岩石破坏全过程声发射信号去噪及特征提取方法研究

岩石在被破坏时存在的随机性和复杂性导致了采集信号的不确定性,降低了声发射信号特征提取的准确性,为了能有效地对岩石破裂过程进行监测,以红砂岩破裂过程为研究对象,创新地提出了一种基于完整集成经验分解算法-小波阈值和凸优化理论特征提取方法(CEEMDAN)。首先,用CEEMDAN法对信号进行分解,依据相关系数和方差贡献率选取真实分量,利用连续均方误差准则确定能量分界点。其次,进行小波阈值去噪,并与直接小波阈值、舍弃IMF1、舍弃IMF1和IMF2去噪等方法进行比较,利用信噪比和定位精度作为评价指标。最后对重构信号进行凸优化特征提取,通过试验验证了提出方法的可行性。试验结果表明:结合CEEMDAN法和小波阈值的去噪方法能有效地抑制高频噪声,而且去噪后信噪比和定位精度最高;随着轴向应力的增加,砂岩单轴压缩破裂过程表现为4个阶段,声发射事件数与应力-时间曲线规律相一致,且在失稳破坏阶段平均事件数所占比例最高为58.44%,研究结果可为定量监测岩体破裂过程及失稳现象提供了新的依据和方法。

基于EWT＿Hankel＿SVD的矿山微震信号特征提取及分类方法

针对矿山微震与爆破振动信号自动识别难的问题,提出了基于经验小波变换_Hankel矩阵_奇异值分解(EWT_Hankel_SVD)的矿山微震信号特征提取及分类方法。首先,针对微震信号的瞬态性和多样性,对EWT频谱分割方法进行改进,并利用仿真信号表明了方法的有效性。其次利用改进EWT对实际矿山采取的微震和爆破振动信号进行分解,借助相关性分析筛选得到f1~f5 5个主分量,进而分别利用分量f1~f5构造Hankel矩阵,计算各Hankel矩阵的最大奇异值和奇异熵。最后利用遗传算法优化的支持向量机(GA-SVM)对微震和爆破信号进行分类识别。结果表明,爆破振动信号分量f1~f4的奇异熵要大于岩体微震信号分量f1~f4的奇异熵,爆破振动信号分量f1~f5的最大奇异值要大于岩体微震信号分量f1~f5的最大奇异值。改进EWT识别效果要优于传统EWT和经验模态分解,GA-SVM识别效果要优于支持向量机、逻辑回归和Bayes判别法,且基于EWT_Hankel_SVD和GA-SVM分类准确率达到94%。

改进EWT_MPE模型在矿山微震信号特征提取中的应用

针对矿山微震与爆破振动信号难以自动辨识的问题,提出了一种基于改进EWTMPE(经验小波变换多尺度排列熵)的信号特征提取方法,并应用于矿山微震信号特征提取中。针对EWT在以往处理复杂信号频谱出现的过切分问题提出了新的改进方法,并采用仿真信号验证了改进算法的可行性和准确性。将实际采集到的微震与爆破信号进行改进EWT分解,借助相关性分析从分解得到的本征模态函数(intrinsic mode function,IMF)分量中筛选出最优分量IMF1~IMF5。进而将筛选到的IMF分量进行重构,并计算重构信号的MPE值。应用GK模糊聚类算法对微震与爆破振动信号进行分类识别。结果表明,微震信号的MPE值要小于爆破信号的MPE值,且当嵌入维数m=5,尺度因子s=12,延迟时间τ=1时,两种信号的MPE值差异最大。基于改进EWT_MPE_GK模糊聚类算法的分类识别准确率达到93.5%,平均模糊熵(E)更接近0、分类系数(C)更接近1,与传统EWT_MPE_GK模糊聚类和EMD_MPE_GK模糊聚类相比,其聚类效果更优、识别准确率分别提高了3%和5.5%。

(Pb,La)TiO_3/LaNiO_3异质结薄膜的漏电流特征

采用溶胶-凝胶法(sol-gel),以LaNiO3(LNO)为底电极在/Pt/Ti/SiO2/Si(100)衬底上生长了(Pb1-xLax)Ti1-x/4O3(x=28mol%,简称PLT)薄膜。经过600℃快速退火,从而得到了多晶钙钛矿结构PLT薄膜。薄膜漏电流和电压极性有关,当在Pt电极或LNO电极施加负偏压时,在低电场作用下,Pt/PLT和PLT/LNO界面分别形成肖特基势垒和欧姆接触;在高电场作用下,Pt/PLT和PLT/LNO界面的漏电流均呈现空间电荷限制电流导电机制。这是因为用金属氧化物LNO做底电极的缘故。

CPLD和单片机的高精度超声测距系统

提出一种基于CPLD和单片机的高精度超声波测距的设计方案。测距中的时间是通过高精度的晶体振荡器作为时钟信号源来进行计数测量;同时使用CPLD代替常用的单片机纯软件方法实现动作控制,以减少误差。在CPLD电路设计中,充分考虑了时延所造成的误差并予以克服。

基于AT89C52的粮仓湿度控制器

利用AT89C52单片机为徽处理器,以高分子材料湿度传感器及一线式数字温度传感器构成粮仓湿度控制器。通过软硬件优化设计达到对粮仓湿度的自动控制.

基于改进EWT-多尺度熵和KELM的球磨机负荷识别方法

针对球磨机在磨矿过程中负荷靠经验难以准确判断的问题,提出了一种基于改进的经验小波变换(empirical wavelet transform, EWT)-多尺度熵和核极限学习机(KELM)的球磨机负荷识别方法。首先,针对筒体振动信号的多样性和复杂性特点,对EWT频谱分割方法进行改进,通过构建信号仿真模型,比较EWT、EMD的分解效果,证明该方法的有效性。再将不同负荷状态下的筒体振动信号用改进的EWT算法进行分解得到内禀模态函数(intrinsic mode function, IMF),接着,对分解后的IMF分量进行相关性分析得到敏感分量进行重构;最后,将重构信号的多尺度熵作为表征磨机不同负荷状态的特征向量,并计算多尺度熵偏均值。结果表明:三种负荷信号的多尺度熵及多尺度熵偏均值都存在明显的差异,关系表现为:欠负荷>正常负荷>过负荷。将提取的多维特征向量进行归一化处理并作为KELM的输入,磨机负荷状态作为输出,利用核排列(kernel target alignment, KTA)算法优化核参数,建立磨机负荷状态识别最优模型;通过磨矿实验验证了方法的可行性,相比SVM整体识别率提高了3.4%,且对于EMD-多尺度熵、EWT-多尺度熵分别提高了12.3%、8.9%。

触摸屏在井下水泵控制装置中的应用

结合触摸屏和PLC技术,设计了一套煤矿井下水泵控制装置,详细介绍了西门子触摸屏和PLC在井下水泵控制装置中的应用,阐述了触摸屏与PLC进行数据交换、连接、通信的方法,给出了触摸屏组态软件的编程步骤。

SLon磁选机自动控制系统的设计与实现

为了使SLon磁选机具有更优异的选矿性能,设计了一种先进的磁选机自动控制系统。采用西门子公司的S7-200 PLC+TP170B触摸屏的控制结构,对主要控制参数———励磁电流采用PID控制算法,实现对磁选机系统的最优控制。该控制系统已经投入使用,运行结果表明,使SLon磁选机的整机性能得到了进一步的提高。

基于S7-200 PLC的单缸液压圆锥破碎机自动控制系统的设计

根据单缸液压圆锥破碎机的工作特点,提出了一种基于S7-200 PLC的单缸液压圆锥破碎机自动控制系统的设计方案,给出了系统控制功能要求,详细介绍了系统硬件及软件设计。实际应用表明,该系统运行稳定,控制效果良好,实现了单缸液压圆锥破碎机的自动控制功能。

基于BP神经网络的超声波测距非线性误差校正

本文结合笔者所设计的超声波测距仪,介绍了用神经网络校正超声波传感器的非线性误差的原理与方法,并提出了基于BP神经网络的超声波测距非线性误差校正的模型、算法及其硬件实现。通过理论分析和硬件实验,显示出BP神经网络对超声波传感器的温度补偿和非线性校正的效果良好,充分表明了应用神经网络在提高超声波测距精度方面是一种行之有效的方法。

基于CPLD和单片机的高精度超声波测距研究

提出了一种基于CPLD和单片机的高精度超声波测距的设计方案。测距中的时间是通过高精度的晶体震荡器作为时钟信号源来进行计数测量。同时使用CPLD代替常用的单片机的纯软件方法实现动作控制,以减少误差。在CPLD电路设计中,充分考虑了延时所造成的误差并予以克服。

多通道超声波测距在工业回转窑变形检测中的应用

结合工业回转窑窑体变形误差检测系统的研制,介绍了超声波测距技术的原理和一种8通道超声波测距的电路实现,并描述了该装置在回转窑窑体变形误差检测中的应用。该装置实现了对运转中的窑体变形量的非接触测量,测量精度比较高,能达到工业应用中的要求。

基于模糊控制的单缸液压圆锥破碎机自动控制系统设计

根据单缸液压圆锥破碎机的工作特点,设计了基于模糊控制理论的破碎机控制方案与基于PLC及远程监控的硬件实现方案,实现了单缸液压圆锥破碎机的自动控制。

低频简支梁压电发电装置实验研究

利用制备的压电厚膜采用简支支撑方式,设计和制作了压电发电装置,并对该发电装置进行了压电发电实验研究.实验结果表明,单片压电厚膜在外加作用力频率从0～2 Hz发生变化时,在负载电阻值为105 kΩ时可获得约130μW的最大输出电功率.研究中还发现增加并联的厚片数目可成比例地增加输出功率,因此能满足用于无线车辆检测传感器的功率要求.

基于多特征信息融合的砂岩破裂状态识别方法

针对岩体在受外界应力时内部破裂状态靠经验难以准确判断的问题,提出了一种多特征信息融合和最小二乘支持向量机(least square support vector machine,简称LSSVM)的岩石破裂状态识别方法。首先,利用改进集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)对砂岩声发射信号进行分解,得到一组有效的平稳本征模函数(intrinsic mode function,简称IMF)分量,对各IMF分量进行自回归(auto regressive,简称AR)建模,提取AR模型系数作为时域特征向量;其次,通过对双谱矩阵进行奇异值分解,分析了砂岩各破碎状态声发射信号的频域特征;最后,利用局部线性嵌入(locally linear embedding,简称LLE)进行特征约简,并将融合特征向量进行归一化处理作为LSSVM的输入,砂岩破裂状态作为输出,采用粒子群算法(particle swarm optimization,简称PSO)对参数自动寻优,实现对岩石破裂状态的诊断识别。结果表明:融合特征具有较强的鲁棒性,且相对单一时域特征识别率提高了6%。

基于ispPAC和单片机的热电偶实验仪

介绍了一种基于EDA技术的热电偶实验装置。本系统以ispPAC和单片机为核心电路,辅以高精度A/D转换器件及LED显示器,实现对温差电动势的测量及数字显示。该系统具有稳定性好、集成度高、灵活性强、实验成本低等特点。

CEEMDAN和样本熵相结合的球磨机负荷识别方法

针对磨矿作业过程中球磨机的筒体内部情况复杂难以仅靠经验估计负荷状态的问题,提出一种自适应白噪声的完整经验模态分解(CEEMDAN)结合样本熵和极限学习机(ELM)的球磨机负荷状态识别方法。首先,通过CEEMDAN算法对不同负荷状态下原始信号进行分解,利用相关系数法筛选有效的IMF分量;然后,通过分析3种负荷状态下振动信号的有效IMF分量的样本熵在不同数据长度、嵌入维度和相似容限下的值,来确定计算样本熵的最佳参数。结果表明,3种负荷状态下振动信号的有效IMF分量样本熵有明显区别,可以有效识别出磨机不同负荷状态。将各组信号有效IMF分量样本熵作为ELM的输入,球磨机负荷状态为输出,建立了磨机负荷状态识别模型。利用磨矿实验进行验证,表明此种方法应用在球磨机负荷识别上的有效性,整体识别率高达96.81%,且对比于EMD-样本熵和MEEMD-样本熵,总体识别率分别提高了12.41%和9.01%。

基于改进EEMD的红砂岩声发射信号的频谱特性研究

针对EEMD算法在以往选取有效固有模态函数(IMF)时存在误判现象,提出了一种将EEMD与云相似度理论相结合的去噪方法。通过构造连续声发射信号的仿真实验,并与互相关系数法选取固有模态函数作了比较,以信噪比和均方误差作为指标,验证了该方法能更好地提高信噪比;利用改进EEMD算法对红砂岩声发射信号进行频率特征提取,结果表明:声发射信号分解的固有模态函数前三个IMF分量的云相似值较大,与其它分量的差值范围为0.346~0.906,经过多组实验统计分析选取阈值为0.655;通过功率谱分析,将0~25 kHz对应于IMF4、IMF5、IMF6、IMF7、IMF8低频分量,25~150 kHz对应于IMF1、IMF2、IMF3高频分量,且红砂岩破裂过程的声发射信号的有效频段为25~150 kHz。

基于经验小波变换的矿山微震信号识别研究

针对微震信号与爆破震动信号自动识别难的问题,提出了基于经验小波变换(EWT)的矿山微震信号识别方法。运用仿真信号对EWT和经验模态分解(EMD)进行对比检验,表明EWT分解效果要优于EMD,而且可以减少模态混叠问题;对矿山实测的400组爆破震动和微震信号进行EWT分解,得到紧支集频谱的内禀模态分量,借助互信息量筛选得到f1~f7共7个分量,进而分别利用分量f1~f7构建Hankel矩阵,计算每个Hankel矩阵的奇异值平均值、方均根值、标准差,并作为特征量;利用支持向量机(SVM)对微震和爆破震动信号进行分类。结果表明:爆破震动信号分量f1~f7的奇异值方均根值和标准差都要大于微震信号,分量f1~f5的奇异值平均值要大于微震信号;EWT_Hankel_SVD特征提取法识别效果要优于应用较为广泛的EWT_SVD,且基于EWT_Hankel_SVD分类准确率达到92.5%。