[發明專利]基于聲紋深度特征的硬巖拉剪破裂識別方法及裝置

有效

• 申請號: 202011051834.7
• 申請日: 2020-09-29
• 公開（公告）號: CN112183638B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 蘇國韶;黃杰;蔣劍青;許華杰;張研;羅丹旎;粟明杰;藍蘭
• 申請（專利權）人: 廣西大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06V10/40;G06V10/82;G06N3/04;G06N3/08;G10L17/02;G10L17/04;G10L17/18;G10L17/26
• 代理公司: 南寧市吉昌知識產權代理事務所(普通合伙) 45125
• 代理人: 林鵬

本發明公開了一種基于聲紋深度特征的硬巖拉剪破裂識別方法及裝置，主要解決了現場下硬巖拉剪破裂識別不易性的問題。包括步驟S1：獲取硬巖張拉破裂和剪切破裂的聲音信號，并繪制成相應的Wigner?Ville聲紋圖；步驟S2：利用預訓練深度神經網絡提取張拉和剪切兩類破裂聲紋圖的深度特征；步驟S3：將張拉和剪切兩類破裂信號聲紋圖的深度特征作為訓練樣本訓練IVM；步驟S4：監測硬巖的破裂聲音信號，獲取相應破裂聲音的聲紋圖；步驟S5：利用同樣的預訓練網絡提取待預測的聲紋深度特征，根據IVM分類結果，確定硬巖破裂類型；步驟S6：將IVM分類結果良好的預測樣本也一同作為訓練樣本加入到訓練集合中，對之后監測所得的聲音進行預測。

技術領域

本發明屬于巖土工程災害防治技術領域，涉及一種基于聲紋深度特征的硬巖拉剪破裂識別方法及裝置。

背景技術

我國三分之二以上的國土面積為山區，極易受到山區危巖所帶來的自然災害。受限于危巖災害的突發性和快速性等，對于危巖災害的及時預警還存在巨大的改善空間。

已有研究表明，硬巖的宏觀破壞均從微小的脆性破裂逐漸發育而成，加深對于脆性破裂的研究對于硬巖宏觀破壞機理的揭示具有重要的意義，因此如何監測硬巖的破裂行為是研究的熱點。

硬巖的脆性破裂可分為張拉破裂和剪切破裂，拉剪破裂的研究對于再現硬巖內部的破壞演化以及對危巖的破壞預警具有重要的意義。通過研究硬巖的拉剪演化，從拉剪破裂的角度進一步的揭示巖石破壞的機理。因此，對硬巖拉剪破裂進行分類識別，可以實現對硬巖宏觀破壞的及時預警，減少硬巖破壞造成的人員傷亡和財產的損失。

張拉破裂是硬巖在外荷載狀態下，當硬巖某一承載面達到抗拉強度時，硬巖產生張拉破裂，張拉破裂是在能量急劇情況下，最后能量快速釋放所表現出的急劇性宏觀破裂；剪切破裂是指硬巖在外荷載狀態下，硬巖某一接觸面達到最大抗剪強度，硬巖產生剪切破裂，剪切破裂是硬巖是內部不同尺寸顆粒接觸間相互摩擦產生的連續性破裂事件，相較于張拉破裂所表現出急劇短促的特點，剪切破裂屬于連續，較長時間的破裂。由于上述兩種破裂過程的根本性不同，因此通過分析硬巖張拉破裂和剪切破裂時所表現出的較為明顯地特征，即能做到對兩種不同破裂類型的顯著區分。

當前對硬巖張拉破裂和剪切破裂傳統區分手段包括：數值模型分析，現場的觀測等手段，但是上述等監測手段存在著諸多的問題。數值模型的計算方法耗時較大，且數學模型的建立需要較多的假設，因此對于現場硬巖的真實情況反映還有所欠缺。基于現場的監測方法手段常借助于聲發射、微震等設備，但是此類監測設備的使用成本較高，經濟性較差，在現場環境下難以獲得較大范圍的使用。針對上述分析手段的不足，需要一種新的巖石拉剪破裂識別的方法，既能準確地進行巖石拉剪破裂機制的分析，同時還具有操作上的便利性。

當硬巖發生脆性破裂時，伴隨著硬巖的宏觀破裂，會發出人耳可聽見的聲響，能夠在不利用傳感器器進行接觸條件下完成信號的接收，與傳統的聲發射。微震監測相比，具有極高的經濟價值。然而，當前對于生物語音的智能識別已經獲得了巨大的突破，各種商業語音識別產品已經日臻成熟，但如何借鑒已有的語音識別技術，建立巖石力學領域的聲音信號監測還尚待研究。

深度學習是一種近年來依據大數據興起的智能學習算法，具有無監督學習和監督學習下的自適應學習能力，已經被廣泛用于計算機視覺中的多項任務，尤其是圖像分類。與在訓練中重新調整深度神經網絡中的參數不同，經過大數據集預訓練的深度神經網絡往往充當深度提取器的作用。

與傳統人工描述固定的紋理、顏色、邊緣等特征不同，使用預訓練的深度學習網絡通過不同位置的網絡層具有從不同深度提取描述聲紋圖形特征的優勢。在深度學習方法中，通過大數據集建立的預訓練深度學習模型，經過適當的微調后，可以用來對其他數據集中的圖形進行更好地特征遷移，所提取出的圖像特征雖然會抽象但是具有更好的代表性。并且相較于傳統人工描述的特征，具有自動處理的優勢，極大地提高了圖像識別的效率。