梁燕華，梁云超，成燕峰，李凌烜

（黑龍江科技大學(xué) 電氣與控制工程學(xué)院，黑龍江哈爾濱，150022）

0 引言

沖擊地壓是一種巖體的局部破裂，旨在到達(dá)應(yīng)力臨界狀態(tài)時(shí)，急劇釋放能量以至于產(chǎn)生大量的應(yīng)力信號(hào)，因此，應(yīng)力信號(hào)與巖體的整個(gè)破壞過(guò)程相對(duì)應(yīng)。作為巖體變形破壞過(guò)程中的一種物理效應(yīng)，應(yīng)力信號(hào)與巖體的破壞過(guò)程密切相關(guān)，可以作為一種觀測(cè)手段,來(lái)監(jiān)測(cè)巖體的應(yīng)力狀態(tài)[1]。因此，本文利用這種多傳感器數(shù)據(jù)融合的模型以及Elman神經(jīng)網(wǎng)絡(luò)融合算法來(lái)對(duì)多個(gè)傳感器所采集到的應(yīng)力信號(hào)信息進(jìn)行融合處理，最終得到所需要的精確的數(shù)據(jù)融合結(jié)果。

在數(shù)據(jù)的采集過(guò)程中，傳統(tǒng)的信號(hào)采集往往由單一的傳感器來(lái)完成，即使采用多個(gè)傳感器也僅是從多個(gè)側(cè)面孤立的反映目標(biāo)信息[2]。在實(shí)際情況下，多個(gè)信號(hào)源會(huì)產(chǎn)生多個(gè)信號(hào)，在這些信號(hào)中，信息的獲取會(huì)存在矛盾之處。張勇等[3]應(yīng)用D-S證據(jù)融合理論，對(duì)獲得的信息進(jìn)行數(shù)據(jù)融合，解釋了巖層頂板運(yùn)動(dòng)發(fā)生的規(guī)律性。劉曉悅等[4]把多源信息融合和模糊神經(jīng)元算法合，建立以多判據(jù)信息融合為基礎(chǔ)的模糊神經(jīng)元網(wǎng)絡(luò)模型，并驗(yàn)證了模型的整體性能。王雨虹等[5]把聲發(fā)射和神經(jīng)網(wǎng)絡(luò)結(jié)合，通過(guò)粒子群算法良好的尋優(yōu)能力使BP神經(jīng)網(wǎng)絡(luò)收斂速度得到提升、全局尋優(yōu)能力提高，使BP神經(jīng)網(wǎng)絡(luò)的閾值和權(quán)值達(dá)到最優(yōu)。馮志慶等[6]提出了一種利用神經(jīng)網(wǎng)絡(luò)并行子網(wǎng)作為前級(jí)處理，證據(jù)理論用于后級(jí)融合的推理模型。根據(jù)抽象程度的不同，可將多傳感器信息融合技術(shù)劃分為像素層融合、特征層融合以及決策層融合三個(gè)層次[7]。在處理信息融合方面，通過(guò)不同目標(biāo)及其特性進(jìn)行合理選擇合適的信息融合技術(shù)。但是大多數(shù)文獻(xiàn)僅僅進(jìn)行決策層融合，該方法會(huì)使承載數(shù)據(jù)容量變小以至于遺漏很多重要的信息,因而處理后得到的數(shù)據(jù)信息易于粗糙、精確度等級(jí)不夠，為了獲得詳細(xì)且精確的信息往往需要高成本地進(jìn)行處理，有時(shí)也不盡如人意。因此，數(shù)據(jù)進(jìn)行多源信息融合在獲得精確的綜合評(píng)價(jià)研究上顯得尤為重要?？柭鼮V波法、加權(quán)平均法、神經(jīng)網(wǎng)絡(luò)等是現(xiàn)在學(xué)者專(zhuān)家常用的信息融合方法，其中Elman神經(jīng)網(wǎng)絡(luò)獨(dú)特在較為簡(jiǎn)便、獨(dú)立性較強(qiáng)。通過(guò)訓(xùn)練采集到的實(shí)驗(yàn)數(shù)據(jù)，可以輕易得出以下結(jié)論：Elman神經(jīng)網(wǎng)絡(luò)時(shí)變特性較好，非線性能力較強(qiáng)，學(xué)習(xí)速率極快。

70組實(shí)驗(yàn)樣本所應(yīng)用的實(shí)驗(yàn)設(shè)備為法國(guó)制造的ROCK600-50，并在相同實(shí)驗(yàn)規(guī)格下完成。在Matlab仿真軟件的基礎(chǔ)上，加權(quán)平均法作為數(shù)據(jù)融合的前提，應(yīng)用Elman神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)力數(shù)據(jù)分組進(jìn)行融合，并得到精確的融合數(shù)據(jù)。

1 巖石的應(yīng)力-應(yīng)變機(jī)理

如圖1所示，巖石的應(yīng)力-應(yīng)變曲線一般分為4個(gè)階段，Ⅰ,Ⅱ,Ⅲ,Ⅳ階段分別是壓密階段、線彈性階段、塑性階段、臨失穩(wěn)階段；有3個(gè)特征點(diǎn)，其中包括屈服點(diǎn)y、強(qiáng)度極限點(diǎn)p和臨失穩(wěn)點(diǎn)i。實(shí)際情況下，巖石由于不同的力學(xué)性質(zhì)，不同形式表現(xiàn)在應(yīng)力-應(yīng)變曲線上。脆度很高的巖石，從形變到破裂其應(yīng)力-應(yīng)變曲線保持直線狀態(tài)，接近應(yīng)力極限峰值迅速崩裂；而脆性較低巖石的應(yīng)力-應(yīng)變曲線在Ⅲ階段之前近似直線狀態(tài)，y點(diǎn)之后曲線呈現(xiàn)保持長(zhǎng)時(shí)間的彎曲狀態(tài)，在p點(diǎn)之后一段時(shí)間會(huì)發(fā)生破裂。。低脆性巖石加載初期處于Ⅰ階段，由于內(nèi)部微小裂痕導(dǎo)致應(yīng)力數(shù)值增長(zhǎng)緩慢；在此之后應(yīng)力-應(yīng)變曲線保持直線狀態(tài)，也就是巖石形變處于Ⅱ階段；繼續(xù)加壓到峰值應(yīng)力這段時(shí)期，巖石形變的Ⅲ階段應(yīng)力緩慢增長(zhǎng)，在此階段，內(nèi)部應(yīng)力區(qū)受到集中應(yīng)力使得裂痕逐漸擴(kuò)大以至于產(chǎn)生遠(yuǎn)場(chǎng)裂紋，繼續(xù)加壓，遠(yuǎn)場(chǎng)裂紋保持不斷擴(kuò)大狀態(tài)；隨后進(jìn)入到Ⅳ狀態(tài)，巖石在此階段迅速發(fā)生破裂。實(shí)驗(yàn)中所用巖石屬于砂巖，屬于低脆性巖石，三軸實(shí)驗(yàn)壓縮狀態(tài)的砂巖出現(xiàn)的應(yīng)力-應(yīng)變曲線也可總結(jié)為以上4個(gè)階段。實(shí)驗(yàn)過(guò)程中，加圍壓和軸壓下出現(xiàn)的應(yīng)力-應(yīng)變曲線和下圖曲線基本相似。

圖1 典型巖石應(yīng)力-應(yīng)變曲線的階段性劃分

砂巖介于地殼之間，承受三向應(yīng)力作用，因此在試驗(yàn)過(guò)程中，采用加圍壓和軸壓來(lái)完成煤巖三軸壓縮試驗(yàn)。實(shí)驗(yàn)的巖樣屬于砂巖,按試驗(yàn)要求加工成直徑20mm,高度100mm左右的標(biāo)準(zhǔn)件,三軸壓縮按圍壓5Mpa做70組實(shí)驗(yàn)。因此，三軸壓縮砂巖的應(yīng)力試驗(yàn)對(duì)巖體應(yīng)力特性進(jìn)一步研究，旨在對(duì)巖體安全穩(wěn)定性方向上貢獻(xiàn)一份力量。

2 實(shí)驗(yàn)數(shù)據(jù)來(lái)源

2.1 數(shù)據(jù)采集

數(shù)據(jù)的采集均通過(guò)實(shí)驗(yàn)獲得，實(shí)驗(yàn)樣本為具有沖擊傾向特性的砂巖。實(shí)驗(yàn)設(shè)備是由SH-Ⅱ聲發(fā)射系統(tǒng)以及ROCK600-50三軸實(shí)驗(yàn)儀組成，設(shè)備圖如圖2所示。法國(guó)ROCK600-50三軸實(shí)驗(yàn)儀是具備多功能特性，能同時(shí)完成力學(xué)和聲發(fā)射實(shí)驗(yàn)。實(shí)驗(yàn)過(guò)程，包括壓力室軸向加壓和圍向加壓。第一階段，壓力室充油排氣，進(jìn)行軸向加壓。通過(guò)控制實(shí)驗(yàn)設(shè)備開(kāi)關(guān)，液壓油會(huì)通過(guò)設(shè)備的活塞移動(dòng)會(huì)充滿壓力室腔體。第二階段，進(jìn)行圍向加壓。當(dāng)油完全充滿壓力室腔后，閥上的有機(jī)玻璃管中流過(guò)的將會(huì)只有油，而沒(méi)有氣泡，此時(shí)關(guān)閉閥,等待一段時(shí)間，圍壓會(huì)升高到20bar，軸壓和圍壓的先后加載確保了實(shí)驗(yàn)穩(wěn)定有序的進(jìn)行。實(shí)驗(yàn)運(yùn)用三軸實(shí)驗(yàn)儀對(duì)實(shí)驗(yàn)樣品加載軸壓和圍壓，采集從開(kāi)始加載到樣品破損過(guò)程中的煤巖抗壓強(qiáng)度和聲發(fā)射特征信號(hào)。至此，裝樣及所有泵都已經(jīng)充滿油，可以在軟件中設(shè)置參數(shù)。

2.2 實(shí)驗(yàn)過(guò)程

設(shè)置固定壓力為5MPa，巖樣加載速度為1.5MPa/min，采集數(shù)據(jù)間隔是1us。觀察實(shí)驗(yàn)器材中的加載曲線，曲線下降到一定程度，并聽(tīng)到尖銳響聲，說(shuō)明巖石已碎裂。立即保存數(shù)據(jù)，70組實(shí)驗(yàn)數(shù)據(jù)如表1所示。

表1 三軸應(yīng)力實(shí)驗(yàn)數(shù)據(jù)

70組實(shí)驗(yàn)巖石樣本破裂周期大致相同，每組可以得到1200個(gè)應(yīng)力數(shù)據(jù)。在同樣的實(shí)驗(yàn)規(guī)格的情況下，進(jìn)行7組仿真對(duì)比實(shí)驗(yàn)，每10組實(shí)驗(yàn)數(shù)據(jù)用于1組仿真實(shí)驗(yàn)。

3 沖擊地壓的信息融合模型

3.1 基于Elman神經(jīng)網(wǎng)絡(luò)的融合模型

信息融合是應(yīng)用多傳感器全面檢測(cè)研究對(duì)象，對(duì)檢測(cè)的數(shù)據(jù)進(jìn)行分析以及優(yōu)化，找出相互之間存在的聯(lián)系。信息融合，旨在選擇合理的算法，剔除無(wú)用和錯(cuò)誤的信息，增強(qiáng)了系統(tǒng)之后信息歸類(lèi)和危險(xiǎn)級(jí)別映射的可靠性和魯棒性。為了考慮系統(tǒng)的完備性，構(gòu)建基于Elman神經(jīng)網(wǎng)絡(luò)的信息融合模型，應(yīng)用各個(gè)實(shí)時(shí)采集到的數(shù)據(jù)進(jìn)行信息融合并得出融合結(jié)果。

根據(jù)三軸實(shí)驗(yàn)，得到70組應(yīng)力信號(hào)數(shù)據(jù)，隨機(jī)選擇10組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行加權(quán)平均法處理，得到參照值。再用這10組實(shí)驗(yàn)數(shù)據(jù)，構(gòu)建Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行融合比較，確定方法可行性。

Elman神經(jīng)網(wǎng)絡(luò)融合模型如3所示。

圖3 Elman神經(jīng)網(wǎng)絡(luò)融合模型

3.2 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

Elman神經(jīng)網(wǎng)絡(luò)具備動(dòng)態(tài)環(huán)節(jié)，這一特點(diǎn)使系統(tǒng)直接反應(yīng)動(dòng)態(tài)過(guò)程，具備實(shí)時(shí)反饋系統(tǒng)的能力，系統(tǒng)狀態(tài)會(huì)作為輸入與此同時(shí)有了相應(yīng)減少，輸入層單元也得到了大大的節(jié)省。Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖4 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

Elman神經(jīng)網(wǎng)絡(luò)具備輸入層、隱含層、承接層、輸出層四層單元結(jié)構(gòu)，與其它神經(jīng)網(wǎng)絡(luò)相比，多了承接層單元。網(wǎng)絡(luò)結(jié)構(gòu)承接層用于存儲(chǔ)數(shù)據(jù)，并把數(shù)據(jù)信號(hào)反饋到隱含層，從而隱含層得到一定輸出。承接層單元的特點(diǎn)在于，既可以反應(yīng)網(wǎng)絡(luò)之前的數(shù)據(jù)信息，又可以搭建完善的動(dòng)態(tài)模型結(jié)構(gòu)。Elman神經(jīng)網(wǎng)絡(luò)抗干擾能力很強(qiáng)，具備實(shí)時(shí)精確的應(yīng)變非線性函數(shù)的能力，網(wǎng)絡(luò)的輸入和輸出一旦確定，便可以搭建系統(tǒng)的模型。

根據(jù)網(wǎng)絡(luò)的結(jié)構(gòu)圖，可以得出Elman神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)函數(shù)表達(dá)式：

3.3 Elman神經(jīng)網(wǎng)絡(luò)融合流程

Elman神經(jīng)網(wǎng)絡(luò)融合具備良好的非線性和時(shí)變性特性，其搭建網(wǎng)絡(luò)融合模型實(shí)時(shí)不斷的逼近實(shí)際輸出。Elman神經(jīng)網(wǎng)絡(luò)融合的主要內(nèi)容有以下幾方面：(1)采集相應(yīng)的傳感器數(shù)據(jù)；(2)提取有用數(shù)據(jù)；(3)將實(shí)驗(yàn)數(shù)據(jù)分成訓(xùn)練和測(cè)試兩部分，應(yīng)用Elman神經(jīng)網(wǎng)絡(luò)搭建模型；(4)測(cè)試測(cè)試集是否合適。數(shù)據(jù)融合流程如圖5所示。

圖5 數(shù)據(jù)融合流程圖

4 仿真實(shí)驗(yàn)及結(jié)果分析

如圖6所示，是其中1組實(shí)驗(yàn)數(shù)據(jù)，在1150s時(shí)是記錄巖石破裂的臨界點(diǎn)。本文應(yīng)用70組實(shí)驗(yàn)數(shù)據(jù)，均是選取1150s這一時(shí)刻為應(yīng)力最高點(diǎn)，以便于信號(hào)融合。

圖6 應(yīng)力信號(hào)

如圖7曲線所示，選取70組實(shí)驗(yàn)的10組實(shí)驗(yàn)數(shù)據(jù)，因此，神經(jīng)網(wǎng)絡(luò)為10個(gè)輸入節(jié)點(diǎn)。每個(gè)神經(jīng)網(wǎng)絡(luò)的輸出值均為融合值，即為1個(gè)輸出節(jié)點(diǎn)。樣本1～樣本10的曲線與融合曲線的對(duì)比，通過(guò)對(duì)比可得，融合曲線整體上與每個(gè)樣本曲線趨勢(shì)相同，與每個(gè)樣本的曲線數(shù)值基本相近。因此，當(dāng)聲發(fā)射計(jì)數(shù)信息采集過(guò)程中通過(guò)多傳感器的融合會(huì)減小單一信息受到干擾或者丟失而導(dǎo)致的損失。

圖7 樣本對(duì)比圖

融合值為神經(jīng)網(wǎng)絡(luò)的輸出值，參照值為加權(quán)平均值。在相同的實(shí)驗(yàn)條件下，每組實(shí)驗(yàn)數(shù)據(jù)會(huì)隨著時(shí)間變化大致相同，直接得到1200個(gè)數(shù)據(jù)樣本點(diǎn)作為神經(jīng)網(wǎng)絡(luò)的輸入，也作為網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)測(cè)試的數(shù)據(jù)。利用MATLAB仿真，融合結(jié)果如圖8曲線所示。由圖可知，融合曲線與參照曲線整體趨勢(shì)大致相同，擬合度很高。

圖8 應(yīng)力Elman神經(jīng)網(wǎng)絡(luò)融合曲線

絕對(duì)誤差（誤差）是實(shí)際值和融合值的比值，而相對(duì)誤差是誤差和實(shí)際值的比值，即為誤差率。由于實(shí)驗(yàn)剛開(kāi)始階段，傳感器采集數(shù)據(jù)不準(zhǔn)確導(dǎo)致誤差偏大；在巖石破裂的時(shí)候也就是應(yīng)力達(dá)到峰值，數(shù)據(jù)信號(hào)產(chǎn)生波動(dòng)，會(huì)產(chǎn)生一定的誤差。如圖9曲線所示。前100個(gè)實(shí)驗(yàn)數(shù)據(jù)誤差在5范圍內(nèi)，100到1100個(gè)實(shí)驗(yàn)數(shù)據(jù)誤差接近于0，1100到1200實(shí)驗(yàn)數(shù)據(jù)誤差在10范圍內(nèi)。

圖9 應(yīng)力Elman神經(jīng)網(wǎng)絡(luò)誤差

70組實(shí)驗(yàn)數(shù)據(jù)，保持相同條件，進(jìn)行7組仿真對(duì)比實(shí)驗(yàn)，每10組實(shí)驗(yàn)數(shù)據(jù)用于1組仿真實(shí)驗(yàn)。6組的誤差率仿真曲線如圖10-圖15所示，每組前100個(gè)實(shí)驗(yàn)數(shù)據(jù)誤差率在0.2范圍內(nèi)，100到1100個(gè)實(shí)驗(yàn)數(shù)據(jù)誤差率在0.05范圍內(nèi)，1100到1200實(shí)驗(yàn)數(shù)據(jù)誤差率在0.1范圍內(nèi)。

圖10 第1組的融合誤差率

圖11 第2組的融合誤差率

圖12 第3組的融合誤差率

圖13 第4組的融合誤差率

圖14 第5組的融合誤差率

圖15 第6組的融合誤差率

第7組實(shí)驗(yàn)為驗(yàn)證結(jié)論是否正確，顯然，誤差率在預(yù)想的范圍內(nèi)，如圖16所示。

圖16 第7組的融合誤差率

5 結(jié)論

基于法國(guó)ROCK600-50三軸實(shí)驗(yàn)設(shè)備，在相同實(shí)驗(yàn)規(guī)格下進(jìn)行了70組三軸應(yīng)力實(shí)驗(yàn)，隨著時(shí)間相同變化，每組實(shí)驗(yàn)均采集到 1200個(gè)應(yīng)力數(shù)據(jù)。用10組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行加權(quán)平均，進(jìn)而求得參照值。再用這10組實(shí)驗(yàn)數(shù)據(jù)，構(gòu)建Elman神經(jīng)網(wǎng)絡(luò)均進(jìn)行融合得出融合值，擬合度較高，確定方法可行性。

建立Elman神經(jīng)網(wǎng)絡(luò)融合模型，重復(fù)7組仿真實(shí)驗(yàn)，所得融合曲線與期望曲線吻合度較高，最后得出巖石形變到破裂三個(gè)區(qū)間的融合誤差率范圍分別為0.2、0.05和0.1，誤差率在合理的范圍內(nèi)。Elman神經(jīng)網(wǎng)絡(luò)融合模型進(jìn)行信息融合，進(jìn)一步提高了原始數(shù)據(jù)的精確度，為精確預(yù)測(cè)沖擊地壓奠定基礎(chǔ)。