专利摘要

一种基于声音的煤岩界面识别装置及识别方法，装置包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机控制器，采煤机控制器与采煤机液压系统执行单元相连。所述方法是利用人耳生理学上的时频分解特性、定位及掩蔽特性对声音信号进行进一步的处理，从而辨别出采煤机当前截割状态，进而快速识别煤岩界面。该装置及方法测量精度高，对装置的损耗小；适用于各种地质条件，应用范围广。

权利要求

1.一种基于声音的煤岩界面识别装置，其特征在于，包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机机载可编程控制器，采煤机机载可编程控制器与采煤机液压系统执行单元相连。

2.如权利要求1所述的基于温度的煤岩界面识别装置，其特征在于，所述核心处理器是基于SoC平台或者Atom平台的超微计算机。

3.如权利要求2所述的基于温度的煤岩界面识别装置，其特征在于，所述核心处理器内设有与采煤机牵引机电机的主电路相连的比较电路模块。

4.如权利要求3所述的基于温度的煤岩界面识别装置，其特征在于，本安型电池为充电式锂电池。

5.如权利要求1至4任一权利要求所述的基于温度的煤岩界面识别装置，其特征在于，所述麦克风为工业防尘麦克风，采样频率为44.1kHZ。

6.一种基于声音的煤岩界面识别方法，其特征在于，包括以下步骤：

第一步、将煤岩界面识别装置分别安装在采煤机前、后摇臂上；

第二步、采煤机自动切割之前，预先采用人工示教的方式进行采煤机的第一刀切割，使采煤机的滚筒在不割到顶板岩石的情况下，尽可能的贴合煤岩分界面；

第三步、麦克风采集声音信号输送至核心处理器，核心处理器将目标声音与背景噪声进行分离；

第四步、核心处理器采用BP神经网络对不同的声音信号进行分类并存储在数据存储器中作为初始训练数据；

第五步、自动切割开始后按照上述第三步采集实时声音信号，并将信号输入具有认知能力的BP神经网络中，根据BP神经网络的输出结果获取当前采煤机截割状态；

第六步、BP神经网络的输出结果作为控制指令输送至采煤机机载可编程控制器中，当神经网络输出结果表示当前为正常割煤时，采煤机机载可编程控制器控制维持当前滚筒高度不变；当神经网络输出结果表示当前为割顶板岩石时，采煤机机载可编程控制器立即发出滚筒下调指令。

7.如权利要求6所述的基于声音的煤岩界面识别方法，其特征在于，第三步中声源分离步骤如下：

a、对两个麦克风采集的双通道声音分别进行加窗快速傅里叶变化FFT，将时域上的连续信号变成频域中的离散信号；

b、采用听觉外周模型分别计算两个音频的时延差异ITD和强度差异IID；

c、以上述时延差异ITD和强度差异IID为依据，并结合综采工作面声音的其他约束条件，实现音频信号的分离。

8.如权利要求7所述的基于声音的煤岩界面识别方法，其特征在于，其他约束条件包括声音的起始时间点、声音的终止时间点、采煤机的牵引速度、声音时间的周期性、频谱上谐波相关的峰值。

9.如权利要求6至8任一权利要求所述的基于声音的煤岩界面识别方法，其特征在于，核心处理器中所建设的BP神经网络包括输入层、隐藏层和输出层；输入层的节点数根据约束条件确定，输出层的节点数为1。

说明书

技术领域

本发明涉及一种煤岩界面的识别装置及识别方法，具体涉及一种基于声音的煤岩界面识别装置及方法，属于煤岩界面识别技术领域。

背景技术

随着综合机械化采煤工艺的不断发展，国内外学者相继提出“无人化”或“少人化”采煤工作面的构想。采煤机作为综采工作面“三机”配套中的重要设备，主要完成采煤和落煤的任务。在“无人化”或“少人化”的采煤工作面，必须解决采煤机滚筒适应煤层顶底板起伏而自动调节的问题，也就是分辨出煤层与岩石的分界面，并根据所识别出的煤岩界面实现滚筒的自动调高，进而实现采煤机的自动截割。解决该问题的关键在于如何准确判断顶底板煤层厚度，即识别煤岩界面。

美国专利US20020056809A1提出一种基于天然γ射线法的煤岩界面识别装置及方法，利用碘化钠等晶体制成的γ射线探测器接收天然顶底板所发出的γ射线，并通过变送器将其转换为电信号，传送至识别器，电信号的强度与探测器至顶底板的距离以及预留煤层厚度有关。然而该方法不适用于顶底板不含放射性元素或放射性元素含量较低的工作面，以及煤层中夹矸过多的工作面。

美国专利US4165460提出一种基于人工γ射线的煤岩界面识别装置，利用人工γ射线法射入密度不同的煤岩分界面，从而达到识别煤和岩石的目的。但是人工γ射线具有放射性，在井下难以管理，因此不能广泛运用。

美国专利US4968098提出一种截齿应力传感器用于煤岩界面识别，根据采煤机截割到岩石时，截齿所受到的应力与截割煤层时相比将发生显著变化而实现煤岩界面的辨别。然而该方法对截齿以及传感器的损耗较大，需要人工定时更换传感器，不适用于“无人化”或“少人化”的采煤工作面。

中国专利CN201010251520.1提出一种采用高压水射流的方法实现煤岩界面识别，利用煤层和岩石硬度的不同，高压水射流的反射力大小不同，识别煤层和岩石。然而该方法无法适用于煤、岩硬度比较接近，或者岩石硬度小于煤层硬度的情况。

中国专利CN201110377347.4提出了一种基于图像的煤岩界面识别方法，对多幅煤、岩的彩色图像进行特征提取，然后利用Fisher分类器进行分类，判断出煤岩分别界面。然而井下采集到的图像会受到粉尘的影响，图像中含有大量的背景噪声，影响图像特征提取的效果。另外Fisher分类器属于线性分类器，只能识别训练过程中已有的情况，对于未出现过的情况不能进行有效预测。

发明内容

为解决上述问题，本发明提供一种基于声音的煤岩界面识别装置及方法，能够准确识别煤岩分界面，以此判断采煤机的相对截割位置并自动调整采煤机的动作，使其维持最大截割效率；减少识别装置的损耗，降低粉尘的影响，使识别方法更加可靠，适用于各种地质条件，应用范围广。

为了实现上述目的所采用的技术方案：一种基于声音的煤岩界面识别装置，包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机机载可编程控制器，采煤机机载可编程控制器与采煤机液压系统执行单元相连。

所述麦克风为声音采集装置，可以对声音信号进行采样和预处理，将声音信号转化为标准电信号；所述信号传输模块是在超微计算机中开发的基于TCP/IP协议的数据接口，并利用矿用阻燃网线实现与采煤机机载可编程控制器连接；采煤机机载可编程控制器根据核心处理器反馈的采煤机截割状态，做出相应的控制指令，调整采煤机调高液压缸的伸缩，最终实现摇臂的升降；采煤机机载可编程控制器与地面监控系统之间通过井下环网相连，将相应的状态上传至地面调度中心，对数据进行存档和实时监控。

进一步的，所述核心处理器是基于SoC平台或者Atom平台的超微计算机。

更进一步的，所述核心处理器内设有与采煤机牵引机电机的主电路相连的比较电路模块。只有当声音强度超过最低设定值时，才视为采煤机开始截割，超微计算机与麦克风开始工作；当声音强度低于最小设定值时，认为采煤机当前未截割，关闭超微计算机，节约能耗。优选的，本安型电池为充电式锂电池。这种电池安全环保，比能量大，续航能力强；且使用可充电锂电池不需要再为超微计算机及麦克风铺设专门的动力电缆，便于井下安装。

更进一步的，所述麦克风为工业防尘麦克风，采样频率为44.1kHZ。人耳能听到的声音频率范围是20-20kHZ，根据采样定理，采样频率应大于信号最大频率的2倍。

一种基于声音的煤岩界面识别方法，包括以下步骤：

第一步、将煤岩界面识别装置分别安装在采煤机前、后摇臂上；

第二步、采煤机自动切割之前，预先采用人工示教的方式进行采煤机的第一刀切割，使采煤机的滚筒在不割到顶板岩石的情况下，尽可能的贴合煤岩分界面；

第三步、麦克风采集声音信号输送至核心处理器，核心处理器将目标声音与背景噪声进行分离；

第四步、核心处理器采用BP神经网络对不同的声音信号进行分类并存储在数据存储器中作为初始训练数据；

第五步、自动切割开始后按照上述第三步采集实时声音信号，并将信号输入具有认知能力的BP神经网络中，根据BP神经网络的输出结果获取当前采煤机截割状态；

第六步、BP神经网络的输出结果作为控制指令输送至采煤机机载可编程控制器中，当神经网络输出结果表示当前为正常割煤时，采煤机机载可编程控制器控制维持当前滚筒高度不变；当神经网络输出结果表示当前为割顶板岩石时，采煤机机载可编程控制器立即发出滚筒下调指令。

第三步中声源分离步骤如下：

a、对两个麦克风采集的双通道声音分别进行加窗快速傅里叶变化FFT，将时域上的连续信号变成频域中的离散信号；

b、采用听觉外周模型分别计算两个音频的时延差异ITD和强度差异IID；

c、以上述时延差异ITD和强度差异IID为依据，并结合综采工作面声音的其他约束条件，实现音频信号的分离。

其他约束条件包括声音的起始时间点、声音的终止时间点、采煤机的牵引速度、声音时间的周期性、频谱上谐波相关的峰值。

核心处理器中所建设的BP神经网络包括输入层、隐藏层和输出层；输入层的节点数根据约束条件确定，输出层的节点数为1。

本发明通过模拟人的左、右耳进行声音采集，并利用人耳生理学上的时频分解特性、定位及掩蔽特性对声音信号进行进一步的处理，然后提取出关键特征，从而辨别出采煤机当前截割状态，进而快速识别煤岩界面；所述的基于声音的煤岩界面识别装置与煤岩均无接触，极大限度的减少测量装置的损耗；本装置及方法避免了粉尘对测量装置的影响，测量精度更高；适用于各种地质条件，应用范围广。

附图说明

图1是本发明中基于声音的煤岩界面识别装置的示意图；

图2是BP神经网络结构；

图3是基于声音的煤岩界面识别方法流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，一种基于声音的煤岩界面识别装置，包括防爆壳体、设置在防爆壳体内的核心处理器、数据存储器、音频信号接收模块、信号传输模块以及本安型电池，防爆壳体外具有麦克风，麦克风所采集的声音信号经音频信号接收模块输送至核心处理器，核心处理器与数据存储器相连，核心处理器将音频信号分析处理后通过信号传输模块输送至采煤机机载可编程控制器，采煤机机载可编程控制器与采煤机液压系统执行单元相连。

所述麦克风为声音采集装置，可以对声音信号进行采样和预处理，将声音信号转化为标准电信号；所述信号传输模块是在超微计算机中开发的基于TCP/IP协议的数据接口，并利用矿用阻燃网线实现与采煤机机载可编程控制器连接；采煤机机载可编程控制器根据核心处理器反馈的采煤机截割状态，做出相应的控制指令，调整采煤机调高液压缸的伸缩，最终实现摇臂的升降；采煤机机载可编程控制器与地面监控系统之间通过井下环网相连，将相应的状态上传至地面调度中心，对数据进行存档和实时监控。

所述核心处理器是基于SoC平台或者Atom平台的超微计算机。具体的，所述超微计算机是基于Quark SoC X1000核心处理器的超微型计算机或者是基于Atom Z3770芯片的超微计算机，具有丰富的数据接口和网络接口，整机能耗不高于1W.

所述核心处理器内设有与采煤机牵引机电机的主电路相连的比较电路模块。只有当声音强度超过最低设定值时，才视为采煤机开始截割，超微计算机与麦克风开始工作；当声音强度低于最小设定值时，认为采煤机当前未截割，关闭超微计算机，节约能耗。

本安型电池为充电式锂电池。这种电池安全环保，比能量大，续航能力强；且使用可充电锂电池不需要再为超微计算机及麦克风铺设专门的动力电缆，便于井下安装。

进一步的，所述麦克风为工业防尘麦克风，采样频率为44.1kHZ。人耳能听到的声音频率范围是20-20kHZ，根据采样定理，采样频率应大于信号最大频率的2倍。

如图3所示，一种基于声音的煤岩界面识别方法，包括以下步骤：

第一步、将煤岩界面识别装置分别安装在采煤机前、后摇臂上；

第二步、采煤机自动切割之前，预先采用人工示教的方式进行采煤机的第一刀切割，使采煤机的滚筒在不割到顶板岩石的情况下，尽可能的贴合煤岩分界面；

第三步、麦克风采集声音信号输送至核心处理器，核心处理器将目标声音与背景噪声进行分离；

声源分离步骤如下：

a、对两个麦克风采集的双通道声音分别进行加窗快速傅里叶变化FFT，将时域上的连续信号变成频域中的离散信号；分析综采工作面发出的混合声音的特点，选取窗函数，对信号进行截断，窗函数应满足以下表达式：

ω(t)=12π∫-ππW(f)df=1---(1)]]>

FFT是对DFT计算的一种简化算法，FFT变换的表达式如下：

X(k)=A(k)+WNkB(k)]]>

X(k+N2)=A(k)-WNkB(k)---(2)]]>

其中，k=0,1,2...N2-1,A(k)=A(N2+k),B(k)=B(N2+k);]]>在对音频信号进行加窗FFT变换之后，时域上的连续信号变成频域中的离散信号。

b、采用听觉外周模型分别计算两个音频的时延差异ITD和强度差异IID；

将上述信号输入到128通道的人耳滤波器Gammatone对左、右麦克风声音按时间祯进行频率分解，获取多个T-F单元；每个滤波器的输出再经半波整流和饱和非线性处理，最后提取听神经发放率；听神经发放率与听神经纤维相应域频率范围内信号的强度成比例关系。

两个麦克风接受音频信号的时延差异ITD的计算可通过听觉外周模型得到的两耳听神经发放率信号的互相关得到。两音频的发放率信号分别用P_l(i,t)和P_r(i,t)表示，其中i为频率通道，t为时间点，则对于时间差的互相关系数，可表示为：

c(i,j,τ)=Σk=0K-1pl(i,t-k)pr(i,t-k-τ)ω(k)---(3)]]>

其中，K是每帧的长度，j为信号帧的序号，i表示不同的频率通道，τ是时间延迟，ω(k)为矩形函，通过求取互相关最大值对应的时间延迟τ_imax，即可求出该时频段内的ITD，其他时频段的ITD通过相同的方法求出。

第i个通道对应的两个音频通道的强度差异IID可用L_i表示，表达式如下：

Li=201gΣtpl(i,t)2Σtpr(i,t)2---(4)]]>

c、以上述时延差异ITD和强度差异IID为依据，并结合综采工作面声音的其他约束条件，实现音频信号的分离。

其他约束条件包括声音的起始时间点、声音的终止时间点、采煤机的牵引速度、声音时间的周期性、频谱上谐波相关的峰值。

第四步、核心处理器采用BP神经网络对不同的声音信号进行分类并存储在数据存储器中作为初始训练数据；

如图2所示，核心处理器中所建设的BP神经网络包括输入层、隐藏层和输出层；输入层的节点数根据约束条件确定，输出层的节点数为1。

输入层包含N个神经元节点(i＝1,2,…,N)，输入向量为u＝(u₁,u₂,…,u_N)^T∈R^N；隐含层包含L个神经元节点(j＝1,2,…,L)， 表示隐含层神经元的激活函数，θ_j表示隐含层神经元的阈值；输出层包含M个神经元节点(k＝1,2,…,M)，输出向量为y＝(y₁,y₂,…,y_M)^T∈R^M，ψ(·)表示输出层神经元的激活函数，θ_k表示输出层神经元的阈值；ω_ij表示输入层神经元到隐含层神经元之间的连接权值；ω_jk表示隐含层神经元到输出层神经元之间的连接权值；误差反向传播算法由输入信号的正向传播和误差信号的反向传播两个过程组成。第k个输出层神经元节点输出y_k为：

其中，o_j为隐含层第j个神经元节点的输出信号。

输入层的节点数根据用于实现声源分离的约束条件确定，故输入层节点数为7；输出层为最终的判断结果，输出层节点数为1，输出的不同值分别代表采煤机正常割煤、采煤机割顶板岩石；隐含层的神经元节点数 (a为1至10之间的常数)，分别试凑4至12之间的常数，最终选定使误差率最小的最佳节点数8。

第五步、自动切割开始后按照上述第三步和第四步采集实时声音信号，并将信号输入具有认知能力的BP神经网络中，根据BP神经网络的输出结果获取当前采煤机截割状态；

第六步、BP神经网络的输出结果作为控制指令输送至采煤机机载可编程控制器中，当神经网络输出结果表示当前为正常割煤时，采煤机机载可编程控制器控制维持当前滚筒高度不变；当神经网络输出结果表示当前为割顶板岩石时，采煤机机载可编程控制器立即发出滚筒下调指令。

本发明通过实验获取采煤机截齿正常割煤时以及采煤机截齿截割到煤岩分界面的声音，并以此作为训练数据训练初始的神经网络，获取具有认知能力的BP神经网络；根据记忆截割法记录初始的煤层高度并将实际采煤截割时的声音信号输入到具有认知能力的BP神经网络中，获取当前采煤机截割状态，以此作为采煤机机载可编程控制器控制采煤机液压执行单元的标准；由于声音信号不会受到粉尘的影响，因此测量精度更高；同时本装置及方法适用于各种煤质条件，应用范围广。

一种基于声音的煤岩界面识别方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。