【摘 要】
:
冲击地压是一种严重威胁矿井安全的灾害,具有极强的破坏性。当其发生时,工作面或巷道周围的煤岩体在高应力的作用下发生突然破坏,并伴随着巨大声响及冲击振动,振动能量以弹性波的形式向外传递。弹性波中包含有煤岩体受载荷作用引起的内部结构和能量演化等基本信息,对这些信息进行有效处理和运用,对了解地下岩层的能量和结构的变化、破裂时空演化及冲击地压监测预测等具有重要意义。论文针对冲击地压亚失稳产生的弹性波时频域特
论文部分内容阅读
冲击地压是一种严重威胁矿井安全的灾害,具有极强的破坏性。当其发生时,工作面或巷道周围的煤岩体在高应力的作用下发生突然破坏,并伴随着巨大声响及冲击振动,振动能量以弹性波的形式向外传递。弹性波中包含有煤岩体受载荷作用引起的内部结构和能量演化等基本信息,对这些信息进行有效处理和运用,对了解地下岩层的能量和结构的变化、破裂时空演化及冲击地压监测预测等具有重要意义。论文针对冲击地压亚失稳产生的弹性波时频域特征识别问题,采用理论分析、实验研究和现场应用相结合的方法,分别开展了微震初至时刻拾取算法优化方法,微震震源的定位算法,岩石不同加载段信号波形特征及现场应用研究。在微震初至时刻拾取算法优化研究中,基于STA/LTA算法、AIC算法,采用数字滤波器、小波去噪以及EMD分解去噪等相关降噪方法对含噪信号的拾取效果进行了分析,提出了在不同信噪比的环境下拾取初至时刻的最优算法,研究表明:对于信噪比大于30d B的信号可以直接计算初至时刻,对于信噪比在10-20d B的信号可以使用降噪后的信号来拾取初至时刻,对于信噪比小于10d B的信号可以使用降噪后的信号与AIC法相结合来拾取初至时刻。在微震震源的定位算法的研究中,基于全局网格搜索法,提出了一种新的微震定位搜索方法:“鱼群算法+爬山法”微震定位,鱼群算法是通过在全局模式下对震源进行搜索,相比于网格搜索法的将所有网格节点计算,能节省大量的计算时间,最终的搜索结果与真实震源点相近,但精确度较差;爬山法是一种针对局部极值点的计算方法,将两种方法结合,在鱼群算法搜索到初始较为准确震源点的基础上利用爬山搜索法搜索最终的震源点。在岩石不同加载段信号波形特征研究中,根据三种不同类型的岩石破坏实验以模拟在地层中岩层的不同破坏类型,在对岩石加载的同时利用声发射仪器对其进行全程监测,同时利用采集到的声发射数据来分析三种破坏类型的声发射波形的时域、频域时频域以及功率谱上的特征,提取出在弹性阶段、塑性阶段和亚失稳阶段岩石破坏的特征。将所提出的方法应用于红阳三矿现场微震数据,对含噪微震信号初至时刻进行自动化识别,利用系统中的所有传感器采集到同一个微震所传递出的信号对微震震源定位,通过矩张量计算得出微震震源的破坏类型,分析微震信号在时域、频域、时频域和功率谱上的特征,对比实验室中岩石不同类型破坏信号的分析结果,判断岩石所处的应力状态。
其他文献
中文文本的自动校对技术是自然语言处理的重要应用技术之一。当前使用深度学习的方法进行中文文本校对或者使用深度学习和传统方法结合已经成为主流。然而使用深度学习方法最重要的挑战之一是没有足够多的标记数据用于模型的训练。为解决校对数据不足的问题,本文提出自动生成中文文本校对语料库的方法。鉴于当前中文校对数据分为两类,即中文文本拼写校对和中文文本语法校对,因此本文的主要工作有两点:一是自动生成中文拼写校对语
随着软件安全性的重要性日益增长,在设计阶段发现问题以规避后续修复问题的成本变得越来越重要,使用模型驱动的方法进行软件开发也因此越来越受到重视,这同样也对嵌入式系统的软件安全性分析提出了更高的要求,在这种趋势下危害演化链应运而生,危害演化链具有演绎性分析、集成多方面信息、分析结果更全面更系统等优势。此外,对于软件系统尤其是嵌入式软件系统,安全性问题发现的阶段越早,后续修改的成本越低。而相比于对静态模
超分辨率重建(Super Resolution,SR)是图像处理领域的重要组成部分,也是当今科学研究的热点问题。本文的研究对象是在静电悬浮结合垂直真空落管实验设备上采集的低分辨率(Low Resolution,LR)材料熔滴图像。针对现有的SR方法应用在熔滴图像上往往会出现边缘模糊、纹理细节信息不足等问题,本文以卷积神经网络(Convolutional Neural Networks,CNN)为主
随着物联网技术和众多新科技成果的结合与发展,产生了诸多便利生活的设备,这些设备在使用期间,产生了大量隐私、敏感数据,与此同时,私人数据的收集、泄露已经越来越隐蔽、普遍,因此物联网资源安全访问控制就变成了一个亟待解决的问题。访问控制技术常常被用来解决物联网在信息通信和访问中的安全性问题,但是传统的访问控制系统容易单点故障,且在不可信的环境中进行访问控制操作容易发生数据泄露。区块链和访问控制技术结合,
随着人工智能技术的快速发展,以及人们对新兴技术的迫切需求,催生了数量众多的智能创新与应用,以智能汽车为代表的智能交通建设已成为国内外一个极具研究价值的重要课题。激光雷达(LiDAR)传感器依据先进的激光测距原理,获取的环境点云数据精确度高,测量的范围广,不易受天气、光照、物体表面纹理等影响,已被广泛应用到各种智能移动设备的环境监测、自主导航、路径规划中,是智能汽车实现环境感知的核心设备。然而,Li
近两年,受疫情的影响,人们进出公共场合需进行登记与身份验证。目前普遍采用的人脸识别系统易受口罩遮挡的影响。本文从虹膜识别领域出发探索一种面向移动端的虹膜识别方法。与传统虹膜识别方法相比,基于神经网络的虹膜识别方法精度更高、系统鲁棒性更强,但其参数量庞大,对运算、存储需求较高,难以部署在硬件有限的移动端设备上。为解决上述问题,本文提出一种将轻量化网络结构与模型量化技术相结合的轻量化神经网络用于移动端
移动边缘计算是在物联网背景下的一种分布式计算模式,可以将计算、存储以及小型云中心的处理能力转移到网络边缘。本文从移动边缘计算的架构、特性优势,对邻近性与位置获取进行阐述,对几种新兴的应用场景做了分析,进一步讨论了移动边缘计算在未来的发展以及可能遇到的挑战。本文以节点的移动性预测与计算卸载方法两方面开展研究,主要内容如下:设计了基于移动边缘计算的预测服务框架,利用岭回归优化回声状态网络,对移动节点出
图像风格迁移是近年来十分活跃的研究方向,该研究因其迁移结果的多样性,及其特征提取的思想在其他计算机视觉应用中具有通用性,从而具有一定的应用价值和学术价值。水墨画作为我国重要的文化遗产,具有极强的艺术风格特性,是传播中华文化的重要代表。科技和艺术的融合研究是近年的学术热点,为了更好地弘扬民族文化,本文将风格迁移与中国水墨艺术画相结合,基于循环式生成对抗网络(Cycle GAN)提出了一种新的水墨风格
近几年来,随着大数据的热潮,数据分析处理愈发复杂,传统的一些机器学习技术已越来越不能够适用于当前的大部分数据分析任务。纷繁复杂的现象往往需要多变量数据来描述,而这些数据维数高、样本量大,通过降维技术从这些数据中分析出隐含的数据信息,了解数据的本质特征,有助于更好的提供各领域的信息服务。本文通过对高维数据降维以及预测的相关理论和技术展开系统研究,对相关算法分别对比探究。选用传统主成分分析算法(PCA
随着卷积神经网络在图像视频识别等领域的广泛应用,海量的卷积神经网络计算任务需要得到高效的处理。传统的处理器架构,例如CPU和GPU,由于其结构的局限性无法很好地适应神经网络的计算特点。尽管许多相关工作提出了基于近存储计算的深度神经网络专用加速器,但在冯诺依曼架构下,无法从本质上解决存储墙对深度神经网络加速器性能的影响。因此,研究者们提出基于内存计算的深度神经网络加速器来缓解大量数据访存带来的存储墙