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。     

微震响应煤与瓦斯突出模拟试验

利用大型煤与瓦斯突出模拟试验系统,研制密封效果好、流变性能强的突出口材料及其制作工艺,模拟垂直和水平应力综合作用下自动触发煤与瓦斯突出的试验过程,利用高灵敏性的微震监测系统全程响应煤与瓦斯突出4个阶段,监测不同阶段突出腔体内的瓦斯压力,素描出突出孔洞大小和形状。微震响应信号分析频率0~2 000 Hz,优选小波基函数,确定小波包最大分解层数,采用小波包分解分析模拟突出孕育、激发、发生和残余4个阶段微震信号时频特征;孕育阶段为高频信号,激发阶段信号频带范围逐渐加宽直至出现低频信号,突出阶段全频带响应,残余阶段信号由相对较低频带逐渐向高频过渡。研究成果为微震预警煤与瓦斯突出提供基础试验依据。     

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WPT-LMD预处理的震动信号有效辨识方法研究

提出了一种联合小波包分解(WPT)和局域均值分解(LMD)的信号预处理方法,并在此基础上使用改进的STA/LTA方法实现对震动信号的有效辨识。研究结果表明WPT-LMD预处理方法是一种省时、高效、自适应强的信号处理方法,对类微震的非线性、非平稳、低信噪比信号有较好的应用效果,且能避免传统时频信号降噪处理方法应用时造成震相初至时刻偏移的弊端;联合改进的STA/LTA方法对超声波波速初至时刻拾取、实验室声发射测试、矿井现场爆破微震信号均表现了良好的应用效果;该种信号预处理方法特别适合于复杂煤层结构的微弱震动信号处理,开展此类研究将有助于提高煤矿现场微震监测的精度和效率。     

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。     

同步挤压小波变换在矿山微震监测系统中的应用

微震监测技术是一种保证矿山安全、高效、可持续发展的重要地压监测手段。矿山传感器获取的微震数据容易受到宽频带非平稳噪声的影响,导致微震监测缺乏可用的高质量数据。本文介绍了一种新的频谱分析方法——同步挤压小波变换,它提供了一种将数据同时分解到时域和频域的方法,且比小波变换等方法的时频分辨率更高,可以在时频谱上更为清晰地展示微震信号。同时,本文还比较了Morlet小波基和Bump小波基对微震波形的影响程度,并通过现场微震监测波形验证了Morlet小波基的相对可靠性。采用基于噪声水平的硬阈值滤波方法对其进行分别处理,结果表明,基于Morlet小波基的同步挤压小波变换在从原始数据中提取微震信号方面具有更大的实用价值,能够有效地提高信号的信噪比。     

基于WPSV和BPNN的煤岩识别方法研究

为解决综采工作面无人开采和采煤机滚筒自动调高的实际工程问题,提出了基于小波包奇异值(WPSV)和BP神经网络(BPNN)的煤岩界面识别新方法。利用WPSV构建特征向量,再与BPNN结合进行煤岩界面自动识别。首先使用传感器采集采煤机滚筒截割煤岩的扭矩信号,对扭矩信号进行小波包变换(WPT),获取信号的小波包分解系数,得到小波包分解系数重构信号矩阵;然后并对该矩阵进行奇异值分解(SVD),获取主要WPSV,构建奇异值特征向量;最后将该特征向量输入BPNN中进行煤岩界面自动识别,并与传统方法进行了对比,结果表明:该方法具有更高的准确率,能有效地判断采煤机滚筒的工作状态。     

微震自动定位与可靠性综合评价系统及应用

为了进一步提高微震自动定位精度,并实时对定位可靠性进行综合评价,首先,研究提出了基于小波分析的微震波形瞬时频率算法和可变分辨率的包络函数,建立了以瞬时频率和包络函数为特征函数序列的微震波形到时自动拾取方法(IFEPM),实现了微震波形高精度到时自动拾取;研究提出了到时差值分析表和台站残差公式,建立了基于到时差值分析和残差分析的微震异常波形自动识别模型(APSIM),对延迟波和外部异常波两种干扰波形进行有效的自动识别和剔除。结合IFEPM和APSIM,采用L1范数和Simplex震源定位算法,建立了微震自动定位方法(AMSLM)。其次,提出了评价微震定位可靠性的事件残差指标R、敏感度指标S、触发序列指标H和综合评分指标I,在此基础上建立了微震定位可靠性综合评价体系(SLRES)。最后,将AMSLM和SLRES相结合,建立了微震自动定位与可靠性综合评价系统(AMLRES),设计开发了AMLRES软件并在煤矿现场进行了爆破试验验证和应用研究。研究结果表明:AMLRES实现了微震的高精度自动定位,并且能够实时对自动定位可靠性进行有效评价,满足现场微震监测需求。     

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。