8的 總數(shù)量為M個，所述綜采面7前方探測區(qū)域內(nèi)的測點總數(shù)量為M個，M個所述測點分別為測 點1、測點2、…、測點M;p為正整數(shù)且p= 1、2、…、ml，q為正整數(shù)且q=ml+l、ml+2、…、 M，ml為正整數(shù)且其為工作面運輸巷4內(nèi)的測點總數(shù)量，m2為正整數(shù)且其為工作面回風(fēng)巷5 內(nèi)的測點總數(shù)量，ml+m2 =M;
[0138] 步驟20222、任意兩測點間應(yīng)力波理論走時差計算：先按照射線追蹤方法，求解出 當(dāng)前分析應(yīng)力波穿越成像區(qū)域的M條射線的軌跡和旅行時；之后，根據(jù)計算得出的M條射線 的旅行時，計算得出工作面運輸巷4內(nèi)的各測點與工作面回風(fēng)巷5內(nèi)的各測點之間的應(yīng)力 波理論走時差，完成當(dāng)前開采位置的振動監(jiān)測結(jié)果分析處理過程；
[0139] 其中，M條射線為當(dāng)前開采位置分別與M個所述測點之間的射線，M條射線中任一 條射線的旅行時均為根據(jù)預(yù)先建立的所述成像區(qū)域的速度模型計算得出的該射線的正演 理論走時;M條射線分別為射線1、射線2、…、射線M;
[0140] 測點p與測點q之間的應(yīng)力波理論走時差，記作AlVP'q);AT。(|^為射線p的旅行 時與射線q的旅行時的時間差；其中，射線P為當(dāng)前分析應(yīng)力波穿越成像區(qū)域到測點P的射 線且其為當(dāng)前開采位置與測點P之間的射線，射線q為當(dāng)前分析應(yīng)力波穿越成像區(qū)域到測 點q的射線且其為當(dāng)前開采位置與測點q之間的射線；
[0141] 步驟20221中計算得出的工作面運輸巷4內(nèi)各測點與工作面回風(fēng)巷5內(nèi)各測點之 間的應(yīng)力波實際走時差和步驟20222中計算得出的工作面運輸巷4內(nèi)各測點與工作面回風(fēng) 巷5內(nèi)各測點之間的應(yīng)力波理論走時差，組成當(dāng)前開采位置的一組反演求解用模型修正數(shù) 據(jù)；
[0142] 步驟20223、多次重復(fù)步驟20221至步驟20222,直至完成m個所述有效振動監(jiān)測 位置的振動監(jiān)測結(jié)果分析處理過程，獲得m組反演求解用模型修正數(shù)據(jù)；
[0143] 步驟2023、反演求解：調(diào)用SIRT算法，對步驟2021中所述速度模型進行修正，并 計算得出修正后的速度模型中各網(wǎng)格的慢度，使得步驟20223中獲得的每組反演求解用模 型修正數(shù)據(jù)中測點P與測點q之間的應(yīng)力波理論走時差與應(yīng)力波實際走時差之間的偏差均 滿足預(yù)先設(shè)計的誤差要求，獲得采煤機3當(dāng)前開采位置的綜采面近場煤巖的層析圖像。
[0144] 本實施例中，兩個所述錨桿振動測量陣列1-2中共包括M個所述振動檢測單元8， M個所述振動檢測單元8沿綜采面7的推進方向由前至后分為ml個振動檢測組，ml個所述 振動檢測組分別布設(shè)在ml個振動檢測斷面上，每個所述振動檢測斷面上均包含兩個振動 檢測單元8,兩個所述振動檢測單元8包括一個布設(shè)在工作面運輸巷4內(nèi)的振動檢測單元8 和一個布設(shè)在工作面回風(fēng)巷5內(nèi)的振動檢測單元8。如圖5-1所示，位于綜采面7前方的 第一個振動檢測斷面上兩個測點的布設(shè)位置示意圖，即測點1與測點ml+1的布設(shè)位置示意 圖。
[0145] 實際使用過程中，為操作簡便，對工作面運輸巷4內(nèi)布設(shè)的多個振動檢測單元8的 布設(shè)位置，按照位置先后順序由后向前進行編號，即對工作面運輸巷4和工作面回風(fēng)巷5內(nèi) 所有測點由前至后進行編號。本實施例中，工作面運輸巷4內(nèi)所布設(shè)振動檢測單元8的數(shù) 量為ml個，其中ml為正整數(shù)且ml多3 ;工作面回風(fēng)巷5內(nèi)所布設(shè)振動檢測單元8的數(shù)量 為m2個，其中m2為正整數(shù)且m2多3 ;相應(yīng)地，工作面運輸巷4內(nèi)所布設(shè)測點的總數(shù)量為ml 個，工作面回風(fēng)巷5內(nèi)所布設(shè)測點的總數(shù)量為m2個。本實施例中，ml=m2,并且工作面運 輸巷4內(nèi)的ml個所述測點與工作面回風(fēng)巷5內(nèi)的m2個所述測點呈對稱布設(shè)，詳見圖5-2。 所述工作面運輸巷4內(nèi)的ml個所述測點，沿工作面推進方向由后向前分別為測點1、測點 2、…、測點ml，所述工作面回風(fēng)巷5內(nèi)的m2個所述測點，沿工作面推進方向由后向前分別 為測點ml+1、測點ml+2、…、測點M。
[0146] 本實施例中，M個所述測點的布設(shè)高度均相同
[0147] 本實施例中，步驟20221中對M個測點中任意兩個測點的應(yīng)力波實際走時差進行 計算時，采用互相關(guān)運算方法進行計算。由于兩個測點的應(yīng)力波為同一激勵源，因而，能簡 便計算得出M個測點中任意兩個測點的應(yīng)力波實際走時差。
[0148] 本實施例中，步驟20222中按照射線追蹤方法對當(dāng)前分析應(yīng)力波穿越成像區(qū)域的 M條射線的軌跡和旅行時進行求解時，采用常規(guī)的射線追蹤方法進行求解。
[0149] 并且，步驟202中對提取出的m個所述有效振動監(jiān)測位置的振動監(jiān)測結(jié)果進行分 析處理時，按照射線追蹤方法，先建立反映所述速度模型中各速度節(jié)點與各條射線的關(guān)系 的雅可比矩陣A機N1)，雅可比矩陣A(M1,N1)為一個Ml行N1列矩陣，其中Ml為m個所述有效 振動監(jiān)測位置對應(yīng)的射線總數(shù)量且Ml=mXM，N1為正整數(shù)且其為所述速度模型中網(wǎng)格的 數(shù)量。雅可比矩陣A(MliN1)中第il行第jl列的數(shù)據(jù)，記作A(lli]1);A(lU]1)為第il條射線在所 述速度模型的第jl網(wǎng)格中的長度。實際使用時，當(dāng)最短射線路徑確定后，A& ]1}即可確定， 其中il為正整數(shù)且il=l、2、…、Ml，jl為正整數(shù)且jl=l、2、…、N1。
[0150] 其中，對M1條射線的旅行時進行求解時，待所建立的速度模型進行網(wǎng)格離散 化后，結(jié)合預(yù)先建立的雅可比矩陣A^N1)，并根據(jù)每條射線經(jīng)過所有網(wǎng)格的時間之和計 算得出各條射線的旅行時（即旅行時理論值）。其中，第il條射線的旅行時，根據(jù)公式 =I：小/I，,/1)><5;/||進行計算，其中S(⑴為修正前所建立的速度模型中第個網(wǎng)格的慢 m ' 度。
[0151] 其中，SIRT算法為同步迭代算法，也稱為聯(lián)合迭代重建法或瞬時迭代重建法。
[0152] 本實施例中，步驟202中進行綜采面近場煤巖層析成像之前，先對采煤機3不同開 采位置的振動監(jiān)測結(jié)果進行矯正；對采煤機3任一開采位置的振動監(jiān)測結(jié)果進行矯正時， 對采煤機3在該開采位置進行采煤時兩個所述錨桿振動測量陣列1-2中所有錨桿振動檢測 單元8檢測到的振動信號分別進行矯正，所有錨桿振動檢測單元8檢測到的振動信號的矯 正方法均相同且均按照基于白噪聲統(tǒng)計特征的振動有效量提取方法進行矯正；
[0153] 如圖5所示，采用基于白噪聲統(tǒng)計特征的振動有效量提取方法，對錨桿振動檢測 單元8檢測到的振動信號x(t)進行矯正時，包括以下步驟：
[0154] 步驟A、振動信號經(jīng)驗?zāi)B(tài)分解：調(diào)用經(jīng)驗?zāi)B(tài)分解模塊，對錨桿振動檢測單元8 所檢測振動信號x(t)進行經(jīng)驗?zāi)B(tài)分解，獲得n個本征模態(tài)函數(shù)分量和一個趨勢項；n個 本征模態(tài)函數(shù)分量和一個趨勢項均為離散函數(shù)；
[0155] 其中，振動信號x(t)為錨桿6的振動位移或振動加速度隨時間變化的函數(shù)；振動 信號x(t)的經(jīng)驗?zāi)B(tài)分解結(jié)果為= ⑴+U0 ，式（1) *Cl(t)為振動信號 i=l X(t)經(jīng)驗?zāi)B(tài)分解后獲得的第i個本征模態(tài)函數(shù)分量，i為正整數(shù)且其本征模態(tài)函數(shù)分量 的編號，i= 1、2、…、n;rn(t)為振動信號x(t)經(jīng)驗?zāi)B(tài)分解后獲得的趨勢項；
[0156] 步驟B、本征模態(tài)函數(shù)分量有效性識別：調(diào)用本征模態(tài)函數(shù)分量有效性識別模塊， 且根據(jù)預(yù)先建立的白噪聲近似熵分布區(qū)間模板，對步驟A中分解出的振動信號x(t)的n 個本征模態(tài)函數(shù)分量分別進行有效性識別；n個本征模態(tài)函數(shù)分量的有效性識別方法均相 同；
[0157] 對所述白噪聲近似熵分布區(qū)間模板進行建立時，過程如下：
[0158]步驟I、樣本獲?。寒a(chǎn)生多個隨機白噪聲信號作為樣本，多個所述白噪聲信號的數(shù) 據(jù)長度均相同；
[0159] 其中，產(chǎn)生的第j個隨機白噪聲信號，記作G 為隨機白噪聲信號的編號且其 為正整數(shù)，j= 1、2、…、N;N為本步驟中所產(chǎn)生隨機白噪聲信號的總數(shù)量；
[0160]步驟II、經(jīng)驗?zāi)B(tài)分解：調(diào)用所述經(jīng)驗?zāi)B(tài)分解模塊，對步驟I中各白噪聲信號分 別進行經(jīng)驗?zāi)B(tài)分解，獲得各白噪聲信號的n個本征模態(tài)函數(shù)分量和一個趨勢項；n個本征 模態(tài)函數(shù)分量和一個趨勢項均為離散函數(shù)；
[0161] 其中，e洲的經(jīng)驗?zāi)B(tài)分解結(jié)果為：q(0 =lx,⑴⑴，式⑴中 k⑴為GJ(t)經(jīng)驗?zāi)B(tài)分解后獲得的第i個本征模態(tài)函數(shù)分量，~⑴為G洲經(jīng)驗?zāi)B(tài) 分解后獲得的趨勢項；
[0162] 步驟III、近似熵與平均周期對數(shù)計算：調(diào)用近似熵計算模塊，對步驟II中各白噪聲 信號的n個本征模態(tài)函數(shù)分量的近似熵分別進行計算；同時，調(diào)用平均周期計算模塊，對各 白噪聲信號的n個本征模態(tài)函數(shù)分量的平均周期分別進行計算，并求解出各白噪聲信號的 n個本征模態(tài)函數(shù)分量的平均周期對數(shù)；其中，平均周期對數(shù)為平均周期的自然對數(shù)；
[0163] 步驟IV、二維聯(lián)合概率密度函數(shù)確定：根據(jù)步驟III中計算得出的各白噪聲信號的 n個本征模態(tài)函數(shù)分量的近似熵和平均周期對數(shù)，調(diào)用二維聯(lián)合概率密度函數(shù)確定模塊，獲 取白噪聲信號的n個本征模態(tài)函數(shù)分量的近似熵與平均周期對數(shù)的二維聯(lián)合概率密度函 數(shù)；
[0164] 其中，根據(jù)步驟III中計算得出的N個所述白噪聲信號的第i個本征模態(tài)函數(shù)分 量的近似熵和平均周期對數(shù)，且調(diào)用所述二維聯(lián)合概率密度函數(shù)確定模塊，得出白噪聲信 號的第i個本征模態(tài)函數(shù)分量的近似熵與平均周期對數(shù)的二維聯(lián)合概率密度函數(shù)，記作 f(Puh);其中，pjPti分別表示白噪聲信號的第i個本征模態(tài)函數(shù)分量的近似熵與平均周 期對數(shù)；
[0165] 步驟V、白噪聲近似熵分布區(qū)間模板獲?。焊鶕?jù)步驟IV中獲得的白噪聲信號的n 個本征模態(tài)函數(shù)分量的近似熵與平均周期對數(shù)的二維聯(lián)合概率密度函數(shù)，獲得白噪聲信號 的n個本征模態(tài)函數(shù)分量的置信區(qū)間；所述置信區(qū)間的置信水平為c%，其中c% = 92%~ 99% ；
[0166] 其中，白噪聲信號的n個本征模態(tài)函數(shù)分量的置信區(qū)間組成所述白噪聲近似熵分 布區(qū)間模板；
[0167] 對步驟A中分解出的第i個本征模態(tài)函數(shù)分量Cl(t)進行有效性識別時，包括以 下步驟：
[0168] 步驟B1、近似熵與平均周期對數(shù)計算：調(diào)用步驟III中所述近似熵計算模塊，計算 得出Cl(t)的近似熵；同時，調(diào)用步驟III中所述平均周期計算模塊，計算得出Cl(t)的平均周 期對數(shù)；
[0169] 步驟B2、有效性識別：根據(jù)步驟B1中計算得出的Cl(t)的近似熵與平均周期對數(shù)， 判斷Cl(t)是否落入步驟V中獲得的白噪聲信號的第i個本征模態(tài)函數(shù)分量的置信區(qū)間 內(nèi)：當(dāng)落入步驟V中獲得的白噪聲信號的第i個本征模態(tài)函數(shù)分量的置信區(qū)間內(nèi)時，說明 C1(t)為有效本征模態(tài)函數(shù)分量；否則，說明C1(t)為虛假本征模態(tài)函數(shù)分量；
[0170] 步驟B3、多次重復(fù)步驟B1至步驟B2,直至完成步驟A中分解出的n個本征模態(tài)函 數(shù)分量的有效性識別過程，獲得振動信號x(t)經(jīng)驗?zāi)B(tài)分解后的所有有效本征模態(tài)函數(shù) 分量；
[0171] 步驟C、信號重構(gòu)：利用步驟B3中獲得的振動信號x(t)經(jīng)驗?zāi)B(tài)分解后的所有有 效本征模態(tài)函數(shù)分量和步驟一中分解出的趨勢項，重構(gòu)出振動信號x'（t) ;x'（t)為對振動 信號x(t)進行矯正后獲得的信號。
[0172] 本實施例中，c%= 95%。
[0173] 實際使用時，可根據(jù)具體需要，對c%的取值大小進行相應(yīng)調(diào)整。
[0174] 本實施例中，對采煤機3不同開采位置的振動監(jiān)測結(jié)果進行矯正時，采用上位機 2-1進行矯正。
[0175] 實際使用時，也可以采用兩個分別與兩個所述錨桿振動測量陣列1-2的振動測量 信號矯正單元進行矯正。所述振動測量信號矯正單元包括第三處理器，所述第三處理器與 錨桿振動測量陣列1 -2中各錨桿振動檢測單兀8的第一處理器8-3相接。所述振動測量信 號矯正單元同樣裝在一個防爆殼體內(nèi)。
[0176] 經(jīng)驗?zāi)B(tài)分解后，獲得的n個本征模態(tài)函數(shù)分量（即頂F分量）的頻率分辨率是 不同的，這點不同于小波分析中時間與頻率相互影響特性。因而，經(jīng)驗?zāi)B(tài)（EMD)分解保留 了原信號的非線性、非平穩(wěn)性的特征。
[0177] 本實施例中，步驟A中進行振動信號經(jīng)驗?zāi)B(tài)分解之前，先調(diào)用歸一化處理模塊， 對振動信號x(t)進行歸一化處理；再調(diào)用所述經(jīng)驗?zāi)B(tài)分解模塊，對歸一化處理后的振動 信號x(t)進行經(jīng)驗?zāi)B(tài)分解；
[0178] 步驟II中進行經(jīng)驗?zāi)B(tài)分解之前，先調(diào)用所述歸一化處理模塊，對步驟I中各白 噪聲信號分別進行歸一化處理；再調(diào)用所述經(jīng)驗?zāi)B(tài)分解模塊，對歸一化處理后的各白噪 聲信號分別進行經(jīng)驗?zāi)B(tài)分解。
[0179] 本實施例中，步驟B1中對Cl(t)的近似熵和平均周期對數(shù)進行計算時，所采用的 近似熵和平均周期對數(shù)的計算方法與步驟III中采用的計算方法相同。
[0180]其中，近似熵（Approximate Entropy，ApEn)是由Steve Pincus提出的一種從統(tǒng) 計學(xué)角度反映隨機時間序列復(fù)雜度的指標(biāo)。
[0181] 本實施例中，步驟III中調(diào)用所述近似熵計算模塊對各白噪聲信號的n個本征模態(tài) 函數(shù)分量的近似熵進行計算時，所有本征模態(tài)函數(shù)分量的近似熵的計算方法均相同；
[0182] 其中，CyU)的近似熵，記作IMF-ApEn^j;對c;」(!:）的近似熵進行計算時，過程如 下：
[0183] 步驟111-1、排列組成m維向量0(k):按照Cli](t)中的各數(shù)據(jù)先后順序，將Cli](t) 中的m個數(shù)據(jù)排列組成l-m+1個m維矢量；
[0184] 其中，(31，辦）中包含]?。個數(shù)據(jù)且]\1。個數(shù)據(jù)分別為(3 1，八1)、(31」（2)、...、(^(]\1。），]\10 為Cli] (t)的數(shù)據(jù)長度且其為正整數(shù)；m為預(yù)先設(shè)定的嵌入維數(shù)，m為正整數(shù)且m多2 ;
[0185] MQ-m+l個m維矢量中第k個m維矢量，記作0(k);
[0186] 并且，0(k) = [Ci」(k)，Ci」(k+1)，…，Ci」(k+m-1) ] (2-0)，其中k為正整數(shù)且k= 1、2、…、M〇