基于激光誘導(dǎo)和simca分類法的礦井突水水源識別裝置及方法
【專利摘要】本發(fā)明公開了一種基于激光誘導(dǎo)和SIMCA分類法的礦井突水水源識別裝置及方法，該裝置包括激光器、浸入式探頭、光探測器、光譜分析模塊和識別模塊，激光器與浸入式探頭通過光纖連接，激光器將激光打入涌水點的被測水體，被測水體受激輻射發(fā)出熒光，由浸入式探頭實時接收熒光信號，經(jīng)光纖傳輸至光探測器；采用至少兩路并行光探測器，同時分別讀取設(shè)定的各個波段的熒光信號；光譜分析模塊根據(jù)光探測器輸出的熒光信號，并進(jìn)行濾波和A/D轉(zhuǎn)換，經(jīng)過數(shù)據(jù)整合后輸出一路完整波段的熒光光譜數(shù)據(jù)；識別模塊根據(jù)輸入的被測水體的熒光光譜數(shù)據(jù)以及已知水樣的PCA模型，基于SIMCA算法判斷被測水體屬于哪種已知水樣。本發(fā)明實現(xiàn)了水源類型及時、準(zhǔn)確的在線識別。
【專利說明】基于激光誘導(dǎo)和SIMCA分類法的礦井突水水源識別裝置及 方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及采礦【技術(shù)領(lǐng)域】，具體涉及一種基于激光誘導(dǎo)和SIMCA分類法的礦井突 水水源識別裝置及方法。

【背景技術(shù)】
[0002] 我國地質(zhì)狀況復(fù)雜，煤炭開采時地質(zhì)災(zāi)害頻發(fā)。瓦斯、煤塵、水、火和頂板災(zāi)害并稱 煤礦五大災(zāi)害，自建國以來無論是從事故數(shù)量上還是死亡人數(shù)上，水害事故均僅次于瓦斯 事故，位居煤礦五大災(zāi)害第二位。礦井突水的主要類型有地表水、奧陶系灰?guī)r巖溶水、煤系 砂巖裂隙水、煤系灰?guī)r水、第四系沖積層水和老窯水這六種水，除地表水可防可控外，其余 五種水由于深埋地下，因此皆存在不可預(yù)見性。礦井突水預(yù)警的主要方式即進(jìn)行突水水源 類型的實時在線識別。
[0003] 目前尚無一種設(shè)備能實現(xiàn)煤礦井下的突水在線預(yù)警，傳統(tǒng)的水源識別全部采用水 化學(xué)方法，測量水中代表離子的離子濃度進(jìn)行建模識別。此類方法需要人員定時在涌水點 采集水樣，且檢測離子濃度耗時需要一小時以上，完全不能適應(yīng)在線預(yù)警的要求。
[0004] 因此，在突水事故發(fā)生之前及時對礦區(qū)排出水源進(jìn)行識別，判斷是否屬于礦區(qū)已 知突水水樣，提前排出可能存在的水害危險，對礦區(qū)安全生產(chǎn)尤其重要。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種基于激光誘導(dǎo)和SMCA分類法的礦井突水水源識別裝 置及方法，以解決傳統(tǒng)水化學(xué)技術(shù)不能實現(xiàn)在線式水源類型識別、識別準(zhǔn)確度低的問題。
[0006] 為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案為：
[0007] -種基于激光誘導(dǎo)和SMCA分類法的礦井突水水源識別裝置，用于根據(jù)已知水樣 的PCA模型對被測水體進(jìn)行識別，該裝置包括激光器、浸入式探頭、光探測器、光譜分析模 塊和識別模塊，其中激光器與浸入式探頭通過光纖連接，激光器將激光打入涌水點的被測 水體，被測水體受激輻射發(fā)出熒光，由浸入式探頭實時接收熒光信號，經(jīng)光纖傳輸至光探測 器；采用至少兩路并行光探測器，同時分別讀取設(shè)定的各個波段的熒光信號；光譜分析模 塊根據(jù)光探測器輸出的熒光信號，并進(jìn)行濾波和A/D轉(zhuǎn)換，經(jīng)過數(shù)據(jù)整合后輸出一路完整 波段的熒光光譜數(shù)據(jù)；識別模塊根據(jù)輸入的被測水體的熒光光譜數(shù)據(jù)以及已知水樣的PCA 模型，基于SMCA算法判斷被測水體屬于哪種已知水樣。
[0008] 進(jìn)一步地，所述光探測器為4個，所述光譜分析模塊為FPGA，所述FPGA通過內(nèi)部編 程對4路并行光探測器進(jìn)行控制，規(guī)定各光探測器采集的熒光光譜波段分別為400-499nm、 500-599nm、600-699nm和700-799nm波段，將4路熒光光譜數(shù)據(jù)按順序進(jìn)行數(shù)據(jù)整合，輸出 400-799nm完整波段的熒光光譜數(shù)據(jù)。所述光探測器為4路并行NMOS光探測器，在同一時 刻分別采集不同波段的熒光信號，可節(jié)約掃描時間。
[0009] 具體地，所述識別模塊判斷被測水體屬于哪種已知水樣，具體執(zhí)行如下操作：
[0010] 讀取被測水體的熒光光譜數(shù)據(jù)，采用移動平均法對該光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；
[0011] 分別計算被測水體與不同已知水樣的擬合偏差，以及總體偏差；
[0012] 在顯著性程度a=5%的情況下，進(jìn)行F檢測，將F的計算值與臨界值進(jìn)行比較， 若F的計算值小于臨界值，則被測水體屬于該F的計算值對應(yīng)的已知水樣。
[0013] 本發(fā)明還提出了一種基于激光誘導(dǎo)和SMCA分類法的礦井突水水源識別方法，用 于根據(jù)已知水樣的PCA模型對被測水體進(jìn)行識別，該方法包括以下步驟：
[0014] 激光器將激光打入涌水點的被測水體，被測水體受激輻射發(fā)出熒光，由浸入式探 頭實時接收熒光信號，經(jīng)光纖傳輸至光探測器；
[0015]采用至少兩路并行光探測器，同時分別讀取設(shè)定的各個波段的熒光信號；
[0016] 獲取光探測器輸出的熒光信號，進(jìn)行濾波和A/D轉(zhuǎn)換，經(jīng)過數(shù)據(jù)整合后輸出一路 完整波段的熒光光譜數(shù)據(jù)；
[0017] 根據(jù)被測水體的熒光光譜數(shù)據(jù)以及已知水樣的PCA模型，基于SMCA算法判斷被 測水體屬于哪種已知水樣。
[0018] 進(jìn)一步地，所述判斷被測水體屬于哪種已知水樣，包括以下步驟：
[0019] 讀取被測水體的熒光光譜數(shù)據(jù)，采用移動平均法對該光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；
[0020] 分別計算被測水體與不同已知水樣的擬合偏差，以及總體偏差；
[0021] 在顯著性程度a=5%的情況下，進(jìn)行F檢測，將F的計算值與臨界值進(jìn)行比較， 若F的計算值小于臨界值，則被測水體屬于該F的計算值對應(yīng)的已知水樣。
[0022] 本發(fā)明提出的基于激光誘導(dǎo)和SIMCA分類法的礦井突水水源識別裝置及方法，采 用激光裝置，系統(tǒng)簡單、安全性好。并采用先進(jìn)的SIMCA算法對礦井突水水源類型進(jìn)行識 另IJ，運(yùn)算速度快，識別精度高，可以做到水源類型的在線識別，而且采用VS2008軟件作為在 線監(jiān)測界面，界面友好。依據(jù)煤礦井下突水特點，從預(yù)警煤礦災(zāi)害事故出發(fā)，根據(jù)礦井水文 地質(zhì)的實際情況，充分利用SIMCA算法和激光誘導(dǎo)（LIF)技術(shù)的優(yōu)點對礦井突水進(jìn)行預(yù)警， 以實現(xiàn)在水災(zāi)事故未發(fā)生時，及時采取相關(guān)措施，將危險程度降至最低。

【專利附圖】

【附圖說明】
[0023] 圖1為本發(fā)明礦井突水水源識別裝置結(jié)構(gòu)示意圖；
[0024] 圖2為本發(fā)明實施例的識別效果圖。

【具體實施方式】
[0025] 下面結(jié)合附圖和實施例對本發(fā)明技術(shù)方案做進(jìn)一步詳細(xì)說明，以下實施例不構(gòu)成 對本發(fā)明的限定。
[0026] 如圖1所示，本發(fā)明基于激光誘導(dǎo)和SIMCA分類法的礦井突水水源識別裝置包括 激光器、浸入式探頭、光探測器、光譜分析模塊和識別模塊。
[0027] 采用激光器激發(fā)被測水體輻射發(fā)出熒光的方法稱為激光誘導(dǎo)熒光（Laser inducedfluorescence，LIF)。本實施例中激光器與浸入式探頭通過光纖連接，采用405nm 激光器將激光打入涌水點的被測水體，被測水體受激輻射發(fā)出熒光，由浸入式探頭實時接 收熒光信號，經(jīng)光纖傳輸至光探測器進(jìn)行光電轉(zhuǎn)換。本實施例浸入式探頭經(jīng)特殊設(shè)計，可使 激發(fā)光和熒光達(dá)到最佳分離，且激發(fā)效率高。
[0028] 具體地，本實施例的浸入式探頭采用直角光路系統(tǒng)，以使入射光和熒光在被測水 體中達(dá)到最佳分離。在激光經(jīng)光纖傳入探頭時，首先接觸一特制棱鏡，光路發(fā)生90度轉(zhuǎn)變， 進(jìn)入被測水體，實現(xiàn)對被測水體的激發(fā)，其后接觸一端面的凹面鏡，反射后再次進(jìn)入被測水 體，對其進(jìn)行二次激發(fā)，此種設(shè)計可以盡可能的提高熒光效率，增加熒光強(qiáng)度。
[0029] 本實施例的光探測器為NMOS光探測器，被測水體受激輻射發(fā)出熒光，經(jīng)光纖傳 輸至NMOS光探測器。本實施例采用4路并行NMOS光探測器，同時分別讀取400-499nm、 500-599nm、600-699nm和700-799nm波段的熒光信號。光探測器由光譜分析模塊進(jìn)行驅(qū)動 控制，同時分別讀取不同波段的熒光信號，將熒光信號轉(zhuǎn)化為電信號。所述光探測器為4路 并行NMOS光探測器，在同一時刻分別采集不同波段的熒光信號，可節(jié)約掃描時間。
[0030] 本實施例光譜分析模塊為FPGA，對光探測器輸出的點信號進(jìn)行濾波和A/D轉(zhuǎn)換， 經(jīng)過數(shù)據(jù)整合后輸出1路400-799nm完整波段的熒光光譜數(shù)據(jù)。
[0031] 本實施例的光譜分析模塊為FPGA，通過內(nèi)部編程對4路并行光探測器進(jìn)行控制， 規(guī)定各光探測器采集的熒光光譜波段，將4路熒光光譜數(shù)據(jù)按順序進(jìn)行數(shù)據(jù)整合。以一定 順序讀取A/D轉(zhuǎn)換處理后的4路熒光光譜數(shù)據(jù)，進(jìn)行數(shù)據(jù)整合，輸出1路完整波段的熒光光 譜數(shù)據(jù)，熒光光譜數(shù)據(jù)經(jīng)485總線送至識別模塊。本實施例識別模塊為上位機(jī)，裝有VS2008 軟件和MATLAB軟件，調(diào)用MATLAB軟件建立的已知水樣PCA模型對實時被測水體的熒光光 譜數(shù)據(jù)進(jìn)行SMCA分類，VS2008軟件用來時時顯示突水水源類型變化情況。
[0032] 具體地，本實施例識別模塊SMCA算法的MATLAB仿真基于以下流程：
[0033] 1、輸入已知水樣熒光光譜數(shù)據(jù)矩陣，采用移動平均（Moving-Average)法對已知 水樣熒光光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理。運(yùn)用合理的數(shù)據(jù)預(yù)處理方法可提取熒光光譜數(shù)據(jù)的特 征信息，消除各種噪聲和干擾，降低樣品表面不均勻等因素影響，提高聚類精度和穩(wěn)定性。
[0034] 2、對進(jìn)行預(yù)處理后數(shù)據(jù)進(jìn)行PCA建模，設(shè)置類主成分?jǐn)?shù)目Ak= 7,計算主成分a貢 獻(xiàn)率及累計貢獻(xiàn)率，取累計貢獻(xiàn)率達(dá)95%的特征值所對應(yīng)的主成分個數(shù)。
[0035] 3、計算主成分a的載荷<，得到各主成分的得分，建立各水樣PCA模型。
[0036] 4、輸入被測水體的熒光光譜數(shù)據(jù)，采用移動平均法對該光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處 理。
[0037] 5、分別計算被測水體與不同已知水樣的擬合偏差g，以及總體偏差$。
[0038] 6、在顯著性程度a= 5%的情況下，進(jìn)行F檢測，將F的計算值與臨界值進(jìn) 行比較，若F的計算值小于臨界值，則被測水體屬于該F的計算值對應(yīng)的已知水樣。
[0039] 本實施例首先建立各類已知水樣的主成分分析模型，然后以未知的待測水體逐一 擬合各類的主成分模型，進(jìn)而進(jìn)行判別歸類。經(jīng)過MATLAB仿真后識別結(jié)果如圖2所示，由 圖可見5類水樣的聚類效果明顯，其中灰?guī)r水和砂巖水距離最近且皆處于第四象限，而灰 巖水、砂巖水、沖積層水距離奧灰水皆較遠(yuǎn)，這是因為水樣所處地層的不同造成了其所含物 質(zhì)成分的不同，物質(zhì)成分的不同在熒光光譜上會反映出一定的差異，差異越大，就造成其在 空間上的距離也就越大，證明了此算法通過對未知水樣數(shù)據(jù)進(jìn)行歸類便可達(dá)到礦井突水水 源類型識別的目的。
[0040] 以上實施例僅用以說明本發(fā)明的技術(shù)方案而非對其進(jìn)行限制，在不背離本發(fā)明精 神及其實質(zhì)的情況下，熟悉本領(lǐng)域的技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變 形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。
【權(quán)利要求】
1. 一種基于激光誘導(dǎo)和SIMCA分類法的礦井突水水源識別裝置，用于根據(jù)已知水樣的 PCA模型對被測水體進(jìn)行識別，其特征在于：該裝置包括激光器、浸入式探頭、光探測器、光 譜分析模塊和識別模塊，其中激光器與浸入式探頭通過光纖連接，激光器將激光打入涌水 點的被測水體，被測水體受激輻射發(fā)出熒光，由浸入式探頭實時接收熒光信號，經(jīng)光纖傳輸 至光探測器；采用至少兩路并行光探測器，同時分別讀取設(shè)定的各個波段的熒光信號；光 譜分析模塊根據(jù)光探測器輸出的熒光信號，并進(jìn)行濾波和A/D轉(zhuǎn)換，經(jīng)過數(shù)據(jù)整合后輸出 一路完整波段的熒光光譜數(shù)據(jù)；識別模塊根據(jù)輸入的被測水體的熒光光譜數(shù)據(jù)以及已知水 樣的PCA模型，基于SMCA算法判斷被測水體屬于哪種已知水樣。
2. 根據(jù)權(quán)利要求1所述的礦井突水水源識別裝置，其特征在于：所述光探測器為4個， 所述光譜分析模塊為FPGA，所述FPGA通過內(nèi)部編程對4路并行光探測器進(jìn)行控制，規(guī)定各 光探測器采集的熒光光譜波段分別為400-499nm、500-599nm、600-699nm和700-799nm波 段，將4路熒光光譜數(shù)據(jù)按順序進(jìn)行數(shù)據(jù)整合，輸出400-799nm完整波段的熒光光譜數(shù)據(jù)。
3. 根據(jù)權(quán)利要求1所述的礦井突水水源識別裝置，其特征在于，所述識別模塊判斷被 測水體屬于哪種已知水樣，具體執(zhí)行如下操作： 讀取被測水體的熒光光譜數(shù)據(jù)，采用移動平均法對該光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理； 分別計算被測水體與不同已知水樣的擬合偏差，以及總體偏差； 在顯著性程度a =5%的情況下，進(jìn)行F檢測，將F的計算值與臨界值進(jìn)行比較，若F 的計算值小于臨界值，則被測水體屬于該F的計算值對應(yīng)的已知水樣。
4. 一種基于激光誘導(dǎo)和SMCA分類法的礦井突水水源識別方法，用于根據(jù)已知水樣的 PCA模型對被測水體進(jìn)行識別，其特征在于：該方法包括以下步驟： 激光器將激光打入涌水點的被測水體，被測水體受激輻射發(fā)出熒光，由浸入式探頭實 時接收熒光信號，經(jīng)光纖傳輸至光探測器； 采用至少兩路并行光探測器，同時分別讀取設(shè)定的各個波段的熒光信號； 獲取光探測器輸出的熒光信號，進(jìn)行濾波和A/D轉(zhuǎn)換，經(jīng)過數(shù)據(jù)整合后輸出一路完整 波段的熒光光譜數(shù)據(jù)； 根據(jù)被測水體的熒光光譜數(shù)據(jù)以及已知水樣的PCA模型，基于SIMCA算法判斷被測水 體屬于哪種已知水樣。
5. 根據(jù)權(quán)利要求4所述的礦井突水水源識別方法，其特征在于：所述光探測器為4個， 采用FPGA通過內(nèi)部編程對4路并行光探測器進(jìn)行控制，規(guī)定各光探測器采集的熒光光譜波 段分別為400-499nm、500-599nm、600-699nm和700-799nm波段，將4路熒光光譜數(shù)據(jù)按順 序進(jìn)行數(shù)據(jù)整合，輸出400-799nm完整波段的熒光光譜數(shù)據(jù)。
6. 根據(jù)權(quán)利要求4所述的礦井突水水源識別方法，其特征在于，所述判斷被測水體屬 于哪種已知水樣，包括以下步驟： 讀取被測水體的熒光光譜數(shù)據(jù)，采用移動平均法對該光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理； 分別計算被測水體與不同已知水樣的擬合偏差，以及總體偏差； 在顯著性程度a =5%的情況下，進(jìn)行F檢測，將F的計算值與臨界值進(jìn)行比較，若F 的計算值小于臨界值，則被測水體屬于該F的計算值對應(yīng)的已知水樣。
【文檔編號】G01N21/64GK104458687SQ201410757790
【公開日】2015年3月25日 申請日期:2014年12月10日 優(yōu)先權(quán)日:2014年12月10日
【發(fā)明者】周孟然, 閆鵬程, 聶夢雅, 曲鵬, 宮關(guān), 張開遠(yuǎn) 申請人:安徽理工大學(xué)