煤矿采空区覆岩破裂分布式声波传感监测OA北大核心CSTPCD

煤矿采空区覆岩破裂信号作为开采沉陷的前兆特征,对其开展监测有助于预警采空区塌陷事件。但现有手段难以实现大范围、全方位、分布式的监测。以我国宁东矿区羊场湾煤矿为研究区域,引入分布式声波传感技术(distributed acoustic sensing,简称DAS)对采空区覆岩破裂信号开展连续监测。针对DAS数据信噪较低的问题,对比试验了5种去噪方法。对预处理后的信号开展时频分析,提取覆岩破裂信号;进一步将DAS信号转换为递归图以构建数据集,训练基于卷积神经网络的覆岩破裂信号智能识别模型。结果表明,同步压缩小波变换能够很好地压制DAS数据的噪声。覆岩破裂信号与非覆岩破裂信号的递归图之间具有明显区别,训练得到的VGG-16模型在分类二者的任务上实现了85%的准确率。因此,利用DAS技术监测覆岩破裂具有可行性,本研究所提出的基于递归图和卷积神经网络VGG-16的深度学习方法可实现对覆岩破裂信号的智能识别。研究成果为后续开发基于DAS系统的开采沉陷智能预警系统提供了一定技术支撑。