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WPD-SVD的矿山微震信号特征提取及分类方法

为减少人工识别矿山微震事件的工作量,提出了基于小波包分解(WPD)和奇异值分解(SVD)提取微震信号特征的方法。首先对爆破震动、岩体破裂、机械干扰和电干扰等4种信号进行4层小波包分解,再利用奇异值分解计算第4层节点上小波包系数构成矩阵得到奇异值。以奇异值为特征值,建立16维特征向量,利用支持向量机(SVM)对400组矿山现场微震信号进行了训练和分类。研究结果表明:与爆破震动、岩体破裂和电干扰信号相比,机械干扰信号的奇异值的差异性最大;SVM的分类正确率达到94.5%,取得了理想的分类效果。     

基于LMD和模式识别的矿山微震信号特征提取及分类方法

针对岩体破裂信号与爆破振动信号难以自动识别的问题,提出了基于局部均值分解(LMD)和模式识别的矿山微震信号特征提取及分类方法。首先采用LMD对微震信号进行自适应分解得到乘积函数(PF)分量,再利用相关系数和方差贡献率筛选得到PF主分量,进而计算各主分量的相关系数和能谱系数,并以此作为模式识别的特征向量。结果表明:LMD、经验模态分解(EMD)和离散小波变化(DWT)的主分量分别为PF1~PF6,IMF1~IMF6和D2~D7,其中IMFi(i=1,2,…,6)为EMD分解的本征模态分量,Dj(j=2,3,…,7)为DWT分解的细节分量;LMD主分量分类识别结果整体上优于EMD和DWT主分量分类识别结果;能谱系数分类结果整体上优于相关系数分类结果,人工神经网络(ANN)和支持向量机(SVM)识别效果明显优于逻辑回归(LR)和Bayes判别法识别结果,且基于LMD能谱系数的SVM分类准确率达到了93.0%。     

基于改进HHT的矿山微震信号多尺度特征提取及分类研究

针对矿山微震与爆破信号难以识别问题, 提出基于改进Hilbert-Huang变换(HHT)的矿山微震信号识别方法。该方法引入互补集合经验模态分解(CEEMD)对HHT改进, 信号被自适应分解后, 计算IMF分量的偏度、峭度、Hilbert边际谱能量、Lempel-Ziv复杂度以及重构信号的分形盒维数, 运用拉普拉斯得分(LS)对5种时频域特征参数降维, 最后通过遗传算法(GA)优化的支持向量机(SVM)模型, 实现微震信号的分类识别。经400组微震和爆破信号的实例分析验证, 两类信号的5种特征参数均有较大差异, 改进HHT法识别效果优于传统经验模态分解法(EMD)和局部均值分解法(LMD), 且基于改进HHT和GA-SVM分类模型准确率达到95%, 证实了此识别方法的准确性。     

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。     

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。     

爆破振动信号微分经验模态分解与经验模态分解对比分析

本文介绍了一种爆破振动信号处理方法——微分经验模态分解(DEMD),并结合多宝山铜矿选矿厂中碎车间基础爆破振动监测试验,与经验模态分解(EMD)进行对比分析爆破振动信号的频率筛分、混叠失真情况以及分解后信号的功率谱特性。结果显示:与EMD相比,DEMD有效地抑制了信号混叠失真现象,且从信号的功率谱变化特征得出DEMD将不同的优势频率分量提取出来,爆破振动信号频率筛分效果优越于EMD。     

基于IITD和奇异值差分谱的滚动轴承故障诊断

基于ITD方法的线性变换和Akima插值,提出了一种改进的固有时间尺度分解方法 (Improve Intrinsic Time-scale Decomposition,简称IITD),将该方法与奇异值差分谱相结合,实现了滚动轴承故障的精确诊断。首先通过IITD方法将非平稳的原始加速度振动信号分解成若干个平稳的固有旋转分量(Proper Rotation Component,简称PRC);然后挑选包含故障特征信息最丰富的PR分量作为主PR分量;构造主PR分量的Hankel矩阵并进行奇异值分解,得到相应的奇异值差分谱,选择奇异值差分谱中的最大突变点来确定重构信号的奇异值个数,进而得到降噪后的主PR分量;最后对降噪后的主PR分量进行包络解调分析,提取滚动轴承的故障特征。实例分析表明,相比传统包络谱分析和基于经验模态分解和奇异值差分谱的方法,该方法能更有效地提取出滚动轴承的故障特征。     

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。     

基于能量分布特征的矿山微震和爆破信号自动识别研究

针对矿山现有微震监测系统实时性低、缺乏有效信号识别功能等问题,本文开展了基于能量分布特征的矿山微震和爆破信号自动识别方法研究,以推动矿山微震监测全自动处理技术发展。本文采用8层小波分解及系数重构的方法对矿山微震信号及爆破信号进行分解,了解各层小波系数重构频域的能量占比特征,研究发现,爆破信号能量主要集中在第三层和第四层,微震信号能量主要集中在第四层～第六层,因此,可通过该能量占比特征进行微震信号和爆破信号的识别。本文收集了矿山为期两个星期的生产数据,挑选出202条数据建立其能量占比特征的数据样本集,采用支持向量机原理,利用径向基函数对数据样本集进行学习训练,进而得到信号识别模型。最后收集195条矿山现场数据进行识别测试,结果表明,识别准确率达到86%,微震识别精确率达到90%以上,说明本文提出的信号识别方法能够有效实现矿山现场的微震信号与爆破信号的识别。     

基于虚拟仪器技术实现震源信号特征提取和自动识别

为了提高矿山微震监测系统中爆破震动信号和岩体破裂信号的辨识度,减少人工识别的工作量,以某金属矿山微震监测系统定时爆破和人工识别方法建立的爆破震动信号和岩体破裂信号数据为分析对象,基于虚拟仪器LaBVIEW平台提供的高级信号处理工具包和支持向量机工具包,对两类信号进行三层小波包分解,提取小波包分解得到的最后一层各节点熵作为特征值组成特征向量,输入支持向量机分类区,对岩体破裂信号和爆破信号进行分类。实验结果表明,基于小波包节点熵的特征向量,结合支持向量机,能够很好的识别区分岩体破裂信号和爆破信号。     

随机子空间法与Polymax的比较研究

主要对比研究了基于环境激励的随机子空间法和Polymax算法。随机子空间法是一种时域模态识别方法,它直接将结构的响应数据构建成Hankel矩阵,并利用矩阵的LQ分解、奇异值分解和特征值分解等数学方法来识别结构的模态参数,其中在相邻模态的识别方面,它明显优于一些传统的模态识别方法。     

基于小波与EMD的井下深孔爆破振动信号对比分析

通过某金矿井下深孔爆破振动测试,采集到爆破振动信号数据,分别运用小波和经验模态分解(EMD)对爆破振动信号进行分析,并对比研究爆破振动信号的小波能谱系数和EMD能量熵,得到信号主分量峰值频率.最后结合我国新的爆破振动安全判据对信号进行安全评估,并提出相关安全技术措施建议.结果表明,测点信号V(竖向)向小波能谱系数与EM...     

基于变分模态分解和小波能量熵的微震信号降噪

微震监测技术被广泛应用于矿业工程、石油天然气开采、安全监测等领域。 针对微震监 测采集到的微震信号存在随机噪声的问题,本文提出了一种变分模态分解(variationalmodedecomposition,VMD)和小波能量熵(waveletenergyentropy,WEE)结合改进阈值函数的降噪算法。 对原始信号进行VMD分解,将得到的各模态分量(intrinsicmodefunction,IMF)进行多尺度小波 分解,用小波能量熵表征各尺度信号的含噪状态,并以小波能量熵最大子区间的小波系数计算各 尺度层的阈值,通过改进阈值函数进行降噪处理后得到新的IMF,重构微震信号。 对仿真信号和 实测信号进行降噪处理,结果表明,该算法优于经验模态分解(empirical mode decomposition, EMD)、集合经验模态分解(ensembleempiricalmodedecomposition,EEMD)、VMD结合小波硬阈值 和软阈值降噪方法,提高了微震信号的信噪比。     

基于HHT方法的露天矿爆破振动信号分析

爆破振动信号处理是目前爆破振动研究领域里的一个重要课题。在某露天矿爆破振动监测的基础上,采用希尔伯特-黄变换(Hilbert-Huang transform,HHT)对爆破振动信号进行了分析处理,通过经验模态分解(EMD),将信号分解为包含不同成分的数个IMF分量,对各分量进行绘制信号的频谱、瞬时能量、等高线能量图等,得出波的时频特性及能量分布等特性。     

基于HHT方法的露天矿山爆破振动信号分析

爆破振动信号分析技术是爆破危害控制的重要环节,结合现场监测,采用HHT分析方法进行分析,首先采用EMD经验模态分解,将信号分解为不同IMF分量,对主要分量进行Hilbert变换,并且提取子信号的包络线,验证了该方法在微差爆破延时间隔识别中的有效性,根据IMF分量经过Hilbert变换后得到的Hilbert能量谱,从时间-频率-能量上研究振动信号不同频率产生的影响,验证了HHT分析方法在非线性及非稳态的爆破信号中的高效性和良好的自适应性。     

采动煤岩体中冲击震动波传播的微震效应试验研究

通过现场进行的爆破震动试验及矿山微震监测,以爆破震动波波速、振幅及频率等为主要分析指标,研究了矿井采动影响下煤岩特性改变对冲击震动波传播微震效应的影响规律.研究表明,随工作面开采时采空区垮落、破裂范围扩大及覆岩性质的强度弱化,各爆破震动P波平均波速、峰值振幅平均值、P波初至平均频率等微震参量均有较大程度降低.其中,波速...     

钢绳芯输送带的磁记忆信号特征提取方法研究

利用金属磁记忆(MMM)技术进行故障检测时,较弱的故障信号提取成为检测准确度高低的关键。采用小波分析和奇异值分解相结合的方法,对金属磁记忆信号经行故障特征提取。通过小波分析将故障信号分解为不同尺度的分量,以形成初始向量特征矩阵,并对该矩阵进行奇异值分解,选择代表特征信号的奇异值分量重构,从而实现对故障信号的特征提取。经过实验证明该方法有效。     

基于EMD方法的煤岩界面识别研究

简要介绍了经验模态分解(Emepirical Mode Decomposition,EMD)方法的基本思想,并对放顶煤过程中产生的声波信号进行EMD分解和频谱分析。EMD方法能把1个复杂的非平稳信号分解为有限个固有模态函数分量(In-trinsic Mode Function,IMF)之和,分解出的各个IMF分量是平稳的,具有实际的物理意义。根据各IMF的频谱,可获得顶煤放落过程中产生的声波信号的频率组成,进行煤岩界面识别。