基于Elman神經(jīng)網(wǎng)絡(luò)的沖擊地壓信息融合方法

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，旨在到達應(yīng)力臨界狀態(tài)時，急劇釋放能量以至于產(chǎn)生大量的應(yīng)力信號，因此，應(yīng)力信號與巖體的整個破壞過程相對應(yīng)。作為巖體變形破壞過程中的一種物理效應(yīng)，應(yīng)力信號與巖體的破壞過程密切相關(guān)，可以作為一種觀測手段,來監(jiān)測巖體的應(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)融合算法來對多個傳感器所采集到的應(yīng)力信號信息進行融合處理，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)的采集過程中，傳統(tǒng)的信號采集往往由單一的傳感器來完成，即使采用多個傳感器也僅是從多個側(cè)面孤立的反映目標信息[2]。在實際情況下，多個信號源會產(chǎn)生多個信號，在這些信號中，信息的獲取會存在矛盾之處。張勇等[3]應(yīng)用D-S證據(jù)融合理論，對獲得的信息進行數(shù)據(jù)融合，解釋了巖層頂板運動發(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)作為前級處理，證據(jù)理論用于后級融合的推理模型。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層次[7]。在處理信息融合方面，通過不同目標及其特性進行合理選擇合適的信息融合技術(shù)。但是大多數(shù)文獻僅僅進行決策層融合，該方法會使承載數(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、精確度等級不夠，為了獲得詳細且精確的信息往往需要高成本地進行處理，有時也不盡如人意。因此，數(shù)據(jù)進行多源信息融合在獲得精確的綜合評價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)者專家常用的信息融合方法，其中Elman神經(jīng)網(wǎng)絡(luò)獨特在較為簡便、獨立性較強。通過訓(xùn)練采集到的實驗數(shù)據(jù)，可以輕易得出以下結(jié)論：Elman神經(jīng)網(wǎng)絡(luò)時變特性較好，非線性能力較強，學(xué)習速率極快。

70組實驗樣本所應(yīng)用的實驗設(shè)備為法國制造的ROCK600-50，并在相同實驗規(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)對應(yīng)力數(shù)據(jù)分組進行融合，并得到精確的融合數(shù)據(jù)。

1 巖石的應(yīng)力-應(yīng)變機理

如圖1所示，巖石的應(yīng)力-應(yīng)變曲線一般分為4個階段，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個特征點，其中包括屈服點y、強度極限點p和臨失穩(wěn)點i。實際情況下，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點之后曲線呈現(xiàn)保持長時間的彎曲狀態(tài)，在p點之后一段時間會發(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)力這段時期，巖石形變的Ⅲ階段應(yīng)力緩慢增長，在此階段，內(nèi)部應(yīng)力區(qū)受到集中應(yīng)力使得裂痕逐漸擴大以至于產(chǎn)生遠場裂紋，繼續(xù)加壓，遠場裂紋保持不斷擴大狀態(tài)；隨后進入到Ⅳ狀態(tài)，巖石在此階段迅速發(fā)生破裂。實驗中所用巖石屬于砂巖，屬于低脆性巖石，三軸實驗壓縮狀態(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個階段。實驗過程中，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，因此在試驗過程中，采用加圍壓和軸壓來完成煤巖三軸壓縮試驗。實驗的巖樣屬于砂巖,按試驗要求加工成直徑20mm,高度100mm左右的標準件,三軸壓縮按圍壓5Mpa做70組實驗。因此，三軸壓縮砂巖的應(yīng)力試驗對巖體應(yīng)力特性進一步研究，旨在對巖體安全穩(wěn)定性方向上貢獻一份力量。

2 實驗數(shù)據(jù)來源

2.1 數(shù)據(jù)采集

數(shù)據(jù)的采集均通過實驗獲得，實驗樣本為具有沖擊傾向特性的砂巖。實驗設(shè)備是由SH-Ⅱ聲發(fā)射系統(tǒng)以及ROCK600-50三軸實驗儀組成，設(shè)備圖如圖2所示。法國ROCK600-50三軸實驗儀是具備多功能特性，能同時完成力學(xué)和聲發(fā)射實驗。實驗過程，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，進行軸向加壓。通過控制實驗設(shè)備開關(guān)，液壓油會通過設(shè)備的活塞移動會充滿壓力室腔體。第二階段，進行圍向加壓。當油完全充滿壓力室腔后，閥上的有機玻璃管中流過的將會只有油，而沒有氣泡，此時關(guān)閉閥,等待一段時間，圍壓會升高到20bar，軸壓和圍壓的先后加載確保了實驗穩(wěn)定有序的進行。實驗運用三軸實驗儀對實驗樣品加載軸壓和圍壓，采集從開始加載到樣品破損過程中的煤巖抗壓強度和聲發(fā)射特征信號。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 實驗過程

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。觀察實驗器材中的加載曲線，曲線下降到一定程度，并聽到尖銳響聲，說明巖石已碎裂。立即保存數(shù)據(jù)，70組實驗數(shù)據(jù)如表1所示。

表1 三軸應(yīng)力實驗數(shù)據(jù)

70組實驗巖石樣本破裂周期大致相同，每組可以得到1200個應(yīng)力數(shù)據(jù)。在同樣的實驗規(guī)格的情況下，進行7組仿真對比實驗，每10組實驗數(shù)據(jù)用于1組仿真實驗。

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研究對象，對檢測的數(shù)據(jù)進行分析以及優(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，剔除無用和錯誤的信息，增強了系統(tǒng)之后信息歸類和危險級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)用各個實時采集到的數(shù)據(jù)進行信息融合并得出融合結(jié)果。

根據(jù)三軸實驗，得到70組應(yīng)力信號數(shù)據(jù)，隨機選擇10組實驗數(shù)據(jù)進行加權(quán)平均法處理，得到參照值。再用這10組實驗數(shù)據(jù)，構(gòu)建Elman神經(jīng)網(wǎng)絡(luò)進行融合比較，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)具備動態(tài)環(huán)節(jié)，這一特點使系統(tǒng)直接反應(yīng)動態(tài)過程，具備實時反饋系統(tǒng)的能力，系統(tǒng)狀態(tài)會作為輸入與此同時有了相應(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)承接層用于存儲數(shù)據(jù)，并把數(shù)據(jù)信號反饋到隱含層，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態(tài)模型結(jié)構(gòu)。Elman神經(jīng)網(wǎng)絡(luò)抗干擾能力很強，具備實時精確的應(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變性特性，其搭建網(wǎng)絡(luò)融合模型實時不斷的逼近實際輸出。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)將實驗數(shù)據(jù)分成訓(xùn)練和測試兩部分，應(yīng)用Elman神經(jīng)網(wǎng)絡(luò)搭建模型；(4)測試測試集是否合適。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 仿真實驗及結(jié)果分析

如圖6所示，是其中1組實驗數(shù)據(jù)，在1150s時是記錄巖石破裂的臨界點。本文應(yīng)用70組實驗數(shù)據(jù)，均是選取1150s這一時刻為應(yīng)力最高點，以便于信號融合。

圖6 應(yīng)力信號

如圖7曲線所示，選取70組實驗的10組實驗數(shù)據(jù)，因此，神經(jīng)網(wǎng)絡(luò)為10個輸入節(jié)點。每個神經(jīng)網(wǎng)絡(luò)的輸出值均為融合值，即為1個輸出節(jié)點。樣本1～樣本10的曲線與融合曲線的對比，通過對比可得，融合曲線整體上與每個樣本曲線趨勢相同，與每個樣本的曲線數(shù)值基本相近。因此，當聲發(fā)射計數(shù)信息采集過程中通過多傳感器的融合會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。在相同的實驗條件下，每組實驗數(shù)據(jù)會隨著時間變化大致相同，直接得到1200個數(shù)據(jù)樣本點作為神經(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

絕對誤差（誤差）是實際值和融合值的比值，而相對誤差是誤差和實際值的比值，即為誤差率。由于實驗剛開始階段，傳感器采集數(shù)據(jù)不準確導(dǎo)致誤差偏大；在巖石破裂的時候也就是應(yīng)力達到峰值，數(shù)據(jù)信號產(chǎn)生波動，會產(chǎn)生一定的誤差。如圖9曲線所示。前100個實驗數(shù)據(jù)誤差在5范圍內(nèi)，100到1100個實驗數(shù)據(jù)誤差接近于0，1100到1200實驗數(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組實驗數(shù)據(jù)，保持相同條件，進行7組仿真對比實驗，每10組實驗數(shù)據(jù)用于1組仿真實驗。6組的誤差率仿真曲線如圖10-圖15所示，每組前100個實驗數(shù)據(jù)誤差率在0.2范圍內(nèi)，100到1100個實驗數(shù)據(jù)誤差率在0.05范圍內(nèi)，1100到1200實驗數(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組實驗為驗證結(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ROCK600-50三軸實驗設(shè)備，在相同實驗規(guī)格下進行了70組三軸應(yīng)力實驗，隨著時間相同變化，每組實驗均采集到 1200個應(yīng)力數(shù)據(jù)。用10組實驗數(shù)據(jù)進行加權(quán)平均，進而求得參照值。再用這10組實驗數(shù)據(jù)，構(gòu)建Elman神經(jīng)網(wǎng)絡(luò)均進行融合得出融合值，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組仿真實驗，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)融合模型進行信息融合，進一步提高了原始數(shù)據(jù)的精確度，為精確預(yù)測沖擊地壓奠定基礎(chǔ)。