[發明專利]壓剪滑移式巖溶危巖失穩預警的聲響多前兆方法及裝置

有效

• 申請號: 202010820187.5
• 申請日: 2020-08-14
• 公開（公告）號: CN111965255B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 蘇國韶;李培峰;許華杰;張研;羅丹旎;黃小華;蔣劍青;鄭志
• 申請（專利權）人: 廣西大學
• 主分類號: G01N29/04
• 分類號: G01N29/04;G01N29/12;G08C17/02
• 代理公司: 廣西匯佳知識產權代理事務所(普通合伙) 45125
• 代理人: 林鵬

1.壓剪滑移式巖溶危巖失穩預警的聲響多前兆方法，其特征在于，包括以下步驟：

步驟1：以頻率為20-20000Hz人耳可識別的聲響信號為監測對象，采用無線非接觸方式進行壓剪滑移式巖溶危巖監測；選定危巖失穩的多種顯著前兆特征作為綜合預警指標，包括：基音頻率、譜質心、事件數、小波能譜主頻帶以及相對平靜期5種前兆特征；分別制定5種聲響前兆特征指標與壓剪滑移式巖溶危巖穩定性等級評分規則，進而制定壓剪滑移式巖溶危巖聲響5種前兆特征與穩定性等級的綜合關系規則；

步驟2：從室內試驗及現場工程實例中，收集壓剪滑移式巖溶危巖失穩崩塌演化各階段5種聲響信號前兆特征作為機器學習樣本集；

步驟3：利用機器學習樣本集，根據交叉驗證策略，訓練GPC模型，由此構建聲響信號多種前兆特征指標與穩定性等級的非線性映射關系；

步驟:4：獲取需要預警壓監測剪滑移式巖溶危巖危巖體的聲響前兆特征，根據評分規則表獲得相應的5種聲響前兆特征指標的評分，由此構建5維的特征指標向量，并將其輸入至訓練好的GPC模型，得到新壓剪滑移式巖溶危巖體的模型預測結果，即穩定性等級及預測方差；

步驟5：根據新壓剪滑移式巖溶危巖的預測方差，定量化評估GPC模型預測結果的不確定性大??；

其中，所述關于聲響信號前兆特征機器學習樣本，都進行了小波收縮WS方法的除噪處理，其方法為：選擇合適的小波函數、小波基以及小波分解層數，對包含有噪聲的聲響信號s(n)進行離散小波變換，得到相應的小波系數D_i；利用閾值對離散小波變換得到的小波系數D_i進行處理，得到相應的小波系數估計值d_i；利用小波系數估計值d_i重構聲響信號，從而得到原始聲響信號的估計值h(n)；其閾值為半閾值法，綜合硬、軟閾值相應優勢：

式中，當λ₁＜|w|＜λ₂時，接近軟閾值情況；當λ₂＜|w|時，接近于硬閾值情況式，當λ₂＝∞時，接近軟閾值的情況。

2.根據權利要求1所述的壓剪滑移式巖溶危巖失穩預警的聲響多前兆方法，其特征在于，所述聲響信號前兆特征基音頻率提取特征為：將聲響信號波形文件進行準穩態分幀、加窗處理，得到近似穩態的、時不變的處理信號；再將其各幀進行自相關函數計算，獲取基音頻率特征。

3.根據權利要求1所述的壓剪滑移式巖溶危巖失穩預警的聲響多前兆方法，其特征在于，所述聲響信號前兆特征譜質心提取特征為：將已經過分幀、加窗處理的近似穩態的、時不變的聲響信號進行FFT，得到二維幅值譜圖；計算二維幅值譜圖的頻譜質心值，即譜質心特征。

4.根據權利要求1所述的壓剪滑移式巖溶危巖失穩預警的聲響多前兆方法，其特征在于，所述聲響信號前兆特征事件數提取特征為：根據監測對象、環境條件、載荷條件多種因素設定聲響信號波形幅值閾值threshold；依據所設定閾值對已經過分幀、加窗處理的近似穩態的、時不變的聲響信號進行門檻值過濾處理，得到事件數特征。

5.根據權利要求1所述的壓剪滑移式巖溶危巖失穩預警的聲響多前兆方法，其特征在于，所述聲響信號前兆特征小波能譜主頻帶提取特征為：依據巖溶危巖聲響信號特性，選擇與其有高度適應性的Meyer小波基；對聲響信號進行8層小波包分解，得到9層頻段子信號；然后對小波分解系數進行重構，獲取不同頻段范圍的重構信號S_i(m)，并計算S_i(m)所對應的能量E_i、重構信號的總能量E；最后得到第七頻段信號的能量分布系數K_i，即小波能譜主頻帶特征，第七頻段的頻率范圍在11.025-22.05kHz。