1.一种多参数煤芯无损聚类多重映射分组方法,其特征在于,包括以下步骤:
1)测量煤体试样的基本物理参数;其中,基本物理参数包括密度和体积;
2)利用非金属超声检测系统获取煤体试样的波速;
3)利用ct扫描数据采集系统获取煤体试样内部的空间裂隙分布形态,并建立原煤的裂隙网络可视化模型。其中,空间裂隙分布形态包括裂隙参数和ct扫描切片;
4)采用无损测量方法获取煤体试样的孔隙度;
5)根据步骤1)、步骤2)、步骤3)和步骤4)获取的煤体试样参数,构建煤体试样参数数据集;
6)将煤体试样参数设置为目标样本,采用优化的聚类算法获得同一参数的单因素聚类中心及中心附近煤体试样参数;
7)采用卷积神经网络算法对获得的ct扫描切片进行识别并进行匹配重组分类,获得ct扫描切片的相似平均中心及中心附近煤体试样图像;
8)对不同参数的聚类中心进行多重映射,获得多参数条件下的多组聚类中心及其附近煤体试样参数。
2.根据权利要求1所述的多参数煤芯无损聚类多重映射分组方法,其特征在于:在步骤6)之前,还具有剔除煤体试样参数奇异值的相关步骤。
3.根据权利要求1或2所述的多参数煤芯无损聚类多重映射分组方法,其特征在于:在步骤8)之后,还具有根据研究所需煤样获得物理力学性质相近煤体试样的相关步骤。
4.根据权利要求1所述的多参数煤芯无损聚类多重映射分组方法,其特征在于,步骤6)具体包括以下步骤:
6.1)获取不同参数的对象集合;
6.2)确定数据对象集合中每个数据对象与其他数据的平均相似度;获取平均相似度大于初始设置阈值的数据对象作为核心对象;
6.3)修改初始设置阈值,确定多组核心对象及附近煤体试样参数;
6.4)重复步骤6.1)、6.2)和6.3),确定不同参数的多组核心及附近煤样参数。
5.根据权利要求1或3所述的多参数煤芯无损聚类多重映射分组方法,其特征在于:所述煤体试样采用高径比为2:1的圆柱试件或长宽比为2:1的长方体试件。
6.根据权利要求1所述的多参数煤芯无损聚类多重映射分组方法,其特征在于:孔隙度测量方法采用电测法。
7.根据权利要求1所述的多参数煤芯无损聚类多重映射分组方法,其特征在于:聚类算法采用k-means算法、k-medoids算法或clara算法。