1.本发明涉及岩石力学技术领域，特别涉及一种煤岩裂隙轨迹动态识别与实时预测方法。
背景技术：
2.在地下工程如隧道施工、煤炭开采过程中，由岩体裂隙扩展及贯通所导致的岩土工程灾害时有发生，岩土工程的失稳破坏大多与裂隙的扩展、贯通有关，主要表现为岩石裂隙的萌生、扩展及贯通，进一步造成宏观破裂现象。
3.对此，学者们采用数字图像相关技术观测系统，对煤岩试样受载下的裂纹扩展与变形过程进行了研究，分析了煤岩外部裂隙的萌生、扩展及相互连通的演化过程，尽管在岩石裂隙的研究中已经有许多进展，但目前的研究大多集中于单一煤岩内部或外部裂隙发育过程的识别和预测，并未实现对内外裂隙的同时观测。而内外裂隙的出现往往会相互影响，因此在实际工程中需要将两者相结合进行考虑，同时通过观测荷载作用下岩石试件中预制裂隙的发育过程，发现内外裂隙发育具有差异性，目前很少有研究能够有效结合内外裂隙的发育过程。此外，在面临大规模实时数据的情况下，实时预测的实现仍面临许多挑战，此外，不同的工况或工程条件可能对模型预测的精度要求不同，然而现有预测模型通常只能针对特定的工况条件进行预测，并且缺乏自纠正机制，这意味着不同场景下预测模型的精度和准确性受到限制，预测结果往往难以满足工程实际需要。为了应对这些挑战，需要提出更加准确和稳定的识别预测模型，并进一步针对不同工况条件下的预测模型进行修改和优化。
4.因此，亟需一种煤岩内外裂隙发育轨迹相结合的动态识别方法。
技术实现要素：
5.本发明的目的是提供一种煤岩裂隙轨迹动态识别与实时预测方法，以解决现有技术中存在的问题。
6.为实现本发明目的而采用的技术方案是这样的，一种煤岩破裂轨迹动态识别与实时预测方法，包括以下步骤：
7.1)对试样表面进行网格划分。在煤岩试样侧壁上均匀布置n个声发射探头，在煤岩试样外侧布置高速摄像机。
8.2)将采集周期t按时间步δt划分为多个采集步。力学实验过程中，采用声发射设备和高速摄像机收集采集周期t内煤岩内部裂隙扩展过程和煤岩外部裂隙扩展轨迹情况。得到t、t 1、t 2、t 3、
……
t n时刻的内部裂隙坐标，从而建立具有时序性特征的内部裂隙尖端坐标变化数据集得到t、t 1、t 2、t 3、
……
t n时刻的外部裂隙坐标，从而建立具有时序性特征的外部裂隙尖端坐标变化数据集w(t)＝{ω1ω2...ωn}。单个时间步的采集计算流程包括如下子步骤：
9.a)采用声发射设备收集煤岩破裂过程中的声发射信息。t时刻煤岩内部裂隙发育
轨迹识别。采用声发射技术记录煤岩内部裂隙发育全过程的声发射信息，进而通过声源定位方法进行煤岩内部裂隙识别，基于声发射定位技术反演出裂隙轨迹，确定煤岩试样内部裂隙发育的空间位置。
10.b)采用高速摄像机记录外部裂隙发育的一系列过程，并对裂隙轨迹图像进行提取。t时刻煤岩外部裂隙发育轨迹识别。使用智能图像识别算法实现对煤岩外部裂隙的识别。对提取到的煤岩裂隙图像进行二值化处理，将图像中的裂隙和背景分隔出来，进一步对裂隙发育过程中的轨迹坐标进行提取，获得外部裂隙位置随时间变化的数据。
11.c)t时刻煤岩内外裂隙发育轨迹融合。基于步骤a)和步骤b)中提取到的t时刻的内部坐标和外部坐标，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现内外裂隙的实时融合。
12.3)对步骤2)提取到的内外裂隙尖端坐标变化数据集作为历史数据集进行学习，得到裂隙尖端坐标预测模型。采用裂隙尖端坐标预测模型进行内外裂隙发育轨迹的预测。预测未来时刻的裂隙尖端坐标，实现内外裂隙下一时刻的动态延伸过程进行预测，输出内外裂隙发育动态过程的坐标预测值和
13.4)根据内外裂隙预测模型的预测结果不断修正预测步长，实时对模型进行更新，实现对煤岩内外裂隙发育轨迹的前延自纠正预测。
14.5)对内外裂隙发育轨迹进行识别预测。基于步骤3)和步骤4)中得到的煤岩内外裂隙坐标预测值，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现基于时序序列的内外裂隙点位融合。继而得到预测后的前延裂隙轨迹。
15.进一步，步骤1)中，所述力学实验为拉伸破坏力学实验。
16.进一步，步骤1)中，n≥4。
17.进一步，步骤a)具体包括以下子步骤：
18.a1)以煤岩试样中心点为原点建立空间直角坐标系，得到n个传感器的空间坐标(xn，yn，zn)，将裂隙发育路径对应空间坐标记为(xi，yi，zi)，将n个传感传感器接收到的声源信号时间记为tn，将信号从声发射源传出的时间记为t。根据时差定位方法建立式(1)。
[0019][0020]
求解式(1)，得到若干组坐标点。求出若干组坐标点的几何中心。所述几何中心即为所需要的裂隙发育路径对应空间坐标(xi，yi，zi)。
[0021]
a2)对裂隙发育过程中内部裂隙坐标变化进行提取，建立空间坐标数据集
[0022]
a3)通过实时更新当前时刻煤岩裂隙尖端空间坐标，建立具有时序性特征的内部裂隙尖端坐标变化数据集
[0023]
进一步，步骤b)具体包括以下子步骤：
[0024]
b1)记录外部裂隙发育的轨迹图像。其中，选取煤岩试件中心点作为坐标原点，绘制平面坐标系。
[0025]
b2)对步骤b1)中得到的煤岩外部裂隙发育过程的图像进行二值化处理。
[0026]
b3)提取外部裂隙尖端坐标。基于步骤b2)中二值化处理后的裂隙图像，逐行扫描，依次遍历裂隙图像中任一点(x,y)对应的像素值f(x,y)，并存储在集合wi中。其中，i取0，1，2
……
n。
[0027][0028]
裂隙的尖端具有像素值的变化，将第一个阈值变化点定义为裂隙尖端点，即满足f(x,y)≥t对应的(x,y)记为裂隙尖端坐标。
[0029]
b4)重复b3)中的尖端搜索步骤，得到煤岩外部裂隙发育的一系列过程，进一步得出裂隙发育过程中轨迹的坐标变化，记为ω＝{(x1，y1)(x2，y2)(x3，y3)
……
(xn，yn)}。
[0030]
b5)通过实时更新煤岩外部裂隙尖端坐标，建立具有时序性特征的外部裂隙尖端坐标变化数据集，记为w(t)＝{ω1ω2...ωn}。
[0031]
进一步，步骤c)中,将反映裂隙形态和尺寸信息的内部坐标与反映裂隙的位移和变形信息的外部坐标相结合，针对某一时刻t所对应的外部坐标，结合对应内部裂隙坐标，进一步反演出在t时刻煤岩试件裂隙发育轨迹。基于提取到t时刻的内部坐标和外部坐标，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现内外裂隙的实时融合。根据融合结果形成立体的裂隙模型，更加准确地识别内外裂隙的位置和形态。
[0032]
进一步，步骤3)中，利用提取到的煤岩内外裂隙尖端坐标变化数据集进行训练，从而得到裂隙发育轨迹预测模型，通过使用该模型预测未来时刻内外裂隙的尖端坐标，从而实现对煤岩内外裂隙发育轨迹的预测，其中预测模型包括长短时记忆网络lstm。
[0033]
进一步，步骤4)中实时自纠正方法通过实时收集和监测裂隙发育数据，并建立相应的反馈机制，在实施过程中，基于研究精度，对预测模型设置相应误差范围阈值，当模型预测值超过误差阈值时，需要对模型进行自纠正调整，从而提高预测精度。
[0034]
本发明的技术效果是毋庸置疑的：
[0035]
a.结合智能图像处理技术和声发射监测技术，提出了一种煤岩内外裂隙相结合的发育轨迹识别预测方法，有利于掌握煤岩内外裂隙发育轨迹；
[0036]
b.基于煤岩体裂隙发育轨迹的识别，本发明构建了煤岩裂隙发育轨迹的预测模型，并采用自纠正的方法，根据模型预测结果不断修正预测步长，实时对模型进行更新，提高预测结果的准确性，实现对煤岩体裂隙发育轨迹的前延预测；
[0037]
c.针对煤岩内外裂隙的萌生、扩展及贯通路径进行识别，本发明构建的煤岩裂隙识别预测模型能够实时掌握煤岩体内外裂隙发育情况，有利于及时明确并预测煤岩稳定性。
附图说明
[0038]
图1为预测方法流程图；
[0039]
图2为lstm坐标预测网络结构图。
具体实施方式
[0040]
下面结合实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。
[0041]
实施例1：
[0042]
岩体中的裂隙通常以三维形式扩展，单一煤岩外部裂隙的识别不能反映出内部裂隙发育过程，仅针对煤岩内部进行识别预测不能直观得到煤岩外部裂隙的发育路径。因此，亟需煤岩裂隙发育轨迹的识别方法，实现对煤岩外部及内部裂隙扩展、贯通轨迹进行识别。
[0043]
本实施例提供一种煤岩破裂轨迹动态识别与实时预测方法，包括以下步骤：
[0044]
1)对试样表面进行网格划分。在煤岩试样侧壁上均匀布置n个声发射探头，在煤岩试样外侧布置高速摄像机。n≥4。
[0045]
2)将采集周期t按时间步δt划分为多个采集步。力学实验过程中，采用声发射设备和高速摄像机收集采集周期t内煤岩内部裂隙扩展过程和煤岩外部裂隙扩展轨迹情况。得到t、t 1、t 2、t 3、
……
t n时刻的内部裂隙坐标，从而建立具有时序性特征的内部裂隙尖端坐标变化数据集得到t、t 1、t 2、t 3、
……
t n时刻的外部裂隙坐标，从而建立具有时序性特征的外部裂隙尖端坐标变化数据集w(t)＝{ω1ω2...ωn}。单个时间步的采集计算流程包括如下子步骤：
[0046]
a)采用声发射设备收集煤岩破裂过程中的声发射信息。t时刻煤岩内部裂隙发育轨迹识别。采用声发射技术记录煤岩内部裂隙发育全过程的声发射信息，进而通过声源定位方法进行煤岩内部裂隙识别，基于声发射定位技术反演出裂隙轨迹，确定煤岩试样内部裂隙发育的空间位置。步骤a)具体包括以下子步骤：
[0047]
a1)以煤岩试样中心点为原点建立空间直角坐标系，得到n个传感器的空间坐标(xn，yn，zn)，将裂隙发育路径对应空间坐标记为(xi，yi，zi)，将n个传感传感器接收到的声源信号时间记为tn，将信号从声发射源传出的时间记为t。根据时差定位方法建立式(1)。
[0048][0049]
求解式(1)，得到若干组坐标点。求出若干组坐标点的几何中心。所述几何中心即为所需要的裂隙发育路径对应空间坐标(xi，yi，zi)。
[0050]
a2)对裂隙发育过程中内部裂隙坐标变化进行提取，建立空间坐标数据集
[0051]
a3)通过实时更新当前时刻煤岩裂隙尖端空间坐标，建立具有时序性特征的内部裂隙尖端坐标变化数据集
[0052]
b)采用高速摄像机记录外部裂隙发育的一系列过程，并对裂隙轨迹图像进行提取。t时刻煤岩外部裂隙发育轨迹识别。使用智能图像识别算法实现对煤岩外部裂隙的识别。对提取到的煤岩裂隙图像进行二值化处理，将图像中的裂隙和背景分隔出来，进一步对裂隙发育过程中的轨迹坐标进行提取，获得外部裂隙位置随时间变化的数据。步骤b)具体包括以下子步骤：
[0053]
b1)记录外部裂隙发育的轨迹图像。其中，选取煤岩试件中心点作为坐标原点，绘制平面坐标系。
[0054]
b2)对步骤b1)中得到的煤岩外部裂隙发育过程的图像进行二值化处理。
[0055]
b3)提取外部裂隙尖端坐标。基于步骤b2)中二值化处理后的裂隙图像，逐行扫描，依次遍历裂隙图像中任一点(x,y)对应的像素值f(x,y)，并存储在集合wi中。其中，i取0，1，2
……
n。
[0056][0057]
裂隙的尖端具有像素值的变化，将第一个阈值变化点定义为裂隙尖端点，即满足f(x,y)≥t对应的(x,y)记为裂隙尖端坐标。
[0058]
b4)重复b3)中的尖端搜索步骤，得到煤岩外部裂隙发育的一系列过程，进一步得出裂隙发育过程中轨迹的坐标变化，记为ω＝{(x1，y1)(x2，y2)(x3，y3)
……
(xn，yn)}。
[0059]
b5)通过实时更新煤岩外部裂隙尖端坐标，建立具有时序性特征的外部裂隙尖端坐标变化数据集，记为w(t)＝{ω1ω2...ωn}。
[0060]
c)t时刻煤岩内外裂隙发育轨迹融合。基于步骤a)和步骤b)中提取到的t时刻的内部坐标和外部坐标，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现内外裂隙的实时融合。将反映裂隙形态和尺寸信息的内部坐标与反映裂隙的位移和变形信息的外部坐标相结合，针对某一时刻t所对应的外部坐标，结合对应内部裂隙坐标，进一步反演出在t时刻煤岩试件裂隙发育轨迹。基于提取到t时刻的内部坐标和外部坐标，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现内外裂隙的实时融合。根据融合结果形成立体的裂隙模型，更加准确地识别内外裂隙的位置和形态。
[0061]
3)对步骤2)提取到的内外裂隙尖端坐标变化数据集作为历史数据集进行学习，得到裂隙尖端坐标预测模型。采用裂隙尖端坐标预测模型进行内外裂隙发育轨迹的预测。预测未来时刻的裂隙尖端坐标，实现内外裂隙下一时刻的动态延伸过程进行预测，输出内外裂隙发育动态过程的坐标预测值和利用提取到的煤岩内外裂隙尖端坐标变化数据集进行训练，从而得到裂隙发育轨迹预测模型，通过使用该模型预测未来时刻内外裂隙的尖端坐标，从而实现对煤岩内外裂隙发育轨迹的预测，其中预测模型包括长短时记忆网络lstm。
[0062]
4)根据内外裂隙预测模型的预测结果不断修正预测步长，实时对模型进行更新，实现对煤岩内外裂隙发育轨迹的前延自纠正预测。实时自纠正方法通过实时收集和监测裂隙发育数据，并建立相应的反馈机制，在实施过程中，基于研究精度，对预测模型设置相应
误差范围阈值，当模型预测值超过误差阈值时，需要对模型进行自纠正调整，从而提高预测精度。
[0063]
5)对内外裂隙发育轨迹进行识别预测。基于步骤3)和步骤4)中得到的煤岩内外裂隙坐标预测值，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现基于时序序列的内外裂隙点位融合。继而得到预测后的前延裂隙轨迹。
[0064]
本实施例实现煤岩内外裂隙实时融合，并基于识别结果，对裂隙发育轨迹自纠正预测，以满足岩石力学领域对高效、实时预测模型的需求。本实施例构建的煤岩裂隙识别预测模型能够实时掌握煤岩体裂隙发育情况，自纠正预测模型具有适用性广、可靠性高、精度高的特点，在不同预测场景下均适用。基于煤岩内外裂隙的实时识别与自纠正预测模型，有利于及时明确并预测煤岩稳定性。
[0065]
实施例2：
[0066]
本实施例主要内容同实施例1，其中，所述力学实验为能观测到试件表面裂隙的实验，包括但不限于单一煤、岩或不同组合条件下煤岩组合体的三点弯曲实验、四点弯曲实验或巴西劈裂等实验。
[0067]
实施例3：
[0068]
本实施例提供一种煤岩破裂轨迹动态识别与实时预测方法，包括以下步骤：
[0069]
1)对试样表面进行网格划分；在煤岩试样侧壁上均匀布置n个声发射探头，在煤岩试样外侧布置高速摄像机；
[0070]
2)将采集周期t按时间步δt划分为多个采集步；力学实验过程中，采用声发射设备和高速摄像机收集采集周期t内煤岩内部裂隙扩展过程和煤岩外部裂隙扩展轨迹情况；得到t、t 1、t 2、t 3、
……
t n时刻的内部裂隙坐标，从而建立具有时序性特征的内部裂隙尖端坐标变化数据集得到t、t 1、t 2、t 3、
……
t n时刻的外部裂隙坐标，从而建立具有时序性特征的外部裂隙尖端坐标变化数据集w(t)＝{ω1ω2...ωn}；单个时间步的采集计算流程包括如下子步骤：
[0071]
a)采用声发射设备收集煤岩破裂过程中的声发射信息；t时刻煤岩内部裂隙发育轨迹识别；采用声发射技术记录煤岩内部裂隙发育全过程的声发射信息，进而通过声源定位方法进行煤岩内部裂隙识别，基于声发射定位技术反演出裂隙轨迹，确定煤岩试样内部裂隙发育的空间位置；
[0072]
b)采用高速摄像机记录外部裂隙发育的一系列过程，并对裂隙轨迹图像进行提取；t时刻煤岩外部裂隙发育轨迹识别；使用智能图像识别算法实现对煤岩外部裂隙的识别；对提取到的煤岩裂隙图像进行二值化处理，将图像中的裂隙和背景分隔出来，进一步对裂隙发育过程中的轨迹坐标进行提取，获得外部裂隙位置随时间变化的数据；
[0073]
c)t时刻煤岩内外裂隙发育轨迹融合；基于步骤a)和步骤b)中提取到的t时刻的内部坐标和外部坐标，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现内外裂隙的实时融合；
[0074]
3)对步骤2)提取到的内外裂隙尖端坐标变化数据集作为历史数据集进行学习，得到裂隙尖端坐标预测模型；采用裂隙尖端坐标预测模型进行内外裂隙发育轨迹的预测；预测未来时刻的裂隙尖端坐标，实现内外裂隙下一时刻的动态延伸过程进行预测，输出内外
裂隙发育动态过程的坐标预测值和
[0075]
4)根据内外裂隙预测模型的预测结果不断修正预测步长，实时对模型进行更新，实现对煤岩内外裂隙发育轨迹的前延自纠正预测；
[0076]
5)对内外裂隙发育轨迹进行识别预测；基于步骤3)和步骤4)中得到的煤岩内外裂隙坐标预测值，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现基于时序序列的内外裂隙点位融合；继而得到预测后的前延裂隙轨迹。
[0077]
实施例4：
[0078]
本实施例主要内容同实施例3，其中，步骤1)中，所述力学实验为拉伸破坏力学实验。
[0079]
实施例5：
[0080]
本实施例主要内容同实施例3，其中，步骤1)中，n≥4。
[0081]
实施例6：
[0082]
本实施例主要内容同实施例3，其中，步骤a)具体包括以下子步骤：
[0083]
a1)以煤岩试样中心点为原点建立空间直角坐标系，得到n个传感器的空间坐标(xn，yn，zn)，将裂隙发育路径对应空间坐标记为(xi，yi，zi)，将n个传感传感器接收到的声源信号时间记为tn，将信号从声发射源传出的时间记为t；根据时差定位方法建立式(1)；
[0084][0085]
求解式(1)，得到若干组坐标点；求出若干组坐标点的几何中心；所述几何中心即为所需要的裂隙发育路径对应空间坐标(xi，yi，zi)；
[0086]
a2)对裂隙发育过程中内部裂隙坐标变化进行提取，建立空间坐标数据集
[0087]
a3)通过实时更新当前时刻煤岩裂隙尖端空间坐标，建立具有时序性特征的内部裂隙尖端坐标变化数据集
[0088]
5.根据权利要求1所述的一种煤岩破裂轨迹动态识别与实时预测方法，其特征在于，步骤b)具体包括以下子步骤：
[0089]
b1)记录外部裂隙发育的轨迹图像；其中，选取煤岩试件中心点作为坐标原点，绘制平面坐标系；
[0090]
b2)对步骤b1)中得到的煤岩外部裂隙发育过程的图像进行二值化处理；
[0091]
b3)提取外部裂隙尖端坐标；基于步骤b2)中二值化处理后的裂隙图像，逐行扫描，依次遍历裂隙图像中任一点(x,y)对应的像素值f(x,y)，并存储在集合wi中；其中，i取0，1，2
……
n；
[0092][0093]
裂隙的尖端具有像素值的变化，将第一个阈值变化点定义为裂隙尖端点，即满足f(x,y)≥t对应的(x,y)记为裂隙尖端坐标；
[0094]
b4)重复b3)中的尖端搜索步骤，得到煤岩外部裂隙发育的一系列过程，进一步得出裂隙发育过程中轨迹的坐标变化，记为ω＝{(x1，y1)(x2，y2)(x3，y3)
……
(xn，yn)}；
[0095]
b5)通过实时更新煤岩外部裂隙尖端坐标，建立具有时序性特征的外部裂隙尖端坐标变化数据集，记为w(t)＝{ω1ω2...ωn}。
[0096]
实施例7：
[0097]
本实施例主要内容同实施例3，其中，步骤c)中,将反映裂隙形态和尺寸信息的内部坐标与反映裂隙的位移和变形信息的外部坐标相结合，针对某一时刻t所对应的外部坐标，结合对应内部裂隙坐标，进一步反演出在t时刻煤岩试件裂隙发育轨迹；基于提取到t时刻的内部坐标和外部坐标，利用点位对应的方法，将内部和外部裂隙点位进行匹配，实现内外裂隙的实时融合；根据融合结果形成立体的裂隙模型，更加准确地识别内外裂隙的位置和形态。
[0098]
实施例8：
[0099]
本实施例主要内容同实施例3，其中，步骤3)中，利用提取到的煤岩内外裂隙尖端坐标变化数据集进行训练，从而得到裂隙发育轨迹预测模型，通过使用该模型预测未来时刻内外裂隙的尖端坐标，从而实现对煤岩内外裂隙发育轨迹的预测，其中预测模型包括长短时记忆网络lstm。
[0100]
实施例9：
[0101]
本实施例主要内容同实施例3，其中，步骤4)中实时自纠正方法通过实时收集和监测裂隙发育数据，并建立相应的反馈机制，在实施过程中，基于研究精度，对预测模型设置相应误差范围阈值，当模型预测值超过误差阈值时，需要对模型进行自纠正调整，从而提高预测精度。
[0102]
实施例10：
[0103]
参见图1和图2，本实施例主要内容同实施例1，其中，本实施例包括如下步骤：
[0104]
1)煤岩内部裂隙识别。内部裂隙识别通过声发射事件定位方法实现，基于声发射定位技术反演出裂隙轨迹，确定煤岩试样内部裂隙发育的空间位置。
[0105]
1.1)煤岩力学试验开始之前，在试样侧面及背面均匀布置n(n≥4)个声发射探头，在试件与声发射探头之间涂抹凡士林作为耦合剂，以提高传感器信号传输的准确性。通过声发射设备监测数据，收集煤岩破裂过程中声发射信息，利用声源定位方法反演试样内部裂隙发育过程的空间坐标。
[0106]
1.2)本发明基于时差定位法得到试样内部裂隙发育的空间坐标。该声发射源定位方法通过不同传感器到达时间差反演声源位置，即裂隙发育位置。具体步骤为：以试样中心点为原点建立空间直角坐标系，得到n个传感器的空间坐标(xn,yn,xn)，将裂隙发育路径对应空间坐标记为(xi,yi,zi)，将上述1.1)中n个传感传感器接收到的声源信号时间记为tn，
将信号从声发射源传出的时间记为t，根据时差定位方法建立如下方程组：
[0107][0108]
求解出方程组得到一组解，即一组坐标点，求出这些坐标点的几何中心，该几何中心即为所需要的裂隙发育路径对应空间坐标(xi,yi,zi)。
[0109]
1.3)根据上述1.2)所述定位方法，对裂隙发育过程中内部裂隙坐标变化进行提取，建立空间坐标数据集取，建立空间坐标数据集
[0110]
1.4)通过实时更新当前时刻煤岩裂隙尖端空间坐标，建立具有时序性特征的内部裂隙尖端坐标变化数据集
[0111]
2)内部裂隙发育轨迹的预测，裂隙尖端坐标预测模型选用但不限于长短时记忆网络，对上述1.4)中提取到的裂隙尖端坐标数据集进行学习，预测未来时刻的裂隙尖端坐标，进一步实现对裂隙下一时刻的动态延伸过程进行预测。
[0112]
2.1)以上所述的长短时记忆网络lstm是基于递归神经网络(rnn)的改进模型。通过增加门控机制，引入记忆模块来记忆重要坐标信息，忘记不重要信息，解决了rnn存在的梯度爆炸、或普rnn在序列过长时消失等问题。lstm具有隐藏状态h
t
和单位状态c
t
，用于控制和存储坐标的长期信息。lstm有三个输入，即第(t-1)个隐藏状态h
t-1
，第(t-1)个单位状态c
t-1
和第t个坐标数据。lstm的输出是第t个单位状态c
t
和第t个隐藏状态h
t
。此外，lstm有三个“门”，即遗忘门(f)、输入门(i)、输出门(o)。
[0113]
将煤岩内部裂隙发育轨迹的历史坐标代入lstm智能预测算法中，首先通过遗忘门，遗忘门的作用是以一定的概率控制是否遗忘上一层的隐藏细胞状态，筛选出有用的坐标数据，概率取值范围为(0，1)，当取值为1时表示“保留先前坐标数据”；当取值为0时，表示“遗忘先前坐标数据”，计算公式如下：
[0114]
f(t)＝σ(wfh
t-1
ufx
t
bf)
[0115]
其中，wf和uf分别对应h
(t-1)
和x
(t)
的权值矩阵，x
(t)
为t时刻裂隙坐标的数据输入w，h
(t-1)
为上一时刻的预测坐标输出，bf为对应的域值。
[0116]
利用权值矩阵和sigmod激活函数得到t时刻的裂隙坐标值输出，而这个输出就是遗忘门得到的一个概率。
[0117]
通过遗忘门筛选后的裂隙坐标相关数据将会传入到输入门，输入门的作用是负责处理当前序列位置坐标的输入。数学表达式如下：
[0118]i(t)
＝σ(w
ih(t-1)
uix
(t)
bi)
[0119]c(t)
＝tanh(wch
(t-1)
ucx
(t)
bc)
[0120]
两部分都是输入门的有关内容，其中，wi、wc和ui、uc分别对应h
(t-1)
和x
(t)
的权值矩阵，x
(t)
为t时刻裂隙坐标的数据输入，h
(t-1)
为上一时刻的预测坐标输出，bf为对应的域值；c
(t)
为上一刻的输出h
(t-1)
和当前输入数据x
(t)
利用双曲正切函数对神经单元状态进行计算得到的临时神经单元。
[0121]
最后，通过输出门将当前时刻的裂隙坐标值输出，输出门的作用是输出t-1时刻的隐含状态h
(t-1)
和t时刻的单元状态c
(t)
，数学表达式如下：
[0122]ot
＝σ(w
oh(t-1)
uox
(t)
bo)
[0123]h(t)
＝o
t
×
tanh(c
(t)
)
[0124]
其中，wo和uo分别对应h
(t-1)
和x
(t)
的权值矩阵，bo为对应的域值，o
t
为输出门的坐标输出，h
(t)
为t时刻神经单元输出的内部裂隙扩展、延伸动态过程的坐标预测值
[0125]
3)煤岩外部裂隙的识别。煤岩外部裂隙识别通过智能图像识别算法实现，即对提取到的煤岩裂隙图像进行二值化处理和对裂隙扩展、贯通过程中的轨迹坐标进行提取。
[0126]
3.1)力学试验开始前选取试件中心点作为坐标原点，绘制平面坐标系，记录外部裂隙发育的轨迹图像，便于提取煤岩外部裂隙发育轨迹的坐标。
[0127]
3.2)对上述3.1)中提取煤岩外部裂隙发育过程的图像进行二值化处理，将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像，首先将灰度图像二值化，即所有灰度值大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者目标以外的物体区域，得到裂隙二值化图像；选取裂隙像素点的灰度值为255，煤岩试样其余部分像素点的灰度值为0，阈值根据实际情况选择为t，进一步得到图像中点(x,y)的阈值计算公式如下：
[0128][0129]
其中，d(x,y)为二值化处理后的最终图像，f(x,y)为灰度图像上位于点(x,y)对应的像素值。当d(x,y)取255时，判定为特定物体即裂隙，否则当d(x,y)取0时，判定为煤岩。
[0130]
3.3)提取外部裂隙尖端坐标。基于上述3.2)中二值化处理后的裂隙图像，逐行扫描，依次遍历裂隙图像中任一点(x,y)对应的像素值f(x,y)，将其存储在集合wi中，其中，i取0，1，2
……
n；
[0131][0132]
裂隙尖端具有像素值的变化，将第一个阈值变化点视为裂隙尖端点，即满足f(x,y)≥t对应的(x,y)记为裂隙尖端坐标。
[0133]
3.4)重复3.3)中所述尖端搜索步骤，得到煤岩外部裂隙发育的一系列过程，进一步得出裂隙发育过程中轨迹的坐标变化，记为ω＝{(x1,y1)(x2,y2)(x3,y3)
……
(xn,yn)}。
[0134]
3.5)通过实时更新煤岩外部裂隙尖端坐标，建立具有时序性特征的外部裂隙尖端坐标变化数据集，记为w(t)＝{ω1ω2...ωn}。
[0135]
4)选用lstm算法实现煤岩外部裂隙发育轨迹预测，将上述3.5)中外部裂隙尖端坐标数据集作为历史数据集对其进行学习，输入到lstm模型中，依据上述2.1)所述对其完成预测过程，输出外部裂隙扩展、延伸动态过程的坐标预测值
[0136]
4.1)煤岩体裂隙的实时融合，基于1.4)对裂隙发育过程中内部裂隙坐标变化所建
立的空间坐标数据，以及3.4)中外部裂隙坐标变化数据集，针对某一时刻t所对应的外部坐标，结合对应内部裂隙坐标，进一步反演出在t时刻煤岩试件体裂隙发育轨迹，循环此步骤进一步得出t 1、t 2等时刻的体裂隙发育轨迹，实现内外裂隙发育全过程的识别。
[0137]
5)煤岩裂隙自纠正预测
[0138]
5.1)煤岩内部裂隙自纠正预测。设t时刻声发射设备监测到煤岩内部裂隙尖端的空间坐标为(x
t
,y
t
,z
t
)，基于上述2.1)中模型输出t时刻坐标预测值得出t时刻坐标预测误差：
[0139][0140]
根据实际需要将允许误差限设置为b，根据试件大小及实验精度需要确定。
[0141]
5.1.1)当δ≤b时，可认为模型预测误差在允许范围内，预测结果较好，当连续n(根据实际情况确定)次坐标预测均满足δ≤b时，可增加预测步长，即预测t 1时刻煤岩内部裂隙发育轨迹坐标；此时若仍满足δ≤b，则可继续增加预测步长，否则保持当前时间步长。
[0142]
5.1.2)当δ＞b时，说明煤岩内部裂隙发育轨迹预测与实际扩展路径存在一定偏差，此时需要减少预测步长，即预测t-1时刻内部裂隙发育轨迹坐标，若仍为δ＞b，则进一步减少预测步长，即预测t-2步，当预测误差满足δ≤b且连续n(根据实际情况确定)次坐标预测均满足δ≤b时，可继续将预测时间步长设置为t-1，否则保持当前时间步长。
[0143]
5.1.3)上述5.1.2)中每修改一次预测步长同时对模型进行更新，不断训练模型以提高模型预测精度。
[0144]
5.1.4)循环上述5.1.1)，5.1.2)5.1.3)中步骤，实现对煤岩内部裂隙发育过程的前延自纠正预测。
[0145]
5.2)煤岩外部裂隙发育轨迹自纠正预测。设t时刻煤岩外部裂隙发育过程中尖端坐标为(x
t
,y
t
)，基于上述4)中模型输出t时刻坐标预测值得出t时刻坐标预测误差：
[0146][0147]
根据实际需要将允许误差限设置为a，根据试件大小及实验精度需要确定。
[0148]
5.2.1)通过比较ε与a的大小，根据上述5.1.1)、5.1.2)和5.1.3)实现对煤岩外部裂隙发育轨迹的自纠正预测。
[0149]
本实施例建立了煤岩内外裂隙发育轨迹识别模型，对煤岩内外裂隙发育轨迹进行实时跟踪，实现了煤岩内外裂隙相结合的发育轨迹动态识别。构建了煤岩内外裂隙的实时自纠正预测模型，对煤岩内外裂隙发育轨迹预测结果进行实时自纠正，实现了对煤岩内外裂隙发育轨迹的动态前延预测。