基于声音识别的煤矿重特大事故报警方法研究

煤矿瓦斯与煤尘爆炸会产生爆炸声,煤与瓦斯突出会产生煤炮声、支架发出的嘎嘎声和破裂折断声等,冲击地压会产生巨大的岩石破碎声响和震动等,煤矿透水会发出“嘶嘶”的水叫声、大量透水会产生水流声等,煤矿顶板冒落会发出顶板断裂声、煤岩落地撞击声、支护损毁声等。针对煤矿重特大事故声音特点,提出了煤矿井下瓦斯与煤尘爆炸、煤与瓦斯突出、冲击地压、水灾、顶板冒落等事故报警方法:各事故声音的时域和频域特征与其他声音不同,可通过矿用防爆拾音设备和系统实时监测声音,通过声音智能分析和声音频率、幅度、短时能量等特征参数分析感知事故并报警;通过监测和分析不同监测地点声音强度特征、声音发生的先后关系和防爆拾音设备损坏的先后关系等判定事故发生地点;根据各事故特点提出了多信息融合分析的灾害识别方法,减小工作面落煤、爆破作业、采煤设备、掘进设备、运输提升设备、供电设备、乳化液泵、水泵和局部通风机工作等产生的声音干扰。论述了不同拾音设备的优缺点,矿用拾音设备宜采用麦克风阵列;研究了适用于煤矿重特大事故的声音识别分类器。     

基于爆炸声音识别的煤矿瓦斯和煤尘爆炸感知方法研究

分析了煤矿瓦斯和煤尘爆炸特征：气体浓度发生突变;环境温度迅速升高;空气压力突然升高;产生火球和烟尘;产生较强的红外和紫外辐射;产生爆炸冲击波和火焰波;产生爆炸音。基于爆炸声音感知煤矿瓦斯和煤尘爆炸具有以下优点：(1)爆炸冲击波和火焰波衰减快,传播距离近;声波衰减慢,传播距离远。远离爆源的矿用拾音设备可用于煤矿瓦斯和煤尘爆炸感知。(2)与基于气体浓度和温度等传感器的煤矿瓦斯和煤尘爆炸感知方法相比,具有响应速度快的优点。(3)与基于视频图像的煤矿瓦斯和煤尘爆炸感知方法相比,具有不受粉尘、光照、遮挡等影响的优点。(4)矿用拾音设备成本低、易安装。(5)声音传播距离远,受巷道和分支影响小。(6)声音处理速度快,可在短时间内从各种声音信号中快速识别瓦斯和煤尘爆炸声音。提出了基于爆炸声音识别的煤矿瓦斯和煤尘爆炸感知方法：利用麦克风阵列拾音器采集监测区域的声音信号,经过归一化、分帧、添加类别标签等预处理后,提取声音信号特征,将特征输入到统计分类器中进行训练,建立煤矿瓦斯和煤尘爆炸声音识别模型;实时采集监测区域的声音信号,将提取的声音信号特征输入训练完成的煤矿瓦斯和煤尘爆炸声音识别模型中,判断是否为煤...     

基于CEEMD分量样本熵与SVM分类的煤矿瓦斯和煤尘爆炸声音识别方法

为及时自动发现煤矿瓦斯和煤尘爆炸并报警,为事故应急救援赢得宝贵时间,提出了一种基于互补集合经验模态分解(CEEMD)分量样本熵与支持向量机(SVM)分类的煤矿瓦斯和煤尘爆炸声音识别方法：1)在重点监测区域设置矿用拾音器,实时采集环境与设备工作声音;2)使用CEEMD对采集到的声音进行分解,对每个分量求样本熵,构成该声音的特征量,输入到SVM中建立煤矿瓦斯和煤尘爆炸识别模型;3)通过CEEMD对待测声音分解提取特征量,输入训练好的模型中进行识别分类;4)实验验证。首先,通过信号分解实验得到：与自适应噪声完全集合经验模态分解(CEEMDAN)及集合经验模态分解(EEMD)相比,CEEMD算法更适合本方法要求。其次,通过相似性和相关系数实验得到：CEEMD算法分解模态分量与原信号的相似性和相关性,确定选择前9阶模态分量(IMF)作为声音信号提取特征量的对象;通过分析IMF₁₀和残余分量IMF₁₁的频谱图,取前9阶模态分量,可去除低频本征干扰。最后,将声音信号特征量输入SVM、BP神经网络和相似性测度中做比对研究,实验结果表明：SVM识别分类器的准确...     

基于特征融合的煤矿瓦斯和煤尘爆炸声音识别方法

为解决煤矿瓦斯与煤尘爆炸灾害报警方法监测手段单一、监测技术落后、误报率和漏报率高等问题,提高煤矿瓦斯和煤尘爆炸识别的准确率,提出了基于特征融合的煤矿瓦斯和煤尘爆炸声音识别方法：在煤矿井下重点监测区域安装矿用拾音器,实时采集煤矿井下设备工作声音和环境音等,将采集的声音信号通过提取由梅尔倒谱系数和Gammatone滤波器倒谱系数构成的新混合特征MGCC,通过主成分分析的方法提取其前9维特征值构成表征声音信号的特征向量,输入支持向量机中训练得到煤矿瓦斯和煤尘爆炸声音识别模型;待测声音样本通过提取其特征向量,输入到训练好的煤矿瓦斯和煤尘爆炸声音识别模型中,得到分类识别结果;并通过实验验证。首先,通过声音信号的特征提取实验分析通过MGCC和主成分分析提取的声音信号特征的特点,不同时长的同一声音信号特征值分布稳定,且差异不大;同一时长的不同声音信号特征值分布差异明显,因此通过MGCC和主成分分析提取声音信号的特征向量可有效表征声音信号;其次,由识别实验结果可以得知,所提识别方法的识别率达到97%,高于比对算法;最后,通过贝叶斯超参数优化实验结果可知,优化后的煤矿瓦斯和煤尘爆炸声音识别模型明显优于优...     

基于声谱图和SVM的煤矿瓦斯和煤尘爆炸识别方法

为提高煤矿瓦斯和煤尘爆炸感知准确率，提出了基于声谱图和SVM的煤矿瓦斯和煤尘爆炸感知方法：在煤矿井下重点监测区域安装矿用拾音器；实时监测煤矿井下设备工作声音及环境音；将采集到的声音提取由MFCC构成的声谱图，通过计算声谱图的灰度共生矩阵得到0°、45°、90°、135°的能量、熵、对比度、相关性，分别求其均值和标准差作为声谱图图像纹理特征，构成该声音的特征量，输入到SVM中建立煤矿瓦斯和煤尘爆炸声音识别模型；对待测声音同样提取其MFCC声谱图图像纹理特征，输入到训练好的识别模型中进行声音识别分类；并进行了试验验证。首先，提取了采掘工作面设备运行、瓦斯和煤尘爆炸等不同声音的MFCC特征值，分析了不同声音的MFCC特征值分布情况；提取不同声音的MFCC声谱图，分析了不同声音的声谱图的特征参数：能量、熵、对比度、相关性的均值和标准差，可见通过提取MFCC声谱图的灰度共生矩阵特征参数构成的特征量可有效表征声音信号；其次，将待测声音输入建立的识别模型中，完成识别分类。结果表明：所提方法的识别率达到95%，整体识别性能高于其他算法；最后，通过贝叶斯参数优化试验结果可知，优化后的SVM识别模型的召回...