基于改进的MEEMD的隧道掘进爆破振动信号去噪优化分析

爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始信号进行MEEMD分解得到本征模态分量(intrinsic mode function,IMF),结合相关系数和样本熵(sample entropy,SE)-Hurst指数进行IMF分类;然后,针对含噪IMF分量中的残留噪声,使用最小均方(least mean square,LMS)自适应滤波进行降噪,达到信号去噪的目的。算法对比结果表明:在仿真试验中,MEEMD-LMS相较互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)等方法表现出更优的降噪性能;在隧道掘进爆破的实例分析中,MEEMD-LMS相较MEEMD对高频噪声的降噪效果更好,低频段频谱更清晰,具备良好的适用性。

基于LMD-MFE-SVD的松动爆破降噪分析

为提高松动爆破振动信号分析精度,在局部均值分解(LMD)的基础上,建立一种基于局部均值分解(LMD)-多尺度模糊熵(MFE)-奇异值滤波(SVD)的混合去噪方法。使用LMD方法对松动爆破振动信号进行分解,获得一系列乘积分量(PF);通过计算MFE和相关系数,对爆破振动信号进行初步降噪;针对主要PF分量的残留噪声,使用SVD滤波进行降噪处理,提取真实信号成分。通过上述处理,最终实现松动爆破信号降噪。结果表明:提出的LMD-MFE-SVD降噪方法具有可行性和应用价值,能够对含噪的PF分量进行有效处理;对于含多信号成分、多噪声的仿真信号,LMD类算法相较EMD类改进算法降噪效率更高,信噪比(SNR)、均根方误差(RMSE)和失真百分比(PRD)指标表现显著提升,而相较LMD算法,提出的LMD-MFE-SVD算法降噪效率进一步提高,依次提升11.73%、22.07%和9.25%,降噪效率显著;根据实测松动爆破振动信号去噪后的波形和频谱对比,提出的LMD-MFE-SVD降噪后的信号波形更为集中,能保留多数信号信息,信号频谱图更为清晰,有效显示信号频率波峰,更利于松动爆破振动信号的特征分析。

基于OVMD-MPE算法的隧道爆破振动数据降噪分析

受隧道爆破复杂环境和仪器电磁干扰等因素的影响,实测爆破振动信号多含有高频噪声,通过直接分析原始信号不能有效分析爆破振动规律。为获得真实的爆破振动特征,采用基于最优变分模态分解(OVMD)和多尺度排列熵(MPE)相结合的信号光滑降噪模型,通过仿真叠加信号和工程实测信号进行检验。首先将信号进行OVMD分解得到带限固有模态函数(BIMF),然后将大于MPE设定阈值的高频BIMF作为噪声剔除,最后重构剩余BIMF分量,得到降噪信号。结果表明:OVMD-MPE模型能精确识别信号的频率信息,前两阶分量能有效反映叠加信号的有效成分,适用高精度数据序列分析,提取数据序列特征;相较EEMD-MPE和CEEMDAN-MPE模型,OVMD-MPE模型具备更优降噪性能,降噪误差比、均根方误差和光滑度分别提升22.05%、48%和33.34%,去噪后曲线更贴近原始信号,更适用不同震源距离的爆破信号分析;双子山隧道右线施工时产生的爆破扰动集中于200 Hz以下的中低频段,双子山隧道衬砌结构的固有频率与爆破信号频率相仿,需采取减震措施确保隧道工程的施工安全。