基于改进能量极值法的微震信号与爆破信号识别方法

微震监测是深部矿山安全、高效开采的一种重要的辅助手段。然而,井下布设的监测台网实时采集的数据包括微震信号、爆破信号、钻机、矿车机械设备噪声等,人工手动对不同信号进行分类不仅耗时耗力、效率低且主观性强,对后续微震信号到时拾取及微震事件定位分析造成了极大干扰。以国内某铜矿微震监测系统采集的信号为研究对象,基于能量极值法(Energy Extreme Value,EEV),通过计算移动时窗区间内的信号能量Ratio曲线,统计曲线上极值点起始时间到结束时间的总时长以及能量Ratio曲线上波峰数,提出了一种微震信号与爆破信号自动识别方法。采用MATLAB软件对该铜矿现场采集的数据进行了分析处理,结果表明:该方法能精确识别微震信号、采场爆破信号、巷道掘进爆破信号,对连续3个月采集的信号识别准确率分别为90.7%、91.8%、95.2%。该研究成果为微震信号处理提供了一种新的方法,具有一定的工程应用价值。

Hilbert-Huang变换与宽频带爆破信号的时频分析

利用小波变换、S变换、Wigner-ville分布(WVD)和Hilbert-Huang变换(HHT)对模拟信号进行时频分析并比较,结果表明基于经验模态分解的HHT具有更强的适应性,能较为准确地提取信号的时变特征。利用HHT对实际记录的宽频带爆破振动信号进行了时频分析,其结果较为准确地描述了信号的时变特征。

基于匹配追踪算法的立井爆破信号时频特征提取

在对立井爆破过程中井壁振动信号进行准确采集的基础上,采用匹配追踪(matching pursuit,MP)算法建立Gabor原子库,实现了爆破信号重构分量和残差分量的有效分离。通过信号短时傅里叶变换(short time Fourier transform,STFT)和魏格纳分布(Wigner-Ville distribution,WVD)对重构信号的时频分析及霍夫(Hough)变换时频聚集性对比,验证了WVD时频分析的优势。结果表明:MP-WVD组合信号分析方法对信号变化的适应性强,能够精确捕捉信号的局部细节,适合用于爆破信号非线性时频特征的提取过程。可为爆破方案调整和参数优化提供参考。

基于爆破信号的小波分析

采用离散小波变换和连续小波变换对深孔爆破震动信号进行了分析,得出了爆破信号的离散小波变换的分量结果和连续小波变换的小波谱。分析结果表明:小波变换能很好地提取信号的主要特征信息,是一种有效的处理爆破信号的时频分析。

隧道爆破信号交叉项抑制及雷管延期时间研究

为解决隧道爆破振动信号易受测试环境影响而导致其时频域交叉项难以消除的难题,采用匹配追踪-平滑伪魏格纳分布(MP-SPWVD)组合算法,有效抑制微差爆破振动信号时频谱中的交叉项;同时采用小波时-能密度法精确判别隧道起爆网路中各段别雷管实际延期时间。研究表明:MP-SPWVD算法可有效削弱时频谱中交叉项对信号能量幅值和局部区域特征的不利影响;MP重构信号小波时-能密度分布可自适应地判别雷管段间实际延期时间,具有良好的应用前景;雷管延期判别精度与其延期时间密切相关。

基于CEEMDAN-小波包分析的隧道爆破信号去噪方法

针对隧道爆破施工中采集到的实测振动信号,引入一种基于总体平均经验模态分解方法(CEEMDAN分解)联合小波包分析的降噪方法。首先,通过CEEMDAN分解得到多个本征模态分量,利用相关系数筛选出包含噪声的模态分量,并通过模态分量的频谱图及方差贡献率进行校核。然后,利用小波包阈值降噪方法对含有噪声的模态分量进行处理。最后,将未经处理的模态分量与去噪完成的分量重构得到最终纯净的爆破振动信号。同时,通过小波包能量谱分析验证此降噪方法的可行性。本文引入的方法兼具CEEMDAN分解及小波包分析的优点,与现有方法相比,去噪效果较好,可以应用于类似隧道爆破信号的去噪处理中。

基于傅里叶分解-小波包分析的爆破信号去噪方法

针对由于爆破现场施工环境复杂,爆破振动信号包含大量高频噪声的问题,提出一种基于傅里叶分解(FDM)联合小波包阈值方法的降噪方法。首先,基于傅里叶分解理论将爆破振动信号分解为若干傅里叶固有频带函数(FIBFs);然后,分别计算分解所得模态分量与原始信号的相关系数,使用相关系数法筛选出优势分量,将筛选所得优势模态分量进行重构;最后,利用小波包阈值方法对重构所得信号进一步降噪,得到最终纯净的爆破振动信号。结果表明:引入的新方法兼具傅里叶分解及小波包分析的优点,与现有常用方法相比,傅里叶分解-小波包分析联合降噪方法信噪比(10.3940)最高,均方根差(0.0889)最小,所得时程曲线更为平滑,去噪效果更好,为类似爆破振动信号去噪提供新的途径。

k值优化VMD-小波包分析联合降噪方法在隧道爆破信号中的应用

针对隧道爆破振动测试信号存在噪声干扰的问题,引入一种基于k值优化的变分模态分解(variational mode decomposition,简称VMD)联合小波包分析的降噪方法。首先,引入分解能量差值参数λ,对比爆破振动信号在不同k值条件下经VMD得到的模态分量总能量;基于等能量分解原理对模态数k进行优化分析,并在最佳模态数k下对信号进行VMD处理;在相关系数和方差贡献率双指标下筛选出含噪分量,并用小波包分析手段进行降噪处理;最后,将经降噪处理后的含噪分量与优势分量重构,得到纯净的爆破振动信号。引入的方法兼具VMD及小波包分析的优点,并克服了信号分解过分或分解层数不足的缺陷。结果表明:与现有方法相比,k值优化的VMD-小波包分析联合降噪方法信噪比高,均方根差小,降噪效果良好,并且该法可有效保留原始信号中的细节特征,可以应用于类似隧道爆破信号的降噪处理。

基于CEEMDAN法的隧道爆破信号趋势项去除

以京张高铁某隧道工程为背景,引入一种通过CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise)法消除隧道爆破信号趋势项的方法。首先,利用CEEMDAN法分解实测爆破信号,得到一系列本征模态分量及余项。然后,通过均值比法识别筛选信号趋势项的有效组成部分,并去除含有趋势项的分量。为验证CEEMDAN法去趋势项的可行性,通过数值仿真信号进行校核。结果表明,与现有EMD(empirical mode decomposition)法、EEMD(ensemble empirical mode decomposition)法比较,基于CEEMDAN法筛选得到的趋势项与人为添加的趋势项最为接近。同时,利用此方法处理实测爆破信号,解决了原始信号中存在的基线偏移及低频超高异常等问题。

基于改进EMD-小波包的爆破振动信号降噪方法研究

针对经验模态分解(empirical mode decomposition, EMD)存在模态混叠和降噪效果不佳的问题,依据分解—正交—聚类—降噪—重构的思想,提出了改进EMD-小波包的爆破振动信号降噪方法。该方法融合了核主成分分析的正交性、K-means算法的聚类特性以及小波包的降噪优势,不仅可以消除EMD的模态混叠,也具有良好的降噪效果。研究结果表明:与自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise analysis, CEEMDAN)和EMD方法相比,在模拟信号降噪试验中,改进EMD-小波包方法的信噪比(7.9 dB)最大,均方根误差(2.96)最小。在实测爆破振动信号降噪中,改进EMD-小波包方法降噪后的信号与原始信号相关系数最大为0.91。改进EMD-小波包和CEEMDAN方法的降噪效果相对理想,且改进EMD-小波包方法对10~60 Hz低频信号能量保存效果较好,对60 Hz以上中高频噪声的滤除效果最好。

基于EEMD⁃Hilbert变换的爆破振动信号频带⁃能量分布特征研究

为研究爆破地震波传播时的能量分布规律,以某基坑爆破工程为工程背景,利用EEMD⁃Hilbert工具,分析了同一测点不同方向、同直线不同爆心距以及同爆心距离不同最大段药量的爆破振动信号。结果表明,垂向信号能量主要集中在中频带,水平径向信号能量在中、低频带均有分布,水平切向信号能量主要集中在高频带;同次监测下,随着爆心距增大,信号高频能量衰减得更快,信号能量分布占比从高频向低频转移;爆心距相等的情况下,增加单段最大药量会促进信号低频能量占比增加,药量显著增大时,低频信号占比增加更为显著。

爆破地震波信号EMD端点效应抑制研究

针对爆破地震波信号经验模态分解(EMD)得到的IMF在端点处的发散现象,提出一种同时考虑信号端点发展趋势和全局时间-能量联合参数的改进EMD端点效应抑制算法。该算法首先考虑端点变化趋势得到延拓后的边界局部特征尺度X_0,再计算X_0的能量E_0,找到原始信号中和E_0最匹配的分段信号X_k,最后用X_k代替X_0进行EMD。通过建立仿真信号,验证该算法和常规端点效应抑制算法相比,对EMD端点效应具有更好的抑制能力,能够得到精度更高的IMF。最后将该算法用于实际爆破地震波信号分解中,发现提出的算法能够有效抑制EMD端点效应,有利于爆破地震波信号细节特征参数的提取。

基于CEEMDAN-K-means算法的爆破振动信号去噪研究

针对实测爆破振动信号存在噪声和CEEMDAN方法在去噪过程中容易造成信息缺失的问题,考虑聚类分析方法具有良好的数据处理能力,依据分解—聚类—重构的思想,提出了CEEMDAN-K-means算法的爆破振动信号去噪方法。首先,该方法通过CEEMDAN方法分解爆破振动信号获得不同数量级的IMF分量;然后,利用K-means聚类分析算法将IMF分量为五个不同类别并采用方差贡献率校核;最后,剔除高频噪声类别的IMF分量,获得重构的纯净爆破振动信号。以某露天矿爆破振动信号为例,采用信噪比和均方根误差指标,评价了CEEMDAN-K-means算法信号去噪性能。研究结果表明:与CEEMDAN方法和EMD-小波阈值方法相比,CEEMDAN-K-means信号去噪方法信噪比(20.06 dB)最大,分别提高了1.26 dB和7.7 dB,均方根误差(0.22×10^(-3))最小,说明该方法不仅具有良好的信号去噪效果,也具有较好的保真度。通过对比分析不同方法信号去噪效果可知,在有效保留真实信号成分的基础上,CEEMDAN-K-means方法可以有效去除实测爆破振动信号包含的高频成分,在爆破振动信号去噪领域具有实用性和有效性,为爆破振动信号去噪方法研究提供了新思路。

基于CEEMDAN·MPE-NHT的爆破地震波信号时频分析

针对希尔伯特-黄变换(Hilbert-Huang Transform,HHT)处理混有噪声的爆破地震波信号时,会出现时频分析失真的现象,对影响HHT时频分析精度的因素进行逐一改进,得到改进后的算法来提高含噪爆破地震波信号时频分析精度。首先对经验模态分解(Ensemble Empirical Mode,EMD)进行改进得到自适应补充集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)抑制低频趋势项,同时添加多尺度排列熵(Multiscale Permutation Entropy,MPE)代码控制高频噪声,最后对CEEMDAN·MPE得到的IMF进行归一化Hilbert变换(Normalized Hilbert Transform,NHT),通过上述三步即可改善传统HHT含噪爆破地震波信号时频分析精度不足的问题。为验证CEEMDAN·MPE-NHT算法时频分析的准确性,进行HHT和CEEMDAN·MPE-NHT算法的含噪仿真信号时频分析对比研究,并将CEEMDAN·MPE-NHT算法用于水下钻孔爆破地震波信号时频分析中。研究结果表明:CEEMDAN·MPE分解得到的IMF经NHT处理得到的时频谱在时域和频域上均具有较高的分辨率,得到的时频分析参数精度相比HHT有了很大的提升,可实现更准确提取含噪爆破地震波信号时频特征参数,对爆破地震波危害效应识别,制定科学的爆破地震波危害效应控制措施具有重要的现实意义。

基于CEEMDAN-INHT的地下洞室爆破振动时频分析应用研究

爆破地震波信号采集会因监测环境、测试系统等因素导致实测信号中混有噪声,噪声的存在将导致信号希尔伯特-黄变换(Hilbert-Huang Transform,HHT)时频分析结果失真。原因有二:其一是经验模态分解(Ensemble Empirical Mode,EMD)处理含噪爆破地震波信号会得到具有模态混淆现象的固有模态函数(Intrinsic mode function,IMF)分量;其二是Hilbert变换受Bedrosian定理的约束在处理模态混淆分量时会产生负值瞬时频率,从而造成巨大的分析误差。为获得真实的爆破振动属性需对HHT进行改进,在EMD中添加自适应噪声信号得到自适应补充集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)算法;再对CEEMDAN得到的IMF进行归一化Hilbert变换,得到改进归一化Hilbert变换(Improved Normalized Hilbert Transform,INHT)。通过上述两步可建立CEEMDAN-INHT时频分析算法,为验证该算法可有效提高含噪爆破地震波振动信号时频分析精度,进行HHT和CEEMDAN-INHT含噪仿真振动信号时频分析对比研究。最后将CEEMDAN-INHT用于某地下洞室爆破地震波信号时频分析中,发现该算法能有效克服EMD固有的模态混淆现象,同时得到反映真实爆破振动属性的时-频-能特征参数,对从频率-能量的角度进行洞室爆破开挖共振分析,实现爆破地震波危害控制具有一定的现实意义。

EEMD修正爆破加速度零漂信号中的最优白噪声系数

为了有效降低振动信号误差以提高数据的可信度,先针对花岗岩爆破试验中的加速度零漂信号,使用集合经验模态分解(ensemble empirical mode decomposition,EEMD)与高低频处理相结合的方法进行修正;接着,根据信号冲击响应谱提出表征修正前后频域平均偏差幅度的修正指数;最后,基于频域和时域分别讨论了不同白噪声系数范围内信号的修正效果。分析表明:EEMD方法能够有效地消除爆破加速度信号的零漂现象,但对积分后速度信号的零漂趋势改善有限;随着白噪声系数增大,不同频段上修正指数均不同程度地增大,二者呈现幂指数关系;根据不同频段上的修正指数分析,可以确定不同零漂加速度信号对应的最优白噪声系数范围。本文提出的修正指数可为EEMD方法处理加速度零漂信号时白噪声系数的合理选取提供参考。

隧道爆破振动信号畸变校正与混沌多重分形特征研究

受测试环境影响,隧道爆破监测信号中普遍包含噪声和趋势项干扰。针对爆破信号干扰项消除难题,选取典型地铁隧道工程监测到的畸变爆破信号为分析对象,采用稀疏化基线估计与去噪(baseline estimation and denoising with sparsity,BEADS)算法实现了噪声和趋势项成分的提取,得到反映真实爆破信息的校正信号。利用多重分形去趋势波动分析(multi-fractal detrended fluctuation analyses,MF-DFA)捕捉到三个分量信号的混沌分形特征,并根据小波相关性凝聚谱对三个分量信号与原始信号的时频域相关性进行了精确表征。结果表明:隧道爆破信号高频噪声、低频趋势项和校正信号三者的混沌分形特征具有显著差异。校正信号吸引子轨迹形态为反复周期性有序波动且具有持续性和反持续性分形谱特征,其递归图具有周期模式;低频趋势项吸引子形态表现为近似直线且具有持续性分形谱特征,其递归图具有对角线分布突变模式;高频噪声吸引子形态为杂乱无章的随机波动且具有反持续性分形谱特征,其递归图具有漂移模式。在置信度为95%的小波影响锥范围内,校正信号、趋势项和噪声分量与原始信号分别具有持续正相关、局部负相关和无相关性特征。三类信号的有效分离和混沌分形特征提取为爆破信号成分的准确辨识和归类提供了客观表征和量化指标。

基于集合经验模态分解-小波阈值方法的爆破振动信号降噪方法

为了更好地消除混杂在爆破信号中的噪声,引入一种基于集合经验模态分解和小波阈值共同作用的降噪方法。首先将信号进行集合经验模态分解,然后选择含噪的模态函数分量进行小波阈值降噪处理,最后把处理后的分量和未处理的分量进行叠加,重构的信号即为降噪信号。该方法不仅能有效的去除噪声,还能使爆破波形保留其真实性和完整性。

基于HHT方法的煤矿深立井掘进爆破振动信号分析

爆破振动信号分析是爆破参数确定的重要依据。以潞安古城煤矿桃园进风井掘进工程为背景,对立井掘进施工过程中井壁振动信号进行了HHT分析。对爆破信号进行EMD分解,得到信号的各IMF分量,对主分量信号进行Hilbert变换并求取包络线,准确识别出立井爆破雷管实际微差间隔时间并获得信号的Hilbert时频谱。分析表明:HHT方法自适应性强,适合于对立井爆破信号进行精细化特征提取。

爆破震动信号的小波分析与HHT变换

以实测的爆破震动信号为例,分别应用小波分析和HHT(Hilbert-Huang Transform)变换从不同方面进行对比分析,讨论了爆破震动信号的特征提取和时频分布。结果表明:小波分析和HHT变换都是处理非平稳信号的两种好方法,都能很好地提取信号的主要特征信息和进行滤波、消噪。然而,小波分析存在选择小波基的困难,而HHT变换不需要预先选择基函数,其EMD(empirical mode decomposition)得到的IMF(intrinsic mode function)能反映原始信号的固有特性,通常具有实际物理意义;小波谱的能量在频率范围内分布较宽,而Hilbert能量谱能清晰地表明能量随时频的具体分布,大部分能量都集中在有限的能量谱线上;小波分析中时间、频率分辨率受Heisenberg测不准原理的限制,而HHT变换中时间分辨率不变且精度很高,其频率分辨率则可随信号内在的特性进行自适应调节。分析表明:HHT变换在分析非平稳信号时较小波分析更具适应性,在岩石中波的传播、衰减规律、结构动态响应特征和爆破震动破坏等研究中有着广阔的应用前景。