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。     

基于变分模态分解和粒子群算法的微震信号降噪方法

为从含噪微震信号中提取有效信息, 并准确识别岩体破裂信号和爆破振动信号, 提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值, 以最优参数对微震信号进行变分模态分解, 再对由高频噪声主导的模态分量进行小波阈值去噪, 将去噪后的高频信号分量与原先的低频信号分量进行重构, 实现信号降噪。经验证, 该方法相比集合经验模态分解和单纯的变分模态分解方法具有更好的降噪效果。以该方法对200组岩体破裂信号和200组爆破振动信号进行去噪, 以第一模态分量能量占比50%作为区分爆破振动信号和岩体破裂信号的依据, 识别成功率达到97.25%, 证实了此识别方法的准确性。     

基于非下采样shearlet变换的微地震随机噪声压制

基于非下采样shearlet变换的微地震资料去噪方法,相比于其他多尺度变换方法具有更好的方向敏感性和最优稀疏表示性能,具有更强的去除随机噪声的能力,信号保真度更好。同时较传统的shearlet变换具有平移不变性,克服了伪吉布斯现象。利用非下采样shearlet变换阈值去噪法与小波和曲波阈值变换方法对微地震仿真和实际资料的随机噪声的压制进行对比分析,结果表明非下采样shearlet变换具有更好的去噪能力。     

冻结立井爆破振动信号去噪研究

针对冻结立井监测到的爆破振动信号的高噪声、短持时和非线性的特征,提出了经验模态分解-去趋势项波动分析(Empirical Mode Decomposition-Detrended Fluctuation Analysis,EMDDFA)组合去噪方法。采用4项指标综合评价了EMD-DFA法、EMD和EEMD法、小波阈值法和小波熵去噪法去噪效果。结果表明:被强噪声污染的爆破振动信号采用EMD-DFA组合法去噪得到了信噪比和互相关度最高,相应的误差最小,去噪后的信号保留了爆破信号的瞬态非平稳特征,去噪效果最优。     

基于小波降噪和改进HHT的滚动轴承故障诊断方法研究

提出了一种基于小波域阈值降噪和改进Hilbert-Huang变换的滚动轴承的振动信号分析方法。利用小波域阈值消噪的方法对振动信号进行降噪,采用基于包络极值延拓和相关系数法的HHT方法得到信号的Hilbert谱和Hilbert边际谱,根据谱图幅值特性判断轴承的状态。该方法能够有效地提取信号特征,具有良好的诊断效果。     

基于自适应阈值小波分析的磨音信号去噪

针对传统基于软阈值和硬阈值函数的小波去噪方法不能有效消除磨机干扰噪声,导致磨机负荷状态的误判,从而造成生产效率低这一问题,提出了一种基于自适应阈值函数的小波去噪方法。依据实时采集的磨音信号,提取出自适应阈值函数所需参数值,然后基于SURE无偏估计得到信号系数的最优阈值,再进行小波自适应阈值去噪,得到的磨音信号更易于磨机状态的检测。通过对现场采集的磨音信号进行仿真测试得知,经该方法处理后的磨音信号能更加精确地反映磨机负荷,对提高磨机生产效率和节能降耗具有重要意义。     

基于小波变换的矿震信号去噪方法研究与应用

从小波变换的基本原理出发,对实际矿震信号进行了去噪处理,通过用傅里叶变换和小波变换对北京木城涧煤矿实际矿震信号去噪效果分析,小波变换在对非平稳的矿震信号去噪方面有着傅里叶分析不可比拟的优点。并探索了不同的小波基和阈值选取准则以及分解尺度对矿震信号去噪结果的影响。     

基于小波变换模糊聚类的噪声消除算法

通过分析信号和噪声的小波变换系数在不同尺度上的传播特性,结合模糊聚类方法,提出了一种新的消除图像噪声算法-LEFC去噪算法。实验表明,该算法与其他几种小波软阈值去噪算法相比,更具有效和稳健的去噪效果。当噪声率超过40％时,其优越性更加突出。     

应用小波收缩去除电机控制系统中的噪声

本文应用小波变换可以降低电机控制系统中噪声影响的技术,通过变换分解出高频噪声部分,利用小波收缩的阈值量化方法去掉高频部分,再重构信号从而达到去噪目的。通过实验,得出SYM12结合软阈值处理法具有最优的信号重构及去噪效果。     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

煤矿岩巷毫秒延期爆破振动测试与控制技术研究

为了提高煤矿硬岩巷道掘进爆破效果、降低爆破振动效应,对毫秒延期爆破参数进行优化及实施,实测爆破振动速度。分析了爆破参数与爆破振动信号特征之间的关联性,针对电雷管存在延期误差,应用小波变换时-能密度法识别确定毫秒爆破中实际延期时间,提出了降低爆破振动效应的技术措施。研究表明：采用合理的毫秒延期爆破参数方案,可以取得良好的爆破效果;垂直方向爆破质点峰值振速可以作为煤矿岩巷的安全判据;时-能密度法能够有效地识别出各段雷管的起爆时刻,确定实际延期时间。     

爆破震动信号的小波包分析

爆破引起的震动非常复杂，是一种典型的非平稳信号。利用小波分析良好的时频局部化性质，可以很好地对爆破地震波进行信号重构和能量分析。利用MATLAB的“db6”小波基函数，编制MATLAB程序，把震动信号划分为几个频带进行分析，在每个频带上选取该波段的速度峰值及其主频，据此得出不同频带上的能量分布情况。通过对实测爆破震动信号的小波包分析可以看出，大多数信号的主频位于0～15 Hz以内的中低频带内，这对爆破震动的安全控制具有现实意义。     

爆破振动信号的小波包分解及各频段的能量分布特征

在结合爆破振动信号具有非平稳、持时短、时域与频域局部化等特性的基础上，通过对爆破振动信号分析技术的简介，得出了小波包分析技术的特点，并在确定小波包分解层数、优选小波包基的同时，运用能量计算公式在MATLAB7.0的语言环境下进行编程，得出了爆破振动信号能量分布的初步规律，为爆破振动信号的进一步研究奠定了理论基础。     

爆破震动信号频带能量分布特征

研究爆破地震波的传播规律,对矿山爆破震动控制十分重要。以红透山铜矿为工程背景,在矿山巷道布置爆破震动信号测点,利用爆破振动监测仪采集测点实际生产爆破震动信号。基于小波信号分析技术,采用MATLAB编写相关程序,对信号进行小波分解与重构,优选适合测试信号的小波基,开展微差爆破震动信号能量分布特征研究。分析爆心距、总药量及传播方向3个因素对爆破震动信号能量分布规律的影响,结果表明:随着爆心距增加,爆破震动信号低频部分所占总能量的百分比变大;采用多分段微差爆破,虽然总药量增大,但是能量分布较均匀;在背向及侧向两个传播方向上,爆破震动信号频带能量分布有一定差异,传播方向对震动信号的能量分布影响显著。     

冻结立井模型爆破振动信号的小波包分析

从能量分布特征角度研究爆破振动信号,以达到认识爆破振动危害并提出危害控制方法的目的。结合冻结立井爆破模型试验,获取冻结岩壁指定点爆破振动信号,采用db6小波基对爆破振动信号进行小波包分析,得到各信号不同频带能量分布,研究了高程差、等效距离对振动信号能量衰减规律的影响,利用量纲分析法建立了能量预测公式,并通过实测数据回归分析验证了其正确性。结果表明:各测点振动信号能量随着时间的变化表现为高频部分衰减快、低频部分衰减慢的特征;爆破振动能量分布范围广泛,主振频带较宽且由多个分振频带组成;随着高程的增加、传播距离的增大、能量有向低频集中的趋势;能量大小与药量成正比,与等效距离成反比;结论为鄂尔多斯盆地冻结岩层爆破能量衰减规律、安全性评价提供理论依据。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪，从而获得的客观的煤矿主通风机的振动特征，确保通风机故障的诊断，采用小波阈值的方法，分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则；对小波降噪的特点进行分析，对比了小波分析和傅里叶变换分析2种方法下的去噪能力，研究为通风机故障的诊断提供了理论基础。     

岩巷掘进中电子雷管爆破振动信号的时频能量分析

挂帮矿地下开采环节伴随着爆破活动的进行,容易导致最终边坡失稳,为探究振动信号的时频能量分布特征,评估振动危害,在和静县备战铁矿开展了多组测振试验。 对于监测所得振动数据,运用 Hilbert-Huang 变换 (HHT)法,并结合小波软阈值去噪,从时间、频率和能量的角度对该挂帮矿振动信号进行了分析,同时运用 EMD( Empirical Mode Decomposition)延期识别法和瞬时能量延期识别法,对电子雷管实际延期时间进行了识别。 分析结果表明:① 爆破能量主要集中在 0~ 200 Hz 频带范围内,主振频带为 0~ 50 Hz;② 爆破能量朝低频方向发展,在 0 ~ 10 Hz 频带内含有 51. 22%的能量,低频带内蕴含大部分能量,容易引发建(构)筑物自振,对挂帮矿边坡稳定性具有很大威胁;③ 在 0. 495 s 和 1. 119 s,即掏槽孔爆破和辅助孔爆破时产生较大能量,因此建议为掏槽孔设置空孔,并适当减小第 5 段辅助孔装药量;④ 在常规延期下,EMD 法和瞬时能量法的雷管段数识别率均为100%,对于实际延期时间的识别,EMD 法识别精度为 95. 2%,瞬时能量法仅为 82. 6%。 初步分析,这是因为 EMD 法自身进行的是不完全正交分解, 分析时容易造成模态间的混叠,致使识别精度无法达到 100%。