1.一种基于声发射的硬岩拉剪破裂识别方法，其特征在于，包括以下步骤：步骤S1：测定硬岩的几何物理参数；

步骤S2：获取岩样张拉破裂和剪切破裂声发射信号；

步骤S3：提取张拉和剪切两类声发射声纹图的HOG特征；

步骤S4：将声纹图HOG特征构建训练样本集训练IVM；

步骤S5：获取待识别的硬岩破裂声发射信号；

步骤S6：将待识别声发射声纹的HOG特征带入已训练IVM确定硬岩破裂类型；

步骤S7：将识别结果良好的预测样本加入到IVM新的训练集中重新训练IVM，并对之后监测所得的声发射信号进行预测。

2.根据权利要求1中基于声发射的硬岩拉剪破裂识别方法，其特征在于，所述步骤S3包括：首先将声发射绘制成时间-频率-幅值的三维平面声纹图，之后提取反应图形纹理分布的HOG特征，作为区分张拉破裂声纹图和剪切破裂声纹图的依据。

3.根据权利要求1中基于声发射的硬岩拉剪破裂识别方法，其特征在于，所述步骤S4包括：将所提取的张拉和剪切两类声纹图的HOG特征作为训练样本集对IVM模型进行训练，并在训练中利用交叉验证方法提高IVM模型的泛化能力。

4.根据权利要求1中所述的基于声发射的硬岩拉剪破裂识别方法，其特征在于，所述步骤S6包括：首先，通过监测硬岩在某一时刻的破裂声发射信号，并绘制成声纹图，提取待识别声纹图的HOG特征，并将该HOG特征作为预测样本输入已训练的IVM模型中进行预测、分类，识别此刻发生的破裂类型。

5.根据权利要求1中所述的基于声发射的硬岩拉剪破裂识别方法，其特征在于，所述步骤S7包括：将预测结果良好的样本，作为新的训练样本加入到训练样本集合中，重新训练IVM模型，提高IVM的学习深度，并对之后监测得到的声发射信号进行预测，在该步骤的实施中，一般规定IVM对良好预测样本的定义为，当预测结果0

6.一种基于声发射的硬岩拉剪破裂自动识别装置，其特征在于，包括以下模块：信息模块Z1，提取现场硬岩几何物理参数；

拉剪声发射信号采样模块Z2，用于将现场监测岩土中的代表性岩样开展张拉破裂实验和剪切破裂试验获取相关的声发射信号，用于之后信号的特征提取；

声发射信号特征提取模块Z3，用于提取声发射信号声纹图的HOG特征；

IVM计算模块Z4，用于将已经提取出的声发射信号特征作为训练样本用来训练IVM模型，并且对预测样本做出分类结果；

现场声发射信号监测模块Z5，用于对监测现场硬岩破裂的声发射信号进行监测，作为待识别的预测样本交给IVM计算模块分类识别；

显示模块Z6，用于显示上述各模块之间的计算结果，并且可以用来控制各个模块的进程；

传输模块Z7，用于实现对各模块之间的信息通信，实现各模块间信息的储存和传递。

7.根据权利要求6所述的基于声发射的硬岩拉剪破裂自动识别装置，其特征在于，所述拉剪声发射信号采样模块Z2包括：张拉采样单元Z2-1，用于开展张拉试验，获取张拉破裂时的声发射信号；

剪切采样单元Z2-2，用于开展剪切试验，获取剪切破裂时的声发射信号；

声发射信号记录单元Z2-3，用于记录在进行岩样上岩样张拉破裂和剪切破裂试验时的声发射信号。

8.根据权利要求6所述的基于声发射的硬岩拉剪破裂自动识别装置，其特征在于，所述声发射信号特征提取模块Z3包括：声纹图形生成单元Z3-1，用于将获得的声发射信号转换成三维平面声纹图；

声纹图形HOG提取单元Z3-2，用于对生成的声纹图进行HOG特征的提取。

9.根据权利要求6所述的基于声发射的硬岩拉剪破裂自动识别装置，其特征在于，所述IVM计算模块Z4包括：均匀化样本单元Z4-1，其用于均匀化训练样本；

交叉训练单元Z4-2，其用于在训练过程中对样本交叉验证，训练IVM模型；

模型参数调整单元Z4-3，其用于对IVM模型训练较差的情况，调整IVM模型的参数，以适应训练；

预测样本显示单元Z4-3，其用于显示IVM模型对于预测样本的预测值。