一种基于感知预测的巷道支护监控、调节方法及系统

摘要: 本发明属于地下工程安全管理,具体来说,特别涉及一种基于感知预测的巷道支护监控、调节方法及系统。背景技术:1、煤炭及深部地下金属矿产资源开采是保障国家能源与工业原...
一种基于感知预测的巷道支护监控、调节方法及系统

本发明属于地下工程安全管理,具体来说,特别涉及一种基于感知预测的巷道支护监控、调节方法及系统。

背景技术:

1、煤炭及深部地下金属矿产资源开采是保障国家能源与工业原料供给的核心支柱。随着浅部资源逐渐枯竭,地下工程开采深度不断增加,千米深井已成为常态。深部岩体处于高地应力、高地温、高岩溶水压的极端复杂地质环境中,巷道掘进与支护面临着极大的围岩流变与突发性失稳风险。因此,对深部巷道支护状态进行科学、精准的实时监控,是保障矿井安全生产与人员生命安全的重中之重。

2、目前,现有的巷道支护监控技术主要依赖于在巷道表面或内部安装独立的传感器,如使用表面位移计监测围岩变形量,或使用测力锚杆监测支护结构的受力状态。在实际应用场景中,操作人员通常为这些单一物理量设定固定的报警阈值,当某一测量值超过阈值时,监控系统触发声光报警。然而,这种监测模式属于被动的事后报警,往往在围岩已经发生不可逆的宏观破坏或支护结构已经屈服受损后才发出警示。此外,现有技术多采用孤立的点位监测,缺乏对不同监测节点之间空间应力传递拓扑关系的分析,也未能融合反映岩体内部微观破裂萌生与扩展的微震高频信号,导致无法全面感知围岩的整体演化趋势。更重要的是,现有监控系统在发出警报后,仍然依赖人工经验来决定如何调整后续的支护参数,反馈过程漫长且缺乏科学依据。

3、由此可以看出,现有巷道支护监控技术存在监测手段单一、预警滞后、缺乏多维时空特征融合分析以及无法实现自动闭环控制等突出问题。

技术实现思路

1、(一)解决的技术问题

2、针对相关技术中的问题,本发明提供一种基于感知预测的巷道支护监控、调节方法及系统,以克服现有相关技术所存在的上述技术问题。

3、(二)技术方案

4、为解决上述技术问题,本发明是通过以下技术方案实现的:

5、一方面,本发明提供一种基于感知预测的巷道支护监控、调节方法,包括以下步骤:

6、s1、在巷道掘进与支护作业过程中,获取实时锚杆轴向应力数据、实时围岩表面位移数据以及实时微震波形数据;

7、s2、判断当前滑动时间窗口内所述实时锚杆轴向应力数据的应力波动方差值是否大于机械振动干扰阈值;

8、若是,对当前滑动时间窗口内的实时锚杆轴向应力数据进行平滑滤波处理,得到标准化锚杆应力数据;否则,将当前滑动时间窗口内的实时锚杆轴向应力数据作为标准化锚杆应力数据;

9、提取所述实时微震波形数据中的振铃计数与能量绝对值,生成微震能量事件密度序列;

10、s3、将所述标准化锚杆应力数据、实时围岩表面位移数据以及微震能量事件密度序列输入至时空图卷积神经网络模型中,输出未来时刻巷道各监测节点的预测应力值矩阵与预测变形量向量;

11、s4、基于巷道围岩力学极限参数表中的目标巷道的屈服应力极限值与最大允许变形极限值,并结合所述预测应力值矩阵、预测变形量向量、微震能量事件密度序列,计算巷道综合失稳风险指数;

12、s5、计算所述巷道综合失稳风险指数与安全基准阈值的风险偏差值,并通过策略网络计算支护参数调节指令;

13、将所述支护参数调节指令转化为针对巷道液压锚杆钻车的控制电信号,实时改变后续锚杆的预紧力设定值以及注浆泵的输出压力值;

14、本发明通过多源异构传感器同步获取应力、位移与微震数据,利用卡尔曼滤波剔除机械振动干扰,保障原始数据纯净度;引入时空图卷积神经网络,同时提取应力空间传递拓扑特征与变形时序演化特征,实现对未来状态的精准预测;结合围岩力学极限参数,通过多维风险加权融合计算综合失稳风险指数;基于强化学习算法将风险偏差转化为动态支护参数调节指令,驱动液压锚杆钻车与注浆泵;实现了从多源数据感知、时空特征预测到支护设备自适应调节的全链条物理闭环控制,有效提升了巷道支护系统的动态响应能力与整体稳定性。

15、优选地,所述s1包括以下步骤:

16、沿巷道轴向每隔预设距离设置一个监测断面,在所述监测断面的顶板与两帮分别钻孔植入内部刻写有布拉格光栅的智能测力锚杆,用于获取实时锚杆轴向应力数据;

17、在所述监测断面的巷道表面刚性支架上固定安装高精度防爆激光测距仪,用于获取实时围岩表面位移数据;

18、在所述监测断面的巷道两帮深部预设深度处钻孔植入宽频带压电式微震传感器阵列,用于获取实时微震波形数据;

19、通过沿巷道轴向分布式部署光纤光栅传感器、激光测距仪与压电式微震传感器阵列,构建了覆盖表面变形、支护受力与内部微震的全方位多模态传感网络,为后续的风险预测提供了多维度、高精度的物理数据支撑。

20、优选地,所述s2中平滑滤波处理的过程包括:

21、s21、建立锚杆受力的状态空间方程与观测方程,初始化状态估计值与误差协方差矩阵;

22、s22、利用上一时刻的最优状态估计值推算当前时刻的先验状态估计值,并计算先验误差协方差矩阵;

23、s23、计算卡尔曼增益矩阵,利用所述卡尔曼增益矩阵、当前时刻的观测值以及所述先验状态估计值,计算得到当前时刻的后验最优状态估计值,将所述后验最优状态估计值作为标准化锚杆应力数据;

24、针对掘进机截割等高频机械振动干扰,通过建立状态空间方程与观测方程,利用卡尔曼滤波算法进行平滑处理;能够在保留围岩真实缓慢蠕变受力特征的同时,有效滤除突变噪声,避免了因数据跳变导致的误报警,显著提高了监测数据的信噪比与后续模型预测的可靠性。

25、优选地,所述s3包括以下步骤:

26、s31、根据巷道各监测节点的三维空间坐标,利用高斯核函数计算任意两个监测节点之间的物理空间距离权重,构建空间拓扑邻接矩阵;

27、s32、将所述标准化锚杆应力数据、实时围岩表面位移数据以及微震能量事件密度序列拼接为节点特征矩阵;

28、s33、将所述节点特征矩阵与所述空间拓扑邻接矩阵输入至时空图卷积神经网络模型,通过空间卷积层提取应力传递拓扑特征向量;

29、s34、将所述应力传递拓扑特征向量输入至时空图卷积神经网络模型,通过时间循环层提取时序演化特征向量;

30、融合所述应力传递拓扑特征向量与时序演化特征向量并输入至全连接回归层,输出预测应力值矩阵与预测变形量向量;

31、利用高斯核函数构建空间拓扑邻接矩阵,结合时空图卷积神经网络,突破了传统单点独立监测的局限;空间卷积层有效提取了相邻节点间的应力传递与耦合特征,时间循环层精准捕捉了围岩蠕变的时序演化规律;两者融合使得模型能够从全局时空维度输出预测应力值矩阵与预测变形量向量,大幅提升了对复杂围岩力学行为的动态预测精度。

32、优选地,所述时空图卷积神经网络模型的训练过程包括:

33、获取正常掘进阶段与灾害孕育阶段的历史标准化多源传感数据作为训练输入集,获取对应未来真实发生的应力值与变形量作为训练标签;

34、综合预测应力值的均方误差损失与预测变形量的均方误差损失,构建联合损失函数;

35、利用自适应矩估计优化算法进行反向传播更新网络权重,直至所述联合损失函数的值收敛至收敛阈值以下;

36、通过构建包含均方误差的联合损失函数,并利用自适应矩估计优化算法反向传播更新网络权重,使得模型能够基于历史真实灾害数据不断优化内部参数;确保了模型在面对非线性围岩力学演化时具有良好的泛化能力与预测鲁棒性。

37、优选地,所述s4包括以下步骤:

38、s41、从所述巷道围岩力学极限参数表中提取目标巷道的屈服应力极限值与最大允许变形极限值;

39、s42、提取目标矿区历史顶板冒落灾害样本数据库中的历史灾害数据序列,构建历史灾害特征协方差矩阵,对所述历史灾害特征协方差矩阵进行特征值分解,计算得到应力权重系数、变形权重系数与微震权重系数;

40、s43、将所述预测应力值矩阵除以所述屈服应力极限值,将所述预测变形量向量除以最大允许变形极限值,结合所述微震能量事件密度序列、应力权重系数、变形权重系数与微震权重系数,代入所述多维风险加权融合公式计算出所述巷道综合失稳风险指数;

41、通过摒弃单一指标阈值预警的局限,将预测的应力逼近度、变形逼近度与微震微震逼近度相结合;通过引入基于历史灾害数据特征值分解的客观权重系数,构建了多维风险加权融合公式,实现了对巷道综合失稳风险指数的科学量化计算,全面、客观地反映了围岩的真实安全状态;

42、优选地,所述应力权重系数、变形权重系数与微震权重系数的量化设定规则具体包括:

43、s421、提取目标矿区历史顶板冒落灾害样本数据库中的灾害发生前一小时的应力逼近度序列、变形逼近度序列以及微震逼近度序列,构建历史灾害特征协方差矩阵;

44、s422、对所述历史灾害特征协方差矩阵进行特征值分解,求得与应力逼近度、变形逼近度以及微震逼近度相对应的第一特征值、第二特征值与第三特征值;

45、s423、分别计算所述第一特征值、第二特征值与第三特征值占特征值总和的比例,将计算得到的比例数值分别赋值给所述应力权重系数、变形权重系数与微震权重系数;

46、采用基于历史灾害特征协方差矩阵的特征值分解方法计算权重系数,排除了主观经验赋权带来的不确定性与人为偏差;通过按照各逼近度特征值占总和的比例进行客观赋值,确保了权重系数能够真实反映不同物理量对巷道失稳演化的实际贡献程度,提高了风险评估的科学性与准确性。

47、优选地,所述s5包括以下步骤:

48、s51、将所述巷道综合失稳风险指数与所述安全基准阈值进行差值计算,得到所述风险偏差值;

49、s52、设定强化学习控制算法的奖励函数规则:当预演执行动作使得巷道综合失稳风险指数小于或等于所述安全基准阈值时赋予正向奖励值,当预演执行动作使得巷道综合失稳风险指数大于所述安全基准阈值或超出物理输出扭矩限制时赋予负向惩罚值;

50、s53、将所述风险偏差值输入至策略网络中,输出具有最大预期累积奖励的支护参数调节指令;

51、s54、对所述支护参数调节指令进行防剧烈震荡平滑处理,将平滑处理后的支护参数调节指令转化为物理控制电信号下发至执行硬件;

52、通过将综合失稳风险指数转化为强化学习算法的状态空间,通过设定合理的正负奖励函数规则,驱动策略网络自主学习最优的支护参数调节策略;将输出的调节指令直接转化为物理控制电信号下发至执行硬件,实现了监测、计算、决策以及执行的动态闭环,在风险发生前提前改变围岩力学结构,消除了滞后控制的安全隐患。

53、优选地,所述s54中进行防剧烈震荡平滑处理的具体步骤包括:

54、s541、读取上一控制周期的物理控制电信号当前值;

55、s542、计算所述支护参数调节指令对应的目标信号值与物理控制电信号当前值之间的差值绝对值;

56、s543、判断所述差值绝对值是否超过单次最大调节步长限制,若是,强制将本次实际下发的目标信号值截断至单次最大调节步长限制处;否则,直接下发所述目标信号值;

57、在下发物理控制电信号前引入防剧烈震荡平滑处理机制,通过计算目标信号与当前值的差值并与单次最大调节步长限制进行比对截断;有效防止了注浆压力或锚杆预紧力的瞬间剧烈突变,保护了液压管路与机械执行机构的安全,保障了支护调节过程的平稳过渡。

58、另一方面,本发明还提供一种基于感知预测的巷道支护监控、调节系统,用于实现所述一种基于感知预测的巷道支护监控、调节方法,所述基于感知预测的巷道支护监控、调节系统包括:

59、多模态传感网络模块,用于采集实时锚杆轴向应力数据、实时围岩表面位移数据以及实时微震波形数据;

60、边缘计算与滤波模块,用于执行时间戳对齐、方差计算、卡尔曼滤波去噪以及生成微震能量事件密度序列;

61、云端孪生与预测模块,用于运行所述时空图卷积神经网络模型,并计算所述巷道综合失稳风险指数;

62、自适应控制模块,用于运行强化学习控制算法生成所述支护参数调节指令;

63、自动化支护执行模块,用于接收所述物理控制电信号并物理改变锚杆预紧力设定值与注浆泵输出压力值。

64、(三)有益效果

65、本发明具有以下有益效果:

66、本发明打破了传统单一物理量监测的局限,通过时空图卷积神经网络模型实现了多源异构数据的深度融合与提前预测;利用高斯核函数构建空间拓扑邻接矩阵,将相邻节点间的应力空间耦合效应与围岩蠕变的时序演化规律相结合,实现了对未来时刻应力与变形状态的高精度预测,将灾害防范关口从事后报警前移至事前预测。

67、本发明构建了基于客观数据驱动的多维风险加权融合机制;通过提取物理力学试验得出的极限参数,并利用历史灾害特征协方差矩阵的特征值分解客观计算权重系数,排除了主观经验赋权带来的偏差;这种综合失稳风险指数计算方法,科学、真实地反映了特定地质条件下的灾害产生规律,显著提升了风险评估的准确性。

68、本发明实现了从风险感知到支护执行的全链条物理闭环控制;将综合失稳风险指数转化为强化学习算法的状态空间,驱动策略网络自主输出支护参数调节指令,并引入防剧烈震荡平滑处理机制约束动作边界;不仅消除了人工经验决策的滞后性,还能在保障执行硬件与管路安全的前提下,控制液压锚杆钻车与注浆泵,动态改变围岩力学结构,消除了滞后控制的安全隐患。

69、当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。