System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种微震信号分析传感器布置方法及系统、计算机装置制造方法及图纸_技高网

一种微震信号分析传感器布置方法及系统、计算机装置制造方法及图纸

技术编号:44737611 阅读:0 留言:0更新日期:2025-03-21 18:04
本申请公开了一种微震信号分析传感器布置方法及系统、计算机装置。该方法包括:构建包含Hamilton量和耗散项的Port‑Hamiltonian神经网络模型;采集微震监测区域的历史微震数据并进行预处理;基于该神经网络模型、地质参数和预处理后的历史微震数据,学习微震监测系统各监测单元动力学特性,输出系统固有频率、阻尼比和模态形状等动力学参数;基于动力学参数构建数据驱动型Min‑Max MPC控制器,该控制器根据监测精度和资源消耗生成传感器布置策略;根据该布置策略,计算传感器的最优布置位置。本申请还提供了一种实现上述方法的系统。本申请通过引入Port‑Hamiltonian神经网络模型结合系统Hamilton量和耗散特性,实现了对微震监测系统动力学特性的准确描述。

【技术实现步骤摘要】

本申请涉及微震监测,具体涉及一种微震信号分析传感器布置方法及系统、计算机装置


技术介绍

1、在地下工程和能源开发领域,微震监测是评估地下岩体稳定性和预测地质灾害的重要手段。现有的微震监测系统主要基于经验方法或简单的几何优化进行传感器布置,这些方法存在以下问题:1.传统方法未能充分考虑微震监测系统的动力学特性,导致监测精度不足;2.现有布置策略缺乏对系统能量传递和耗散特性的深入理解,无法准确捕捉微震信号的传播特征。


技术实现思路

1、鉴于此,本申请提供一种微震信号分析传感器布置方法及系统、计算机装置,解决了现有技术中传感器布置效率低、监测精度不足的问题。

2、本申请实施例提供了一种微震信号分析传感器布置方法,包括:

3、构建port-hamiltonian神经网络模型,所述port-hamiltonian神经网络模型包括微震监测系统的hamilton量和耗散项;

4、采集微震监测区域的历史微震数据,对所述历史微震数据进行预处理;

5、基于所述port-hamiltonian神经网络模型、所述地质参数和预处理后的历史微震数据,学习微震监测系统各监测单元动力学特性,输出包括系统固有频率、阻尼比和模态形状的动力学参数;

6、基于所述动力学参数构建数据驱动型min-max mpc控制器,所述min-max mpc控制器根据监测精度和资源消耗生成传感器布置策略;

7、根据所述传感器布置策略,计算传感器的最优布置位置。p>

8、在上述方法中,构建所述port-hamiltonian神经网络模型包括:定义微震监测系统的hamilton量,所述hamilton量包括动能项和势能项,其中,所述动能项通过模态质量矩阵描述微震监测系统的运动特性,所述势能项通过刚度矩阵描述微震监测系统的变形特性;构建与所述hamilton量对应的包括能量守恒层、端口交互层和耗散层的port-hamiltonian神经网络架构,其中能量守恒层基于所述动能项和势能项描述微震监测系统能量变化,端口交互层表征微震监测系统与外界的能量交换,耗散层通过耗散项描述微震监测系统能量损失;在所述神经网络架构中设置物理约束条件,所述物理约束条件包括边界处位移和速度的连续性条件、应力应变关系的本构方程约束,以及微震监测系统总能量随时间单调递减的约束。

9、在上述方法中,对所述历史微震数据进行预处理包括:基于所述地质参数,建立多尺度地质模型,所述多尺度地质模型包括区域尺度的构造单元和局部尺度的岩层结构;构建微震事件分类模型,根据震源机制将微震事件分为张性、剪性和混合型;基于所述多尺度地质模型和所述微震事件分类模型,对历史微震数据进行时空聚类分析。

10、在上述方法中,基于所述port-hamiltonian神经网络模型、所述地质参数和预处理后的历史微震数据,学习微震监测系统各监测单元动力学特性,输出包括系统固有频率、阻尼比和模态形状的动力学参数包括:将所述地质参数和预处理后的历史微震数据输入所述port-hamiltonian神经网络模型,通过前向传播计算微震监测系统响应,得到预测值;计算所述预测值与实际值之间的损失函数,所述损失函数包括数据拟合损失项、物理约束损失项和正则化项;通过反向传播优化所述port-hamiltonian神经网络模型的参数;基于优化后的所述port-hamiltonian神经网络模型提取微震监测系统各监测单元的所述动力学参数。

11、在上述方法中,基于所述动力学参数构建数据驱动型min-max mpc控制器包括:将所述动力学参数输入预测模型以构建系统状态转移方程;基于所述状态转移方程定义控制目标函数,所述控制目标函数用于平衡监测精度和资源消耗;针对所述控制目标函数设置约束条件,所述约束条件包括传感器数量限制和布置位置约束;基于历史数据构建系统模型的不确定集合,并结合所述状态转移方程和所述控制目标函数,构建数据驱动型min-maxmpc控制器。

12、在上述方法中,所述控制目标函数包括:监测性能指标项,所述监测性能指标项通过信号质量和覆盖范围衡量传感器布置的监测精度;控制代价项,所述控制代价项通过资源消耗量化传感器布置的成本;变化率惩罚项,所述变化率惩罚项通过调整幅度限制控制量的变化速率;能源效率指标项,所述能源效率指标项通过单位能耗下的监测效果衡量布置方案的能源利用效率;布置均匀性指标项,所述布置均匀性指标项通过传感器空间分布的标准差表征监测区域覆盖的均匀程度。

13、在上述方法中,所述约束条件包括:传感器总数约束,所述传感器总数约束限定可布置的传感器数量上限;布置位置约束,所述布置位置约束规定每个传感器的可行布置区域;信号质量约束,所述信号质量约束要求监测点处的信号强度高于预设阈值;能源消耗约束,所述能源消耗约束限定系统的最大功耗;通信链路约束,所述通信链路约束规定传感器之间的最大通信距离。

14、在上述方法中,根据所述传感器布置策略计算传感器的最优布置位置包括:构建地震波传播速度模型,所述地震波传播速度模型包括p波速度场和s波速度场;基于所述地震波传播速度模型计算微震监测区域的声波阻抗分布;根据所述声波阻抗分布确定关键监测点位置;结合所述关键监测点位置和所述传感器布置策略,采用混合整数规划方法求解最优布置位置。

15、本申请实施例还提供一种微震信号分析传感器布置系统,包括:模型构建模块,用于构建port-hamiltonian神经网络模型,所述port-hamiltonian神经网络模型包括微震监测系统的hamilton量和耗散项;数据采集和预处理模块,用于采集微震监测区域的地质参数和历史微震数据,对所述历史微震数据进行预处理;动力学特性学习模块,用于基于所述port-hamiltonian神经网络模型、所述地质参数和预处理后的历史微震数据,学习微震监测系统各监测单元动力学特性,输出包括系统固有频率、阻尼比和模态形状的动力学参数;控制器构建模块,用于基于所述动力学参数构建数据驱动型min-max mpc控制器,所述min-max mpc控制器根据监测精度和资源消耗生成传感器布置策略;布置位置计算模块,用于根据所述传感器布置策略,计算传感器的最优布置位置。

16、本申请实施例还提供一种计算机装置,所述计算机装置包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述微震信号分析传感器布置的方法。

17、本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行上述微震信号分析传感器布置的方法。

18、本申请实施例还提供一种计算机程序产品,包括计算机指令,其特征在于,该计算机指令被处理器执行时实现上述微震信号分析传感器布置的方法的步骤。

19、本申请具备以下技本文档来自技高网...

【技术保护点】

1.一种微震信号分析传感器布置方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,构建所述Port-Hamiltonian神经网络模型包括:

3.根据权利要求1所述的方法,其特征在于,对所述历史微震数据进行预处理包括:

4.根据权利要求1所述的方法,其特征在于,基于所述Port-Hamiltonian神经网络模型、所述地质参数和预处理后的历史微震数据,学习微震监测系统各监测单元动力学特性,输出包括系统固有频率、阻尼比和模态形状的动力学参数包括:

5.根据权利要求1所述的方法,其特征在于,基于所述动力学参数构建数据驱动型Min-Max MPC控制器包括:

6.根据权利要求5所述的方法,其特征在于,所述控制目标函数包括:

7.根据权利要求5所述的方法,其特征在于,所述约束条件包括:

8.根据权利要求1所述的方法,其特征在于,根据所述传感器布置策略计算传感器的最优布置位置包括:

9.一种微震信号分析传感器布置系统,其特征在于,包括:

10.一种计算机装置,其特征在于,所述计算机装置包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1~8任一项所述的微震信号分析传感器布置的方法。

...

【技术特征摘要】

1.一种微震信号分析传感器布置方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,构建所述port-hamiltonian神经网络模型包括:

3.根据权利要求1所述的方法,其特征在于,对所述历史微震数据进行预处理包括:

4.根据权利要求1所述的方法,其特征在于,基于所述port-hamiltonian神经网络模型、所述地质参数和预处理后的历史微震数据,学习微震监测系统各监测单元动力学特性,输出包括系统固有频率、阻尼比和模态形状的动力学参数包括:

5.根据权利要求1所述的方法,其特征在于,基于所述动力学参数构建数据驱动型min-max mpc控制器包括:

【专利技术属性】
技术研发人员:李思齐兰安畅郎博宋东东孙剑郭慧元周杰张卫东张军成浩汪开旺刘锋
申请(专利权)人:山西潞安环保能源开发股份有限公司五阳煤矿
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1