基于EEMD和关联维数的矿山微震信号特征提取和分类

针对岩体工程中岩体破裂信号与爆破振动信号难以自动区分的问题,提出了一种基于集合经验模态分解(EEMD)关联维数与机器学习相结合的微震信号特征提取和分类方法。利用EEMD将微震信号分解为本征模态函数(IMF)分量,并从得到的IMF分量中筛选出主分量IMF1～IMF4,再通过相空间重构计算出各个主分量的关联维数,最后将所得到的关联维数作为特征向量,使用SVM方法进行微震信号自动识别,并与其他机器学习方法进行对比分析。试验结果表明:该方法对微震信号的自动识别具有较高的准确率,且基于高斯核函数的SVM的识别效果明显优于逻辑回归(LR)和K-近邻算法(KNN)判别法的识别结果,其准确率达到93.7%。     

三道庄矿微震信号辨识应用研究

针对三道庄矿生产作业环境复杂,从大量掺杂着的干扰信号中提取有效信号,有效地应用微震信号对岩石稳定性进行评价,对可能产生的破坏灾害进行预测具有重要意义。文章对该矿山各种微震信号源按实际监测需要进行了大致分类,分为岩体破裂信号、噪音信号和爆破信号三大类。在大量现场微震监测基础上,总结出了微震信号经验辨识法和频谱分析辨识法。利用经验辨识方法从波形振幅值、持续时间、上升时间、信号间隔等方面对各种震源波形的直观特征进行了辨识;利用频谱分析法对各种微震震源频率成分进行分析,总结出了三道庄矿各种微震震源信号特征。研究成果给矿山现场快速准确提取有用微震信号提供了依据。     

有效微震信号自动识别技术研究

拾取微地震信号到时对事件定位研究至关重要,传统方法直接拾取所有采集信号到时后,再通过人工手动判别出微地震事件,工作量大且效率低。针对这一问题,提出了一种自动识别有效微震信号方法——能量极值法(Energy Extreme Value,EEV)。通过移动时窗计算信号能量比Ratio变化曲线,分析不同信号的区别,提出在Ratio变化曲线上寻找与右侧点之间的偏差大于临界值Diff的特征极值点作为判别条件,研究分析了该方法的主要影响因素为移动时窗长度M和临界值Diff,并优化确定了最佳参数。采用MATLAB对冬瓜山铜矿采集的实际信号数据进行分析处理,结果表明:该算法能够精确识别噪声和微地震信号,与人工手动判别结果对比,准确率达96%以上,极大地缩短了数据处理时间,提高了工作效率,对微震信号处理具有重要的指导意义。     

基于改进DCNN法的微震信号自动识别模型及应用

为精准识别矿山微震信号，采用改进深度卷积神经网络（DCNN）法，通过傅里叶变换得到的频谱图叠加原始图像的空间域图作为微震信号的识别对象，提出了一种基于改进DCNN法的微震信号自动识别与分类模型，建立了某铅锌矿的IMS微震监测信号数据库的训练集、验证集和测试集，并通过实际工程数据验证了方法的可靠性。结果表明：利用频谱图和空间域图在BGR通道上堆叠的特征值作为DCNN输入的方法，构建的微震信号自动识别模型精度更高且泛化能力更强，该模型能够高效地提取微震信号特征；采用F1值、ROC曲线和AUC值3种性能度量进行评价，验证了改进方法的可行性、有效性和可靠性。     

基于数据降噪的冷轧板形调控功效系数获取

 针对轧制过程实际数据噪声大、难以获取准确板形调控功效系数的问题,提出了一种融合集成经验模态分解(EEMD)和小波变换(WT)的数据降噪方法。将含有噪声的实际生产数据经过EEMD分解后,利用小波变换方法对噪声主导的本征模态分量(IMF)进行降噪处理,处理后的噪声分量与其余分量重构得到降噪后数据,并结合结构方程模型(SEM)计算得到板形功效系数。利用1 450 mm五机架冷连轧生产线实际数据进行试验,结果表明,EEMD-WT-SEM方法可以有效降低数据噪声,有效提升板形调控功效系数的准确性。     

基于EMD-RF的冷轧机振动信号时频分析及识别

冷轧板带生产中的振动机制复杂多变，工业生产过程采集到的历史数据中蕴含着设备运行状态与产品质量等关联信息，数据驱动的信息挖掘对实现振动状态监控与智能预测具有重要价值。首先针对实际工业生产中采集的历史振动信号进行数据预处理；然后对典型振动钢卷的信号进行经验模态分解，选取相关度较高的主要本征模态分量进行时频分析；随后，基于相关度最高的本征模态分量提取10个时频特征指标作为输入，以振动有效值作为输出标记，构建样本空间；最后，运用随机森林回归算法对多个材质和规格下的钢种振动信号进行识别。结果表明，所提出的经验模态分解与随机森林相结合的方法可以适应样本数量不平衡情况下的振动信号识别问题，能够为冷轧机振动的状态监控与智能预报提供依据。     

基于经验模态分解方法的拉曼光谱信号处理研究

经验模态分解(EMD)方法是一个以信号内在物理频率成分为对象的自适应时频分析方法,而常见的非平稳信号分析方法,比如小波分析,它需要选择小波基,不同小波基的分析结果不同;拉曼光谱信号是典型的非线性和非平稳信号,EMD方法充分地保留了信号本身的非线性和非平稳的特征,适应于拉曼光谱信号的分析。实验在自行研制的拉曼光谱测试平台上获得了原始的拉曼光谱信号,并通过经验模态分解将信号分解成不同频率的10个本征模式分量,信号能量集中在750cm^-1和1500cm^-1左右,最后进行了频率成分分析和去噪处理,并和小波分析方法进行了对比,验证了EMD方法的有效性和实用性,该方法在拉曼光谱信号分析中有较好的应用前景。     

基于PEMD-MPE算法的露天矿爆破振动信号降噪方法

为了去除露天矿山爆破振动信号中混入的噪声成分,提出了一种基于PEMD-MPE算法的降噪方法。该算法通过自适应性正交经验模态分解（PEMD）得到完全正交的本征模态函数（IMF）分量,然后对各个IMF分量进行多尺度排列熵（MPE）的随机性检测,成功确定其中的噪声分量并将其去除。采用该算法对实测的露天矿山爆破振动信号进行降噪处理。结果表明：相比EMD-MPE和EEMD-MPE算法,PEMD-MPE算法的信噪比分别提高了3.520 dB和1.107 dB,且重构标准差和均方根误差最小,说明该算法不仅能够有效去除爆破振动信号中的噪声成分,还能有效保留真实信号。     

基于微震监测技术的断层突水预警预测研究

三山岛金矿是山东黄金集团有限公司的主要矿山之一,目前已进入深部开采,开采深度已超过1000m。随着开采深度的增大,地质条件恶化,大量地下水涌出,断层突水问题严重影响井下安全生产。介绍了微震监测技术的基本原理,针对矿区特有的水文地质条件及生产情况,布置适合监测金矿生产安全的微震监测系统;基于对监测结果的系统分析,研究断层突水预警技术思路;对监测微震事件与水量监测结果进行对比、分析其内在的联系性,为通过微震对矿区存在的断层突水危险进行判别提供技术支持。通过研究实现了深部开采的突水监测和预警。     

基于局部投影和小波降噪的弱冲击特征信号的提取

综合局部投影算法及小波变换两者的优点,提出了基于局部投影和小波降噪的弱冲击信号的提取方法.实验结果表明,局部投影算法可以将背景信号和特征信号分解到不同的子空间上,小波降噪可以有效地用于包含尖峰或突变信号的降噪,结合局部投影和小波降噪的弱冲击信号的提取方法对于微弱特征信号的提取是非常有效的.     

基于ICEEMDAN-KPCA-RVM的铁水温度预测

为解决高炉铁水温度传统单一预测模型存在的模型精度不高、鲁棒性差等难题,提出了一种融合改进的自适应噪声完备集合经验模态分解(intrinsic computing expressive empirical mode decomposition with adaptive noise, ICEEMDAN)、核主成分分析(kernel principal component analysis, KPCA)和相关向量机(relevance vector machine, RVM)的组合模型来精准和稳定预测铁水温度。首先,利用ICEEMDAN对铁水温度时间序列进行分解,以获取若干本征模态函数。然后,利用KPCA对钢铁生产过程中的多维关键变量进行降维处理,提取关键变量的主要特征。最后,利用RVM对降维后的变量分别预测铁水温度时间序列,得到铁水温度的累加预测结果。结果表明,相较于传统的自适应噪声完备集合经验模态分解模型(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),新模型的均方根误差(root...     

基于熵值法—突变理论的地下矿山紧急避险系统可靠性研究

为了确保紧急避险系统在地下矿山应急避险中的有效作用,有必要对其可靠性进行研究。结合熵值法及突变理论,基于环境、人、物料、设施设置和管理5个方面,对影响紧急避险系统可靠性的因素进行了3层分解,建立了包含19项指标的评价指标体系,运用熵值法对指标的重要性进行了排序,结合突变理论评估工具,构建了紧急避险系统可靠性评价模型。将该模型应用于山东某地下矿山的紧急避险系统可靠性评价分析,提出了提高其可靠性的对策。研究表明,该评价模型较好地细化及深入剖析了影响紧急避险系统可靠性的因素,客观确定了各层指标的相对重要性,得出了与矿山实际情况一致的评价结果,为地下矿山紧急避险系统可靠性评价提供了一种新方法。     

基于改进CEEMDAN-DCNN的声发射源识别分类方法

声发射源的准确分类识别是声发射地压监测预报预警研究的重要基础。针对矿山井下围岩体声发射事件信号和采掘作业噪声信号分类识别问题,提出了一种基于改进完备总体经验模态分解和深度卷积神经网络（DCNN）的智能识别分类方法。首先,对信号进行改进CEEMDAN降噪处理,即利用相关性系数阈值和排列熵（PE）阈值剔除伪分量和噪声分量;然后,利用DCNN对降噪后的信号自动提取高维特征;最后,将特征用于softmax分类器分类识别,实现智能化井下信号源多分类。研究表明：改进CEEMDAN能够有效剔除伪分量及噪声分量;相比其他机器学习方法,改进CEEMDAN-DCNN方法具有准确率高和稳定性较好等优点。信号源识别分类方法研究为地压监测预警预报提供了重要的基础数据,准确的灾害预警预报可为矿山井下作业人员和设备提供安全保障。     

基于熵权和物元分析的矿山安全避险“六大系统”可靠性评价

为了更加准确合理地评价“六大系统”的可靠性等级,运用熵权法与物元分析理论建立了“六大系统”可靠性评价模型。基于“六大系统”的组成成分,提出了影响“六大系统”可靠性的32项指标,采用物元变换理论构建“六大系统”可靠性评价的物元体系,计算单个待评估指标与设定评价等级的相关度,然后利用熵权法确定待评估指标的权重,最后根据待评估指标与设定等级的综合相关度确定“六大系统”的可靠性级别。研究结果表明：该方法综合考虑了各项评估指标对评价体系的影响,评价结果与实际情况相符,能够准确、客观地反映“六大系统”的建设情况。     

基于NN和MRA的轧机故障诊断信号数据压缩研究

轧机故障诊断信号数据具有有限分辨率、周期性、概率分布冗余和非概率分布冗余等特点。通过构造一新的基于NN的无损数据压缩方案用于压缩轧机故障诊断信号数据的非概率分布冗余空间 ,然后选择一合适的基于MRA的编码系统用于消除轧机故障诊断信号数据的概率分布冗余 ,最后把基于NN的无损数据压缩方案嵌入基于MRA的编码系统 ,获“基于NN和MRA的轧机故障诊断信号数据压缩方法” ,达到较全面消除轧机故障诊断信号数据冗余的目的。实验证明基于NN和MRA的数据压缩方法能有效压缩轧机故障诊断信号数据 ,且恢复的信号数据有较高质量     

基于经验模态分解和加权最小二乘支持向量机的采空区地面塌陷预测

根据采空区路面塌陷数据的特性,提出了基于经验模态分解(EMD)和加权最小二乘支持向量机(WLS-SVM)预测采空区地面塌陷的新方法,并将其应用于吉林省长平高速公路因刘房子煤矿开采而引起的塌陷预测中.对实测的塌陷数据首先利用三次样条插值得到平滑的信号曲线,然后用EMD对插值后的信号进行时空滤波降噪处理,得到反映塌陷趋势的剩余分量,最后将其馈入到WLS-SVM模型完成预测.预测给出了采空区塌陷的中长期预测结果.得到塌陷区的最终塌陷值为174.34 cm,预测结果与实际监测数据平均偏差约1.06%.对长平高速公路下伏采空区段的实测数据进行分析,并与最小二乘支持向量机(LS-SVM)和BP神经网络预测结果进行了对比.结果表明:基于EMD和WLS-SRM的采空区地面塌陷预测方法具有更高的预测精度和广泛的适用性.