基于变分模态分解的爆破振动信号去噪方法研究

为对爆破的振动信号进行有效去噪,提出了一种基于窗口傅里叶变换的自适应双重变分模态分解-小波阈值(Adaptive dual variational mode decomposition-Wavelet threshold,ADVMD-WT)组合方法对爆破临近地区采集的振动信号进行去噪处理。首先利用VMD算法对振动信号进行第一次分解,分解层数根据窗口傅里叶变换频谱图中的波峰个数来确定,基于各个分量的相关系数识别出高频的噪声分量;然后对剩余信号分量逐个进行第二次分解,重复第一次分解的步骤,分离出各个低频分量中含有的噪声信号;针对噪声分量中仍含有少量有用信号,对噪声分量进行小波阈值去噪,获取有用信号;最后重构信号分量得到ADVMD-WT方法去噪后的信号。将ADVMD与其它去噪方法相比,并从信噪比、均方根误差2个评价指标验证了ADVMD方法在爆破振动信号去噪中的有效性。     

基于变分模态分解及能量熵的微震信号降噪方法

为了从含噪微震监测数据中提取有效的微震信号,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)和能量熵的自适应微震信号降噪方法。采用变分模态分解法对含噪微震信号进行自适应分解,得到一系列按频率从高到低的变分模态分量;计算每个变分模态分量的能量熵,搜索并辨识出噪声与信号的分界;剔除高频噪声,将剩余分量进行重构,得到降噪后的微震信号。通过与基于经验模态分解(Empirical Mode Decomposition,EMD)的微震信号降噪方法对比,从信噪比、降噪后信号占原信号的能量百分比和原信号与降噪后信号的均方根误差3个评价指标上定量说明该方法在微震信号降噪中表现出更好的降噪效果。     

利用经验模态分解及小波变换压制微震信号中的随机噪声

随机噪声的压制是微震信号分析过程中的重要环节,目前大多数降噪技术都不同程度的存在去噪效果差、易损伤有效信号等问题。针对微震信号的随机非平稳特征,提出一种联合经验模态分解(EMD)及小波阈值的降噪方法,压制微震信号中的随机噪声。该法首先使用EMD对微震信号进行自适应分解,得到有限个本征模态函数(IMF)。考虑到随机噪声主要集中在高频IMF分量中,基于噪声能量突变原则找出低频IMF分量与高频IMF分量的分界后,利用小波阈值方法对高频IMF进行降噪处理,最后将降噪后的高频IMF分量与剩余的低频IMF分量重构即可实现微震信号降噪。仿真分析及实验结果表明,该方法能充分保留微震信号的随机非平稳特征,较对比方法具有更好的降噪效果。     

变分模态分解算法在煤矿井筒爆破信号趋势项消除中的应用

爆破信号测试过程中,受测试环境和仪器自身原因的影响,在爆破近区监测到的信号往往含有趋势项干扰,无法实现信号特征的精细化提取。对现场爆破信号进行有效采集,采用变分模态分解(Variational mode decomposition,VMD)对其进行了趋势项消除并进行了时频特征提取。结果表明:井筒爆破振动信号中的趋势项具有高幅、低频特征,在时间轴上的分布更为广泛,信号中的真实成分具有宽频、低幅特征,在时间轴上聚集性更强,两者具有显著的区分度,变分模态分解对于爆破信号的自适应性强,可有效避免模态混叠效应的产生。     

基于EEMD方法的地下矿山微震信号去噪研究

对地下矿山实时在线监测的微震信号进行微震事件特征提取和识别分类研究时,识别的效率往往取决于训练样本和测试样本的质量,为提高数据样本的质量,去除信号中掺杂的噪声,采用聚合经验模态分解(EEMD)方法对地下矿山微震信号进行预处理。通过采用EEMD分析方法对矿山微震信号进行预处理,获得从高频到低频铺展的一组固有模式分量(IMF)及一个残余分量,通过计算各分量能量占比把IMF中的噪声部分及残余项去除,再将包含矿山微震信号主要信息的剩余分量进行重构,从而得到去噪后的微震信号。通过信号仿真实验及实例分析,对比小波预处理方法,结果表明:该方法利用EEMD自适应分解的特性不但克服了小波阈值和分解函数选取困难等弊端,而且能显著提高信号的信噪比,较好地保留了信号形态,获得较为理想的去噪效果。     

基于EEMD_Hankel_SVD的矿山微震信号降噪方法

针对矿山微震信号降噪,提出了一种基于EEMD_Hankel_SVD(集合经验模态分解_Hankel矩阵_奇异值分解)的微震信号降噪方法。首先采用EEMD获得多层模态分量,计算各模态分量与原始信号的相关系数,剔除第一个相关系数差值局部最大值前的模态分量。对剩余各模态分量分别构建Hankel矩阵,再计算各Hankel矩阵的奇异值矩阵。根据奇异值曲线划分信号空间和噪声空间,实现剩余各模态分量的降噪,进而对降噪后的模态分量相加得到降噪信号。仿真试验表明该方法能有效保留信号的局部特征,提高了信噪比;矿山微震信号应用表明该方法有效地提高了STA/LTA,PAI-K和AIC法P波初至拾取效果;仿真试验和矿山微震信号P波拾取均表明该方法降噪效果优于小波重构、EMD重构和Hankel_SVD降噪,且该方法与AIC法结合拾取效果最佳。     

基于固有时间尺度分解算法的微震信号去噪

针对微震信号的非平稳宽频带特征,采用环境噪声层相关阈值,基于固有时间尺度分解(ITD),建立了一种高效的去噪算法。与小波变换为基础的去噪对比结果表明,ITD算法去噪彻底,去噪波形与原始波形峰值位置精确一致、到时突变细节保留完整,适用于对初至波到时精确拾取和判断。     

基于变分非线性调频模态分解方法的岩质边坡爆破振动信号特征分析

为了精确获取爆破振动速度、加速度信号携带的时频特性信息,结合某矿山岩质边坡的爆破振动监测试验,基于变分非线性调频模态分解方法对监测信号进行了分析处理,揭示了速度、加速度能量在时间、频率的分布特征。结果表明:变分非线性调频模态分解方法去噪能力较强,且分解的速度信号能量集中于低频带0～50Hz范围,而加速度能量在80～100dB范围所占比例较大,且加速度能量逐渐向高频段集中,与速度能量分布有较大的差异性。     

改进粒子群优化小波阈值的矿用钢丝绳损伤信号处理方法研究

为有效提取矿用钢丝绳损伤信号的特征值,采取小波分析对损伤信号去噪。针对损伤信号中存在小奇异点的特性,对小波分析中的阈值获取和阈值函数选取两方面改进。首先利用粒子群算法优化经验值,并基于Birge-Massart策略获取阈值。提出一种改进的小波阈值函数算法。该函数加入了可调变量,改善了已有软、硬阈值函数去噪中的不足点,通过仿真实验的信号结果和信噪比(SNR)对比几种阈值函数去噪算法,最终得出,采用优化经验值并改进小波域值函数的去噪算法相比于其他方法,更能完整保留原始信号,去噪效果好。     

基于EEMD和小波阈值法的爆破振动信号预处理研究

针对爆破振动信号去噪和趋势项消除问题,借助相关性分析,引入了一种基于集合经验模态分解(EEMD)和小波阈值法的预处理滤波方法。首先运用EEMD方法进行信号分解,利用互相关系数进行含噪IMF分量和趋势项分量的预选,然后分别借助自相关函数特性和频带特点进行判断,最后完成含噪分量的小波阈值去噪和趋势项分量的去除,重构波形。实例验证结果表明,该方法能有效消除噪声、趋势项干扰,保留波形真实信息,进而提高频谱分析精度。     

基于粒子群算法的FFT信号分析方法及应用

针对快速傅里叶变换在频谱分析时易出现栅栏效应和频谱泄漏问题, 首先提出基于粒子群算法的FFT信号分析方法对信号进行频谱分析, 优化信号采样过程中采样持续时间, 实现整周期采样, 减少频谱泄漏现象;其次, 通过对模拟信号的仿真分析, 验证方法的可行性。采集某厂650六辊可逆冷轧机的缸位移信号且针对现场采集信号提出一种基于插值算法的数据处理方法, 并对信号进行频谱分析, 证明该方法对生产实际具有指导意义。     

基于粒子群算法-模糊PID控制的前驱体材料反应釜pH值优化控制

针对锂离子电池前驱体材料工业生产中反应釜pH值控制存在的非线性、时滞性以及易受干扰等控制难点,引入基于粒子群算法-模糊PID控制的自整定算法,采用MATLAB的simulink仿真软件对算法进行仿真,并与传统PID算法进行对比,以验证自整定算法的快速性、稳定性与鲁棒性。将该算法应用于工业实践中,并与传统PID控制进行对比,系统最大超调量、稳定时间、频率波动范围、pH波动范围均得到改善,显著提高了系统控制性能,为解决前驱体材料生产中反应釜中pH值控制提供了解决途径。