煤岩声发射定位算法研究及其在“睛”系列监测产品中的应用.docxVIP

煤岩声发射定位算法研究及其在“睛”系列监测产品中的应用

一、研究背景与意义

煤岩在受力变形、破裂过程中会释放弹性波，这一现象被称为煤岩声发射（AcousticEmission,AE）。通过捕捉声发射信号并实现精准定位，可实时监测煤岩内部损伤演化规律，为煤矿冲击地压、顶板垮塌等灾害预警提供关键技术支撑。

“睛”系列监测产品作为聚焦煤岩安全监测的创新装备，其核心竞争力在于依托高效的声发射定位算法，实现“可视化、高精度、实时化”的监测效果。当前传统定位算法存在定位误差大（尤其在复杂煤岩介质中）、抗干扰能力弱、实时性不足等问题，难以满足“睛”产品对监测精度与响应速度的高标准要求。因此，开展煤岩声发射定位算法的优化与创新研究，对提升“睛”产品的技术性能、推动煤矿安全监测领域的技术升级具有重要现实意义。

二、煤岩声发射定位算法核心原理与分类

煤岩声发射定位的本质是通过分析多个传感器接收声发射信号的时间差、信号强度等特征，反演信号源的空间坐标。目前主流算法可分为以下三类，各有适用场景与技术瓶颈，需结合“睛”产品的应用需求选择与改进：

（一）时差定位法（TimeDifferenceofArrival,TDOA）

1.基本原理

通过布设3个及以上传感器组成监测阵列，记录各传感器接收同一声发射信号的时间戳，计算信号传播的时间差，结合煤岩介质中的声速参数，建立空间几何方程求解信号源坐标。其核心公式基于空间距离公式推导：

\sqrt{(x-x_i)^2+(y-y_i)^2+(z-z_i)^2}=v\cdot(t_i-t_0)

其中，(x,y,z)为信号源坐标，(x_i,y_i,z_i)为第i个传感器坐标，v为声速，t_i为传感器接收时间，t_0为信号源触发时间。

2.技术特点与适配性

优势：原理简单、计算量小，适合“睛”产品对实时性的需求，在均匀煤岩介质中定位误差可控制在5%以内。

瓶颈：对声速准确性依赖极高（煤岩非均质性会导致声速波动10%-30%），且易受信号噪声干扰导致时间差提取误差，在复杂地质条件下精度骤降。

（二）区域定位法（ZoneLocation）

1.基本原理

将监测区域划分为若干子区域，通过分析传感器阵列接收信号的能量衰减、波前形态等特征，判断信号源所在的子区域，再结合局部细化算法实现定位。该方法无需精确声速参数，更适应煤岩介质的非均质性。

2.技术特点与适配性

优势：抗干扰能力强，对声速波动不敏感，适合“睛”产品在井下复杂环境（如断层、裂隙发育区域）的应用。

瓶颈：定位分辨率依赖子区域划分密度，划分过细会增加计算量，影响“睛”产品的实时响应速度。

（三）智能定位算法（基于机器学习/深度学习）

1.基本原理

以传统算法的定位结果、传感器信号特征（如峰值频率、上升时间）为样本，训练神经网络（如BP神经网络、CNN）或支持向量机（SVM）模型，通过模型直接映射信号特征与信号源坐标，实现端到端定位。

2.技术特点与适配性

优势：可自主学习煤岩介质的非均质性、噪声特征，定位误差比传统算法降低20%-40%，且具备自优化能力，完美匹配“睛”产品“自适应、高精度”的创意定位。

瓶颈：需要大量标注样本训练模型，在新矿井环境下需重新适配，前期数据积累成本较高。

三、面向“睛”产品的算法改进方向

针对“睛”产品“高精度、抗干扰、实时化”的核心需求，结合煤矿井下实际工况，提出以下算法改进策略：

（一）声速动态校正机制

传统时差定位法采用固定声速，无法适应煤岩应力变化导致的声速波动。改进方案如下：

在“睛”产品的传感器阵列中增设“声速校准模块”，定期发射已知坐标的校准信号，实时反演当前区域的声速分布；

建立“应力-声速”关联模型，通过“睛”产品同步采集的煤岩应力数据，动态修正声速参数，将声速误差控制在5%以内，定位精度提升15%-20%。

（二）多特征融合抗干扰算法

井下电磁干扰、机械振动会导致信号时间差提取误差。改进方案如下：

结合信号的“时间差+能量衰减+波形相似度”多特征，采用加权融合算法筛选有效信号，剔除干扰信号；

引入小波阈值去噪技术，对原始信号进行预处理，提升时间差提取的准确性，使算法在信噪比低至10dB的环境下仍能稳定工作，满足“睛”产品在复杂井下环境的抗干扰需求。

（三）轻量化智能定位模型

为解决智能算法计算量大、实时性不足的问题，适配“睛”产品的嵌入式硬件平台：

采用“轻量化CNN+迁移学习”框架，简化模型结构（参数数量减少60%），同时利用已有矿井的训练样本迁移适配新场景，降低数据积累成本；

优化模型推理流程，将定位响应时间从传统智能算法的0.5s缩短