光缆）损毁前，将已采集到的图像信号传输到地面，用于煤矿冲击地压和煤与瓦斯突出感知报警。
4） 甲烷传感器多点布置。甲烷传感器应设置在掘进工作面及其回风流、采煤工作面及其回风巷和进风巷、总回风巷等地点，感知瓦斯是否大范围大幅升高。如果甲烷浓度均大幅升高，则判定为煤与瓦斯突出；否则，判定为冲击地压。当然，煤矿冲击地压和煤与瓦斯突出抛出的煤岩会造成传感器损毁或失效，但未被损毁或失效的传感器可用于煤矿冲击地压和煤与瓦斯突出感知报警。
5. 结论
1） 煤矿冲击地压和煤与瓦斯突出自动感知报警方法是及时发现事故并应急救援，减少人员伤亡，避免或减少瓦斯和煤尘爆炸等次生事故发生，有效遏制事故迟报、漏报和瞒报的有效措施。
2） 煤矿冲击地压事故特征感知难，目前仅有基于声音的煤矿冲击地压感知报警的设想，但难以排除采掘和运输等声音的影响，并且受声音传播速度慢的影响，响应速度慢。因此，目前煤矿冲击地压主要靠人工发现，还没有自动发现和报警的方法。
3） 目前，煤与瓦斯突出自动报警方法仅有基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法和基于声音的煤与瓦斯突出感知报警的设想。但基于甲烷、风速和风向传感器的煤与瓦斯突出自动报警方法存在响应速度慢、甲烷传感器损毁前监测不到甲烷浓度大幅升高等问题；基于声音的煤与瓦斯突出感知报警的设想难以排除采掘和运输等声音的影响，并且受声音传播速度慢的影响，响应速度慢。
4） 提出了煤矿冲击地压和煤与瓦斯突出图像感知报警方法：根据煤矿冲击地压和煤与瓦斯突出温度、颜色、深度、掩埋等图像特征，识别煤矿冲击地压和煤与瓦斯突出；再根据巷道空间和采掘工作面的甲烷浓度变化，区分冲击地压和煤与瓦斯突出，如果甲烷浓度大面积迅速升高，则判定为煤与瓦斯突出，否则判定为冲击地压。该方法具有直观、响应速度快、非接触、监测范围广、简单可靠等优点，可直观地记录煤矿冲击地压和煤与瓦斯突出真实情况；当煤矿冲击地压和煤与瓦斯突出事故报警后，调度室值班人员可以通过录像，立即确认事故，及时进行应急救援。
5） 提出了减少煤矿冲击地压和煤与瓦斯突出抛出的煤岩对图像感知影响的方法：摄像机多点布置，摄像机设置在较高位置，视频数据及时传输，甲烷传感器多点布置等。
-
![]()
图 1 基于音频识别的采煤机滚筒载荷识别方法
Figure 1. Identification method of shearer drum load based on audio recognition
![]()
图 4 截割煤、岩时的音频特征参数曲线
Figure 4. Audio characteristic parameter curves when cutting coal and rock
表 1 最大相异系数与煤岩识别率的关系
Table 1 Relationship between maximum dissimilarity coefficient and coal rock recognition rate
最大相异系数 识别率/% 0~0.015 83.30 0.015~0.189 77.80 0.189~0.434 33.30 0.434~1 16.70 
下载: 导出CSV
-
[1] 邱锦波. 滚筒采煤机自动化与智能化控制技术发展及应用[J]. 煤炭科学技术,2013,41(11):10-13. QIU Jinbo. Development and application of shearer automation and intelligent control technology[J]. Coal Science and Technology,2013,41(11):10-13.
[2] 杨健健. 采煤机工作状态参数与煤岩硬度影响关系研究[D]. 北京: 中国矿业大学(北京), 2013. YANG Jianjian. Research on the affect relationship between shearer working condition parametersand coal-rock hardness[D]. Beijing: China University of Mining and Technology(Beijing), 2013.
[3] 郝志勇, 周正啟, 袁智, 等. 基于实验测试的采煤机截割载荷的分形分布规律研究[J]. 应用力学学报,2019,36(2):417-423. HAO Zhiyong, ZHOU Zhengqi, YUAN Zhi, et al. Study on fractal distribution law of cutting load of shearer based on experimental tests[J]. Chinese Journal of Applied Mechanics,2019,36(2):417-423.
[4] 郝志勇, 张佩, 毛君, 等. 采煤机摇臂销轴力学特性检测试验[J]. 机械设计与研究,2017,33(2):119-121. HAO Zhiyong, ZHANG Pei, MAO Jun, et al. Experimental research on the mchannical behavior of ranging arm shell for shearer[J]. Machine Design & Research,2017,33(2):119-121.
[5] 郭会珍. 滚筒式采煤机截割部动力学特性研究[D]. 徐州: 中国矿业大学, 2014. GUO Huizhen. Research on dynamic characteristics of drum shearer cutting unit[D]. Xuzhou: China University of Mining and Technology, 2014.
[6] 蒋干. 基于多传感信息融合的采煤机煤岩截割状态识别技术研究[D]. 徐州: 中国矿业大学, 2019. JIANG Gan. Research on recognition technology of shearer coal-rock cutting status based on multi-sensor information fusion[D]. Xuzhou: China University of Mining and Technology, 2019.
[7] 刘译文. 基于红外热成像的采煤机截割模式识别方法研究[D]. 徐州: 中国矿业大学, 2018. LIU Yiwen. Research on shearer cutting pattern recognition method based on infrared thermal imaging[D]. Xuzhou: China University of Mining and Technology, 2018.
[8] 田立勇. 基于多源数据融合的采煤机截割载荷识别与预测研究[D]. 阜新: 辽宁工程技术大学, 2020. TIAN Liyong. Research on identification and prediction of shearer cutting load based on multi-source data fusion[D]. Fuxin: Liaoning Technical University, 2020.
[9] 张启志, 邱锦波, 庄德玉. 基于倒谱距离的采煤机煤岩截割振动信号识别[J]. 工矿自动化,2017,43(1):9-12. ZHANG Qizhi, QIU Jinbo, ZHUANG Deyu. Vibration signal identification of coal-rock cutting of shearer based on cepstral distance[J]. Industry and Mine Automation,2017,43(1):9-12.
[10] 张宇, 刘雨东, 计钊. 向量相似度测度方法[J]. 声学技术,2009,28(4):532-536. DOI: 10.3969/j.issn1000-3630.2009.04.021 ZHANG Yu, LIU Yudong, JI Zhao. Vector similarity measurement method[J]. Technical Acoustics,2009,28(4):532-536. DOI: 10.3969/j.issn1000-3630.2009.04.021
[11] 吴婕萍, 李国辉. 煤岩界面自动识别技术发展现状及其趋势[J]. 工矿自动化,2015,41(12):44-49. WU Jieping, LI Guohui. Development status and tendency of automatic identification technologies of coal-rock interface[J]. Industry and Mine Automation,2015,41(12):44-49.
[12] 陈浜. 基于视觉计算的煤岩识别方法研究[D]. 北京: 中国矿业大学(北京), 2018. CHEN Bang. Methodological studies of coal-rock recognition through visual computing[D]. Beijing: China University of Mining and Technology(Beijing), 2018.
[13] 王昕, 苗曙光, 丁恩杰. 煤岩介质在太赫兹频段的介电特性研究[J]. 中国矿业大学学报,2016,45(4):739-746. WANG Xin, MIAO Shuguang, DING Enjie. Study of dielectric property of coal and rock medium in terahertz domain[J]. Journal of China University of Mining & Technology,2016,45(4):739-746.
[14] 刘泽. 采煤机摇臂振动信号分析及其截割模式识别方法研究[D]. 徐州: 中国矿业大学, 2017. LIU Ze. Research on vibration signal of shearer rocker arm and its cutting pattern recognition method[D]. Xuzhou: China University of Mining and Technology, 2017.
[15] 张启志. 采煤机截割振动信号采集系统的研究[D]. 北京: 煤炭科学研究总院, 2017. ZHANG Qizhi. Research on cutting vibration signal acquisition system of shearer[D]. Beijing: China Coal Research Institute, 2017.
-
期刊类型引用(4)
1. 薛乃凡，李庆民，刘智鹏，常亚楠，梁瑞雪. 微纳粉尘运动行为与微弱放电探测技术研究进展. 电工技术学报. 2022(13): 3380-3392 . 
百度学术
2. 丁云峰，郭永兴，陈先锋，杨冰涛，熊丽. 粉尘质量浓度的光纤光栅传感测量技术. 爆炸与冲击. 2019(01): 86-91 . 百度学术
3. 黎胜龙，黄强，叶南海，程思凯. 散状物料含水率-粉尘量关系测试实验研究. 有色冶金节能. 2018(03): 28-31 . 百度学术
4. 王杰，郑林江. 煤矿粉尘职业危害监测技术及其发展趋势. 煤炭科学技术. 2017(11): 119-125 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 230
- HTML全文浏览量: 66
- PDF下载量: 45
- 被引次数: 7
