一种异常地质探测解析装置、方法及系统与流程

本发明涉及隧道挖掘技术领域，特别是涉及一种异常地质探测解析装置、方法及系统。

背景技术：

随着深长岩石隧道建设的不断发展，全断面岩石掘进机(fullfacerocktunnelboringmachine，tbm)得到越来越多的应用。众多工程实践表明，由于地层条件的复杂性和tbm对地质条件变化的敏感性，tbm在掘进过程中不可避免地会受到异常地质的严重影响，易引发卡机甚至机毁人亡等重大事故。为避免tbm施工过程中地质灾害和安全事故的发生，最有效的解决方法就是采用超前地质探测技术提前查明工作面前方异常地质情况，预先制定合理的处置措施和施工预案。

现有的超前地质探测技术主要包括：隧道随钻地震超前探测技术、主动源地震超前探测技术、水平地震波断面探测技术。然而隧道随钻地震超前探测技术采用刀具破岩激发的声波信号频带较宽且频率复杂，有效波的识别难度大，导致探测精确度不高；主动源地震超前探测技术未采用有效的三维空间观测方式，导致异常地质的空间定位效果差，从而使探测精确度不高；水平地震波断面探测技术利用刀盘切割岩石所产生的声波信号作为激发信号，因声波形式与观测方法简单，声波反演评价方法复杂，导致探测精确度不高。可见，现有的超前地质探测技术普遍存在探测精度低的技术问题。

技术实现要素：

本发明的目的是提供一种异常地质探测解析装置、方法及系统，可以有效提高探测精度。

为实现上述目的，本发明提供了如下方案：

一种异常地质探测解析装置，用于全断面岩石掘进机。该装置包括：掘进参数采集装置、激振波传感器、岩屑图像采集装置、系统主机；

所述掘进参数采集装置安装于所述全断面岩石掘进机的驾驶室，用于采集所述全断面岩石掘进机的掘进参数，并将所述掘进参数输出到所述系统主机；所述激振波传感器安装于隧道壁，用于采集所述全断面岩石掘进机在掘进过程中产生的激振波，并将激振波信号输出到所述系统主机；所述激振波为刀盘在切割岩石的过程中，与岩石相互作用产生的振动波；所述岩屑图像采集装置安装于所述刀盘后方出渣口处的皮带的上方，用于拍摄所述出渣口处的皮带上的岩屑图像，并将所述岩屑图像输出到所述系统主机；

所述系统主机根据所述掘进参数、所述激振波信号和所述岩屑图像对地质类型进行分类并分析异常地质的信息参数。

可选的，所述激振波传感器包括三分量检波器、固定装置；所述三分量检波器用于检测激振波，所述固定装置用于将所述三分量检波器固定在隧道壁上；

所述三分量检波器内置三个相互垂直的速度传感器，用于检测相互垂直的三个方向上的振动速度；每个所述速度传感器的输出信号均通过无线发射装置发送到所述系统主机；所述三分量检波器的外壳上固定连接有一万向球；

所述固定装置包括锚杆接头、连接壳体；所述连接壳体为由两个截面为半圆的外壳紧密贴合形成的圆柱壳体；两个所述外壳通过螺栓紧密贴合在一起；所述万向球和所述锚杆接头分别嵌在所述连接壳体的两端。

可选的，所述激振波传感器还包括信道控制装置；所述信道控制装置用于当所述激振波传感器的位置发生变化时，对应调整所述激振波信号的传输信道。

可选的，所述岩屑图像采集装置包括相机和可调光源；所述可调光源用于照亮所述出渣口处的皮带上的岩屑；所述岩屑图像采集装置的拍摄频率根据所述皮带运行的速度调节。

本发明还公开了一种异常地质探测解析方法，用于所述异常地质探测解析装置；所述方法包括：

获取采集到的掘进参数、激振波信号和岩屑图像，得到实测信息；

对所述岩屑图像中的岩屑进行分类处理，得到不同形状的岩屑的岩屑信息；

利用循环神经网络对所述岩屑信息进行时程滞后处理，纠正所述岩屑信息相对所述掘进参数和所述激振波信号的时程偏差，得到掘进参数时程变化信息特征、激振波时程变化信息特征和岩屑时程变化信息特征；

利用神经网络对所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征进行融合，使所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征的维度统一，得到融合信息特征；

利用卷积神经网络对所述融合信息特征进行深度特征的提取，得到深层信息特征；

利用softmax分类器对所述深层信息特征进行地质信息的分类，得到地质类型；所述地质类型包括正常地质类型和异常地质类型；

对所述异常地质类型进行softmax回归，得到异常地质信息参数。

可选的，在所述对所述异常地质类型进行线性回归，得到异常地质信息参数之后，还包括：

获取掘进过程中实际地质条件的实际地质参数；

将所述实际地质参数与所述异常地质信息参数进行对比，得到信息偏差；

根据所述信息偏差对所述实测信息更新所述地质类型和所述异常地质信息参数。

本发明还公开了一种异常地质探测解析系统，包括：

获取单元，用于获取采集到的掘进参数、激振波信号和岩屑图像，得到实测信息；

岩屑分类单元，用于对所述岩屑图像中的岩屑进行分类处理，得到不同形状的岩屑的岩屑信息；

时程特征解析单元，用于利用循环神经网络对所述岩屑信息进行时程滞后处理，纠正所述岩屑信息相对所述掘进参数和所述激振波信号的时程偏差，得到掘进参数时程变化信息特征、激振波时程变化信息特征和岩屑时程变化信息特征；

数据融合单元，用于利用神经网络对所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征进行融合，使所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征的维度统一，得到融合信息特征；

深层信息特征提取单元，用于利用卷积神经网络对所述融合信息特征进行深度特征的提取，得到深层信息特征；

地质信息分类单元，用于利用softmax分类器对所述深层信息特征进行地质信息的分类，得到地质类型；所述地质类型包括正常地质类型和异常地质类型；

地质信息参数回归单元，用于对所述异常地质类型进行softmax回归，得到异常地质信息参数。

可选的，所述系统，还包括：

实际参数获取单元，用于获取掘进过程中实际地质条件的实际地质参数；

对比单元，用于将所述实际地质参数与所述异常地质信息参数进行对比，得到信息偏差；

参数更新单元，用于根据所述信息偏差对所述实测信息更新所述地质类型和所述异常地质信息参数。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明同时采集掘进参数、激振波信号和岩屑图像三方面信息，可以实现对掌子面前方异常地质的实时近距离精确分析；利用循环神经网络、双层神经网络和卷积神经网络对获取的实测信息进行分析，提高了分析结果的精确度，并且在对实测信息进行分析的同时还实现对分析结果对比和学习，进一步提高了异常地质探测的精确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明异常地质探测解析装置实施例的装置结构图；

图2为本发明异常地质探测解析装置实施例的激振波传感器的结构图；

图3为本发明异常地质探测解析装置实施例的三分量检波器的结构图；

图4为本发明异常地质探测解析装置实施例的激振波传感器的排列方式的结构图；

图5为本发明异常地质探测解析方法实施例的方法流程图；

图6为本发明异常地质探测解析系统实施例的系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明异常地质探测解析装置实施例的装置结构图。

该异常地质探测解析装置，用于全断面岩石掘进机1。

参见图1，该异常地质探测解析装置包括：掘进参数采集装置2、激振波传感器3、岩屑图像采集装置4、系统主机(图中未示出)；

所述掘进参数采集装置安装于所述全断面岩石掘进机1的驾驶室5，与所述驾驶室5内的中控系统相连，用于采集所述全断面岩石掘进机1的掘进参数，并将所述掘进参数输出到所述系统主机；所述掘进参数包括：推力、扭矩、贯入度、转速、掘进速度等。所述激振波传感器3安装于隧道壁6，用于采集所述全断面岩石掘进机1在掘进过程中产生的激振波，并将激振波信号输出到所述系统主机；所述激振波为刀盘7在切割岩石的过程中，与岩石相互作用产生的振动波；所述岩屑图像采集装置4安装于所述刀盘7后方出渣口处的皮带8的上方，用于拍摄所述出渣口处的皮带8上的岩屑图像，并将所述岩屑图像输出到所述系统主机；

所述系统主机根据所述掘进参数、所述激振波信号和所述岩屑图像对地质类型进行分类并分析异常地质的信息参数。

本发明同时考虑掘进参数、激振波信号和岩屑图像三方面的信息，提高了对掌子面前方异常地质实时探测的精确度。

图2为本发明异常地质探测解析装置实施例的激振波传感器的结构图。

参见图2，所述激振波传感器3包括三分量检波器9、固定装置10；所述三分量检波器9用于检测激振波，所述固定装置10用于将所述三分量检波器9固定在隧道壁6上；

在三分量检波器9的外壳11上固定连接有一万向球18；所述万向球18用于将所述三分量检波器9固定在所述固定装置10上。

所述固定装置10包括锚杆接头20、连接壳体21；所述连接壳体21为由两个截面为半圆的外壳紧密贴合形成的圆柱壳体；两个所述外壳通过螺栓22紧密贴合在一起；所述万向球18和所述锚杆接头20分别嵌在所述连接壳体21的两端。所述锚杆接头20固定在锚杆上，所述锚杆插入到隧道壁6中，从而起到固定作用。

所述连接壳体21与所述万向球18连接的一端为球形空腔，所述万向球18与所述球形空腔通过细密的凸起与凹陷实现刚性连接。

图3为本发明异常地质探测解析装置实施例的三分量检波器的结构图。

参见图3，所述三分量检波器9的外壳11内部设置有三个相互垂直的速度传感器(图中未示出)和供电电源(图中未示出)；三个相互垂直的速度传感器用于检测相互垂直的三个方向上的振动速度；供电电源用于为所述三分量检波器提供电能；

所述三分量检波器9的外壳11上设置有x正向指针12、水准气泡13、led显示屏14、无线发射装置15、有线传输接口16、usb接口17；所述x正向指针12用于指示三分量检波器9的检波方向，在安装时需要保证x正向指针12的指向平行于开挖轴线并指向开挖面前方的地质层；所述水准气泡13用于显示三分量检波器9的水平程度，在安装时通过观察所述水准气泡13来判断所述三分量检波器9是否水平；所述led显示屏14用于显示供电电源的电量、激振波信号、传输信道等信息；所述无线发射装置15与三个相互垂直的速度传感器相连，每个所述速度传感器的输出信号均通过无线发射装置15发送到所述系统主机；所述有线传输接口16与三个相互垂直的速度传感器相连，每个所述速度传感器的输出信号也可以通过有线传输接口16发送到所述系统主机；所述usb接口17用于外接usb设备。

所述外壳11上印有操作说明19，所述操作说明19说明了所述三分量检波器9的操作方法。

在进行三分量检波器9的安装时，预先在隧道壁6上确定安装位置，然后将锚杆接头20固定在锚杆上，将连接壳体21一端卡住锚杆接头20，另一端卡住万向球18，轻轻旋动螺栓22，旋紧程度保证所述三分量检波器9可以自然固定住，并可以通过人工调整位置，此时对三分量检波器9进行对准和调平，保证x正向指针12平行于开挖轴线并指向开挖面前方的地质层且所述水准气泡13位于正中央，然后将所述螺栓22旋紧至极限位置，实现所述三分量检波器9的安装。当需要拆卸下所述三分量检波器9时，只需要拧松所述螺栓22，将所述三分量检波器9和连接壳体21取下即可。

图4为本发明异常地质探测解析装置实施例的激振波传感器的排列方式的结构图。

参见图4，在本发明的该实施例中，所述激振波传感器3为多个，多个所述激振波传感器3形成传感器阵列实现对激振波信号的检测。所述传感器阵列包括三个传感器组：第一传感器组、第二传感器组和第三传感器组；每个所述传感器组中的传感器的排列方式相同，均等距线性排列，且排列方向与开挖轴线方向平行；所述第一传感器组安装于隧道壁6的左侧，所述第二传感器组安装于隧道壁6的顶部；所述第三传感器组安装于隧道壁6的右侧；三个所述传感器组中的处于对应位置的激振波传感器相对激震源的距离一致。本发明公开的传感器阵列的排列方式可以实现地质层的三维检测。

所述激振波传感器3还包括信道控制装置(图中未示出)；所述信道控制装置用于当所述激振波传感器的位置发生变化时，对应调整所述激振波信号的传输信道；在所述三分量检波器9的外壳11上设置有操作面板，所述操作面板上设置有编号按钮。所述编号按钮用于调整所述三分量检波器的编号。所述编号按钮与所述信道控制装置相连；每个编号均对应一个传输信道，当所述三分量检波器9的编号发生变化时，所述三分量检波器9所对应的传输信道也对应发生变化。因此，所述编号按钮实际上用于调整所述三分量检波器9所对应的传输信道。

在掘进过程中，随着激震源的前进，为了保证每次激振波检测时激震源的距离与激振波传感器3的距离相同，则需要实时调整激振波传感器阵列的位置。当激震源变远时，则需要将每个传感器组中距离激震源最远的激振波传感器3的位置调整到最前方，使每个传感器组中距离激震源最远的激振波传感器3调整为距离激震源最近的激振波传感器3。而此时，要对应调整各个三分量检波器的传输信道，即通过调整各个三分量检波器9的编号，以使每个传感器组中各个三分量检波器9的编号始终保持按照与激震源的距离从近到远依次增加的顺序，从而使传输到系统主机的激振波信号只与三分量检波器9的空间位置有关，实现在全断面岩石掘进机1的掘进过程中，对地质层进行动态三维探测。

在本发明的该实施例中，每个传感器组中均包括三个激振波传感器3，即包括三个三分量检波器9，则第一传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为l1、l2、l3，第二传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为m1、m2、m3，第三传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为r1、r2、r3。在掘进的过程中，激震源的距离会变远，此时需要将每个传感器组中距离激震源最远的激振波传感器3前移，以减小传感器阵列相对激震源的距离。因此，需要将编号为l3、m3和r3的三分量检波器9对应的激振波传感器3前移，使编号为l3、m3和r3的三分量检波器9成为传感器阵列中与激震源的距离最近的三个三分量检波器9。此时第一传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为l3、l1、l2，第二传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为m3、m1、m2，第三传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为r3、r1、r2。此时，按动操作面板上的编号按钮，对各个三分量检波器9的编号进行调整，使原编号l3变为编号l1，原编号l1变为编号l2，原编号l2变为编号l3，原编号m3变为编号m1，原编号m1变为编号m2，原编号m2变为编号m3，原编号r3变为编号r1，原编号r1变为编号r2，原编号r2变为编号r3。编号调整后，第一传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为l1、l2、l3，第二传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为m1、m2、m3，第三传感器组中的三个三分量检波器9的编号按与激震源的距离从近到远依次为r1、r2、r3。

通过上述对编号进行调整，从而改变各个三分量检波器9所对应的传输信道，保证传输信道只与三分量检波器9相对激震源的距离有关，实现地质层的三维动态探测。同时本发明可以实现随掘随测，提高了岩石探测效率，不影响全断面岩石掘进机的掘进工期。

所述岩屑图像采集装置4包括相机和可调光源；所述可调光源用于照亮所述出渣口处的皮带8上的岩屑；所述岩屑图像采集装置4的拍摄频率根据所述皮带8运行的速度调节。所述相机为工业摄像设备，例如可以为线阵相机或面阵相机。所述相机可为多个，实现多点拍摄；所述岩屑图像采集装置4还包括图像传输模块，用于将所述岩屑图像发送到所述系统主机。

所述系统主机包括信号接收器，所述信号接收器用于接收所述激振波传感器采集到的激振波信号、所述掘进参数采集装置采集到的掘进参数、岩屑图像采集装置采集到的岩屑图像；所述信号接收器通过不同的传输信道接收信号。

所述系统主机内置图像预处理模块和岩屑特征提取模块，所述图像预处理模块用于对所述岩屑图像进行预处理，具体包括：先基于连通区域的滤波算法来滤除所述岩屑图像中的噪声，所述噪声包括椒盐噪声、脉冲噪声、高斯噪声等；然后利用灰度腐蚀和局部直方图拉伸对所述岩屑图像进行预处理，以提高所述岩屑图像的质量，降低拍摄条件不利、光照不均匀和对比度低的缺陷。所述岩屑特征提取模块用于通过特征提取从而对岩屑进行分类，具体包括：通过岩屑边缘划分、岩屑形态拟合和岩屑长度宽度像素域计算，提取岩屑特征参数，计算得到岩屑体积和出渣量，从而对岩屑进行分类统计，岩屑类别包括块状岩屑、片状岩屑和条状岩屑，得到岩屑信息。

所述系统主机还包括存储器，用于存储所述信号接收器接收到的所述激振波信号和所述掘进参数以及所述岩屑特征提取模块提取的所述岩屑信息。

所述系统主机还包括显示器、鼠标等硬件设备，用于用户对所述系统主机进行人机交互。

为了实现对异常地质的探测解析，本发明建立了一种端对端rnn-cnn的深度学习模型，简称t-net模型，所述t-net模型包括：时程特征解析模块、数据融合模块、深层信息特征提取模块、地质信息分类模块和地质信息参数回归模块；

所述时程特征解析模块与所述存储器相连，从所述存储器中获取所述激振波信号、所述掘进参数和所述岩屑信息，并利用循环神经网络对所述激振波信号、所述掘进参数和所述岩屑信息进行时程特征解析处理。由于所述岩屑图像采集装置4安装于所述刀盘7后方出渣口处的皮带8的上方，需待到所述岩屑从隧道壁6上掉落到皮带8上，并被输送到岩屑图像采集装置4的图像采集区域内时才能获取到岩屑图像，而所述激振波信号和所述掘进参数是实时采集的，因此岩屑图像的获取时间相对所述激振波信号和所述掘进参数的获取时间要滞后，需要对所述岩屑信息进行时程滞后处理，才能确定与所述岩屑信息处于同一时程的所述激振波信号和所述掘进参数，从而得到掘进参数时程变化信息特征、激振波时程变化信息特征和岩屑时程变化信息特征。

所述循环神经网络的编码过程如下：

ht＝φ(ht-1,xt)＝f(w^(hh)ht-1+w^(hx)xt)

所述循环神经网络的解码过程如下：

ht＝φ(ht-1)＝f(w^(hh)ht-1)

式中ht为t时刻神经元的输出，ht-1为t-1时刻神经元的输出，xt为t时刻神经元的输入，w^(hh)为t-1时刻神经元和t时刻神经元之间的权重向量，w^(hx)为神经元的输入与神经元的输出之间的权重向量。φ为编码函数或解码函数，f为激活函数。

所述数据融合模块利用神经网络对所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征进行融合，使所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征的维度统一，得到融合信息特征。只有使所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征的维度融合到同一个维度下，才能将所述融合后得到的融合信息特征输入到卷积神经网络中进行深度特征的提取。所述数据融合模块利用的神经网络的层数可以根据计算量和计算时间进行调整，在本发明的该实施例中所述数据融合模块选用的神经网络为双层神经网络。

所述深层信息特征提取模块利用卷积神经网络对所述融合信息特征进行深度特征的提取，得到深层信息特征；在本发明的该实施例中，所述卷积神经网络的层数为三层，每层所述卷积神经网络的卷积核的个数和大小在对所述t-net模型进行训练时进行调节。本发明的该深层信息特征提取模块通过深度特征的提取，可以有效去除噪声的干扰。

所述地质信息分类模块利用softmax分类器对所述深层信息特征进行地质信息的分类，得到地质类型；所述地质类型包括正常地质类型和异常地质类型；在对所述t-net模型进行训练时，所述地质信息分类模块的损失函数采用交叉熵损失函数。

地质信息参数回归模块对所述异常地质类型进行softmax回归，得到异常地质信息参数。所述异常地质信息参数包括异常地质的三维空间坐标、异常地质形态和异常地质尺寸。

在利用所述t-net模型进行异常地质探测解析之前，需要对所述t-net模型进行训练，训练过程为：将每种地质类型在不同的地质信息参数的情况下测量得到的激振波信号、掘进参数和岩屑信息构建人工训练集，并利用所述人工训练集对所述t-net模型进行训练。

在利用所述t-net模型进行异常地质探测解析的过程中，还可以实现对所述t-net模型的实时更新，具体过程为：获取掘进过程中实际地质条件的实际地质参数；将所述实际地质参数与所述异常地质信息参数进行对比，得到信息偏差；根据所述信息偏差对所述实测信息更新所述地质类型和所述异常地质信息参数，从而实现对所述t-net模型的实时更新。通过在t-net模型进行异常地质探测解析的过程中对t-net模型的实时更新，从而可以提高t-net模型的稳定性和鲁棒性。

所述系统主机还包括异常地质存储模块，所述异常地质存储模块与所述t-net模型的地质信息参数回归模块相连，用于记录所述异常地质信息参数，便于对所述异常地质信息参数统计分析和研究。

图5为本发明异常地质探测解析方法实施例的方法流程图。

该异常地质探测解析方法，用于所述异常地质探测解析装置；参见图5，该方法包括：

步骤501：获取采集到的掘进参数、激振波信号和岩屑图像，得到实测信息；

步骤502：对所述岩屑图像中的岩屑进行分类处理，得到不同形状的岩屑的岩屑信息；

步骤503：利用循环神经网络对所述岩屑信息进行时程滞后处理，纠正所述岩屑信息相对所述掘进参数和所述激振波信号的时程偏差，得到掘进参数时程变化信息特征、激振波时程变化信息特征和岩屑时程变化信息特征；

步骤504：利用神经网络对所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征进行融合，使所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征的维度统一，得到融合信息特征；

步骤505：利用卷积神经网络对所述融合信息特征进行深度特征的提取，得到深层信息特征；

步骤506：利用softmax分类器对所述深层信息特征进行地质信息的分类，得到地质类型；所述地质类型包括正常地质类型和异常地质类型；

步骤507：对所述异常地质类型进行softmax回归，得到异常地质信息参数。

在步骤507之后，还包括：

步骤508：获取掘进过程中实际地质条件的实际地质参数；

步骤509：将所述实际地质参数与所述异常地质信息参数进行对比，得到信息偏差；

步骤510：根据所述信息偏差对所述实测信息更新所述地质类型和所述异常地质信息参数。

本发明同时采集掘进参数、激振波信号和岩屑图像三方面信息，可以实现对掌子面前方异常地质的实时近距离精确分析；利用循环神经网络、双层神经网络和卷积神经网络对获取的实测信息进行分析，提高了分析结果的精确度，并且在对实测信息进行分析的同时还实现对分析结果对比和学习，进一步提高了异常地质探测的精确度。

图6为本发明异常地质探测解析系统实施例的系统结构图。

参见图6，该异常地质探测解析系统，包括：

获取单元601，用于获取采集到的掘进参数、激振波信号和岩屑图像，得到实测信息；

岩屑分类单元602，用于对所述岩屑图像中的岩屑进行分类处理，得到不同形状的岩屑的岩屑信息；

时程特征解析单元603，用于利用循环神经网络对所述岩屑信息进行时程滞后处理，纠正所述岩屑信息相对所述掘进参数和所述激振波信号的时程偏差，得到掘进参数时程变化信息特征、激振波时程变化信息特征和岩屑时程变化信息特征；

数据融合单元604，用于利用神经网络对所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征进行融合，使所述掘进参数时程变化信息特征、所述激振波时程变化信息特征和所述岩屑时程变化信息特征的维度统一，得到融合信息特征；

深层信息特征提取单元605，用于利用卷积神经网络对所述融合信息特征进行深度特征的提取，得到深层信息特征；

地质信息分类单元606，用于利用softmax分类器对所述深层信息特征进行地质信息的分类，得到地质类型；所述地质类型包括正常地质类型和异常地质类型；

地质信息参数回归单元607，用于对所述异常地质类型进行softmax回归，得到异常地质信息参数；

实际参数获取单元608，用于获取掘进过程中实际地质条件的实际地质参数；

对比单元609，用于将所述实际地质参数与所述异常地质信息参数进行对比，得到信息偏差；

参数更新单元610，用于根据所述信息偏差对所述实测信息更新所述地质类型和所述异常地质信息参数。

本发明同时采集掘进参数、激振波信号和岩屑图像三方面信息，可以实现对掌子面前方异常地质的实时近距离精确分析；利用循环神经网络、双层神经网络和卷积神经网络对获取的实测信息进行分析，提高了分析结果的精确度，并且在对实测信息进行分析的同时还实现对分析结果对比和学习，进一步提高了异常地质探测的精确度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。