基于激光诱导和simca分类法的矿井突水水源识别装置及方法
【专利摘要】本发明公开了一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置及方法，该装置包括激光器、浸入式探头、光探测器、光谱分析模块和识别模块，激光器与浸入式探头通过光纤连接，激光器将激光打入涌水点的被测水体，被测水体受激辐射发出荧光，由浸入式探头实时接收荧光信号，经光纤传输至光探测器；采用至少两路并行光探测器，同时分别读取设定的各个波段的荧光信号；光谱分析模块根据光探测器输出的荧光信号，并进行滤波和A/D转换，经过数据整合后输出一路完整波段的荧光光谱数据；识别模块根据输入的被测水体的荧光光谱数据以及已知水样的PCA模型，基于SIMCA算法判断被测水体属于哪种已知水样。本发明实现了水源类型及时、准确的在线识别。
【专利说明】基于激光诱导和SIMCA分类法的矿井突水水源识别装置及 方法
【技术领域】
[0001] 本发明涉及采矿【技术领域】，具体涉及一种基于激光诱导和SIMCA分类法的矿井突 水水源识别装置及方法。
【背景技术】
[0002] 我国地质状况复杂，煤炭开采时地质灾害频发。瓦斯、煤尘、水、火和顶板灾害并称 煤矿五大灾害，自建国以来无论是从事故数量上还是死亡人数上，水害事故均仅次于瓦斯 事故，位居煤矿五大灾害第二位。矿井突水的主要类型有地表水、奥陶系灰岩岩溶水、煤系 砂岩裂隙水、煤系灰岩水、第四系冲积层水和老窑水这六种水，除地表水可防可控外，其余 五种水由于深埋地下，因此皆存在不可预见性。矿井突水预警的主要方式即进行突水水源 类型的实时在线识别。
[0003] 目前尚无一种设备能实现煤矿井下的突水在线预警，传统的水源识别全部采用水 化学方法，测量水中代表离子的离子浓度进行建模识别。此类方法需要人员定时在涌水点 采集水样，且检测离子浓度耗时需要一小时以上，完全不能适应在线预警的要求。
[0004] 因此，在突水事故发生之前及时对矿区排出水源进行识别，判断是否属于矿区已 知突水水样，提前排出可能存在的水害危险，对矿区安全生产尤其重要。
【发明内容】
[0005] 本发明的目的是提供一种基于激光诱导和SMCA分类法的矿井突水水源识别装 置及方法，以解决传统水化学技术不能实现在线式水源类型识别、识别准确度低的问题。
[0006] 为了达到上述目的，本发明所采用的技术方案为：
[0007] -种基于激光诱导和SMCA分类法的矿井突水水源识别装置，用于根据已知水样 的PCA模型对被测水体进行识别，该装置包括激光器、浸入式探头、光探测器、光谱分析模 块和识别模块，其中激光器与浸入式探头通过光纤连接，激光器将激光打入涌水点的被测 水体，被测水体受激辐射发出荧光，由浸入式探头实时接收荧光信号，经光纤传输至光探测 器；采用至少两路并行光探测器，同时分别读取设定的各个波段的荧光信号；光谱分析模 块根据光探测器输出的荧光信号，并进行滤波和A/D转换，经过数据整合后输出一路完整 波段的荧光光谱数据；识别模块根据输入的被测水体的荧光光谱数据以及已知水样的PCA 模型，基于SMCA算法判断被测水体属于哪种已知水样。
[0008] 进一步地，所述光探测器为4个，所述光谱分析模块为FPGA，所述FPGA通过内部编 程对4路并行光探测器进行控制，规定各光探测器采集的荧光光谱波段分别为400-499nm、 500-599nm、600-699nm和700-799nm波段，将4路荧光光谱数据按顺序进行数据整合，输出 400-799nm完整波段的荧光光谱数据。所述光探测器为4路并行NMOS光探测器，在同一时 刻分别采集不同波段的荧光信号，可节约扫描时间。
[0009] 具体地，所述识别模块判断被测水体属于哪种已知水样，具体执行如下操作：
[0010] 读取被测水体的荧光光谱数据，采用移动平均法对该光谱数据进行数据预处理；
[0011] 分别计算被测水体与不同已知水样的拟合偏差，以及总体偏差；
[0012] 在显著性程度a=5%的情况下，进行F检测，将F的计算值与临界值进行比较， 若F的计算值小于临界值，则被测水体属于该F的计算值对应的已知水样。
[0013] 本发明还提出了一种基于激光诱导和SMCA分类法的矿井突水水源识别方法，用 于根据已知水样的PCA模型对被测水体进行识别，该方法包括以下步骤：
[0014] 激光器将激光打入涌水点的被测水体，被测水体受激辐射发出荧光，由浸入式探 头实时接收荧光信号，经光纤传输至光探测器；
[0015]采用至少两路并行光探测器，同时分别读取设定的各个波段的荧光信号；
[0016] 获取光探测器输出的荧光信号，进行滤波和A/D转换，经过数据整合后输出一路 完整波段的荧光光谱数据；
[0017] 根据被测水体的荧光光谱数据以及已知水样的PCA模型，基于SMCA算法判断被 测水体属于哪种已知水样。
[0018] 进一步地，所述判断被测水体属于哪种已知水样，包括以下步骤：
[0019] 读取被测水体的荧光光谱数据，采用移动平均法对该光谱数据进行数据预处理；
[0020] 分别计算被测水体与不同已知水样的拟合偏差，以及总体偏差；
[0021] 在显著性程度a=5%的情况下，进行F检测，将F的计算值与临界值进行比较， 若F的计算值小于临界值，则被测水体属于该F的计算值对应的已知水样。
[0022] 本发明提出的基于激光诱导和SIMCA分类法的矿井突水水源识别装置及方法，采 用激光装置，系统简单、安全性好。并采用先进的SIMCA算法对矿井突水水源类型进行识 另IJ，运算速度快，识别精度高，可以做到水源类型的在线识别，而且采用VS2008软件作为在 线监测界面，界面友好。依据煤矿井下突水特点，从预警煤矿灾害事故出发，根据矿井水文 地质的实际情况，充分利用SIMCA算法和激光诱导（LIF)技术的优点对矿井突水进行预警， 以实现在水灾事故未发生时，及时采取相关措施，将危险程度降至最低。
【专利附图】
【附图说明】
[0023] 图1为本发明矿井突水水源识别装置结构示意图；
[0024] 图2为本发明实施例的识别效果图。
【具体实施方式】
[0025] 下面结合附图和实施例对本发明技术方案做进一步详细说明，以下实施例不构成 对本发明的限定。
[0026] 如图1所示，本发明基于激光诱导和SIMCA分类法的矿井突水水源识别装置包括 激光器、浸入式探头、光探测器、光谱分析模块和识别模块。
[0027] 采用激光器激发被测水体辐射发出荧光的方法称为激光诱导荧光（Laser inducedfluorescence，LIF)。本实施例中激光器与浸入式探头通过光纤连接，采用405nm 激光器将激光打入涌水点的被测水体，被测水体受激辐射发出荧光，由浸入式探头实时接 收荧光信号，经光纤传输至光探测器进行光电转换。本实施例浸入式探头经特殊设计，可使 激发光和荧光达到最佳分离，且激发效率高。
[0028] 具体地，本实施例的浸入式探头采用直角光路系统，以使入射光和荧光在被测水 体中达到最佳分离。在激光经光纤传入探头时，首先接触一特制棱镜，光路发生90度转变， 进入被测水体，实现对被测水体的激发，其后接触一端面的凹面镜，反射后再次进入被测水 体，对其进行二次激发，此种设计可以尽可能的提高荧光效率，增加荧光强度。
[0029] 本实施例的光探测器为NMOS光探测器，被测水体受激辐射发出荧光，经光纤传 输至NMOS光探测器。本实施例采用4路并行NMOS光探测器，同时分别读取400-499nm、 500-599nm、600-699nm和700-799nm波段的荧光信号。光探测器由光谱分析模块进行驱动 控制，同时分别读取不同波段的荧光信号，将荧光信号转化为电信号。所述光探测器为4路 并行NMOS光探测器，在同一时刻分别采集不同波段的荧光信号，可节约扫描时间。
[0030] 本实施例光谱分析模块为FPGA，对光探测器输出的点信号进行滤波和A/D转换， 经过数据整合后输出1路400-799nm完整波段的荧光光谱数据。
[0031] 本实施例的光谱分析模块为FPGA，通过内部编程对4路并行光探测器进行控制， 规定各光探测器采集的荧光光谱波段，将4路荧光光谱数据按顺序进行数据整合。以一定 顺序读取A/D转换处理后的4路荧光光谱数据，进行数据整合，输出1路完整波段的荧光光 谱数据，荧光光谱数据经485总线送至识别模块。本实施例识别模块为上位机，装有VS2008 软件和MATLAB软件，调用MATLAB软件建立的已知水样PCA模型对实时被测水体的荧光光 谱数据进行SMCA分类，VS2008软件用来时时显示突水水源类型变化情况。
[0032] 具体地，本实施例识别模块SMCA算法的MATLAB仿真基于以下流程：
[0033] 1、输入已知水样荧光光谱数据矩阵，采用移动平均（Moving-Average)法对已知 水样荧光光谱数据进行数据预处理。运用合理的数据预处理方法可提取荧光光谱数据的特 征信息，消除各种噪声和干扰，降低样品表面不均匀等因素影响，提高聚类精度和稳定性。
[0034] 2、对进行预处理后数据进行PCA建模，设置类主成分数目Ak= 7,计算主成分a贡 献率及累计贡献率，取累计贡献率达95%的特征值所对应的主成分个数。
[0035] 3、计算主成分a的载荷<，得到各主成分的得分，建立各水样PCA模型。
[0036] 4、输入被测水体的荧光光谱数据，采用移动平均法对该光谱数据进行数据预处 理。
[0037] 5、分别计算被测水体与不同已知水样的拟合偏差g，以及总体偏差$。
[0038] 6、在显著性程度a= 5%的情况下，进行F检测，将F的计算值与临界值进 行比较，若F的计算值小于临界值，则被测水体属于该F的计算值对应的已知水样。
[0039] 本实施例首先建立各类已知水样的主成分分析模型，然后以未知的待测水体逐一 拟合各类的主成分模型，进而进行判别归类。经过MATLAB仿真后识别结果如图2所示，由 图可见5类水样的聚类效果明显，其中灰岩水和砂岩水距离最近且皆处于第四象限，而灰 岩水、砂岩水、冲积层水距离奥灰水皆较远，这是因为水样所处地层的不同造成了其所含物 质成分的不同，物质成分的不同在荧光光谱上会反映出一定的差异，差异越大，就造成其在 空间上的距离也就越大，证明了此算法通过对未知水样数据进行归类便可达到矿井突水水 源类型识别的目的。
[0040] 以上实施例仅用以说明本发明的技术方案而非对其进行限制，在不背离本发明精 神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变 形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
【权利要求】
1. 一种基于激光诱导和SIMCA分类法的矿井突水水源识别装置，用于根据已知水样的 PCA模型对被测水体进行识别，其特征在于：该装置包括激光器、浸入式探头、光探测器、光 谱分析模块和识别模块，其中激光器与浸入式探头通过光纤连接，激光器将激光打入涌水 点的被测水体，被测水体受激辐射发出荧光，由浸入式探头实时接收荧光信号，经光纤传输 至光探测器；采用至少两路并行光探测器，同时分别读取设定的各个波段的荧光信号；光 谱分析模块根据光探测器输出的荧光信号，并进行滤波和A/D转换，经过数据整合后输出 一路完整波段的荧光光谱数据；识别模块根据输入的被测水体的荧光光谱数据以及已知水 样的PCA模型，基于SMCA算法判断被测水体属于哪种已知水样。
2. 根据权利要求1所述的矿井突水水源识别装置，其特征在于：所述光探测器为4个， 所述光谱分析模块为FPGA，所述FPGA通过内部编程对4路并行光探测器进行控制，规定各 光探测器采集的荧光光谱波段分别为400-499nm、500-599nm、600-699nm和700-799nm波 段，将4路荧光光谱数据按顺序进行数据整合，输出400-799nm完整波段的荧光光谱数据。
3. 根据权利要求1所述的矿井突水水源识别装置，其特征在于，所述识别模块判断被 测水体属于哪种已知水样，具体执行如下操作： 读取被测水体的荧光光谱数据，采用移动平均法对该光谱数据进行数据预处理； 分别计算被测水体与不同已知水样的拟合偏差，以及总体偏差； 在显著性程度a =5%的情况下，进行F检测，将F的计算值与临界值进行比较，若F 的计算值小于临界值，则被测水体属于该F的计算值对应的已知水样。
4. 一种基于激光诱导和SMCA分类法的矿井突水水源识别方法，用于根据已知水样的 PCA模型对被测水体进行识别，其特征在于：该方法包括以下步骤： 激光器将激光打入涌水点的被测水体，被测水体受激辐射发出荧光，由浸入式探头实 时接收荧光信号，经光纤传输至光探测器； 采用至少两路并行光探测器，同时分别读取设定的各个波段的荧光信号； 获取光探测器输出的荧光信号，进行滤波和A/D转换，经过数据整合后输出一路完整 波段的荧光光谱数据； 根据被测水体的荧光光谱数据以及已知水样的PCA模型，基于SIMCA算法判断被测水 体属于哪种已知水样。
5. 根据权利要求4所述的矿井突水水源识别方法，其特征在于：所述光探测器为4个， 采用FPGA通过内部编程对4路并行光探测器进行控制，规定各光探测器采集的荧光光谱波 段分别为400-499nm、500-599nm、600-699nm和700-799nm波段，将4路荧光光谱数据按顺 序进行数据整合，输出400-799nm完整波段的荧光光谱数据。
6. 根据权利要求4所述的矿井突水水源识别方法，其特征在于，所述判断被测水体属 于哪种已知水样，包括以下步骤： 读取被测水体的荧光光谱数据，采用移动平均法对该光谱数据进行数据预处理； 分别计算被测水体与不同已知水样的拟合偏差，以及总体偏差； 在显著性程度a =5%的情况下，进行F检测，将F的计算值与临界值进行比较，若F 的计算值小于临界值，则被测水体属于该F的计算值对应的已知水样。
【文档编号】G01N21/64GK104458687SQ201410757790
【公开日】2015年3月25日 申请日期:2014年12月10日 优先权日:2014年12月10日
【发明者】周孟然, 闫鹏程, 聂梦雅, 曲鹏, 宫关, 张开远 申请人:安徽理工大学