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。     

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。     

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。     

利用经验模态分解改进的CEEMD故障诊断方法

针对互补集合经验模态分解(CEEMD)方法在分解过程中会产生模态分裂的现象,提出了一种利用经验模态分解改进的CEEMD方法。由于经传统CEEMD方法分解得到的IMF分量并不能满足IMF分量的严格定义,将这些分量定义为预分解IMF分量,然后利用经验模态分解对这些预分解IMF分量重新分解,得到正确的IMF分量。为了验证改进CEEMD方法的有效性,将它用于仿真信号分解中。仿真结果表明,该方法可以有效消除传统CEEMD方法出现的模态分裂现象,分解结果更符合实际情况。将改进的CEEMD方法对真实轴承故障信号进行分解,结合包络谱分析,可以准确提取故障特征频率,从而实现对轴承故障的有效诊断。     

经验模态分解在矿井风机振动信号分析中应用

由于获取矿井风机振动信号的特殊性,致使有效的振动信号被大量干扰信号所淹没,给基于振动信号的矿井风机故障诊断带来很大困难。为此,提出一种EMD-FFT振动信号分析方法,该方法将经验模态分解技术与傅里叶分析相结合。采用EMD对矿井风机振动信号进行分解,用FFT对分量(IMF)分别进行频谱分析,并将其按频率重组,剔除高频干扰,获取真实振动信号。通过将原始信号FFT直接分析与EMD-FFT分析对比研究,证明EMD-FFT较直接FFT在矿井风机振动信号分析中的优越性。     

基于改进VMD的岩石声发射信号去噪方法

针对岩石声发射(AE)信号中包含的噪声分量难以有效滤除的问题,提出了一种变分模态分解(VMD)与样本熵(SE)相结合的AE信号去噪方法.首先,将含噪声的岩石声发射信号进行VMD分解,并获得一系列具有不同中心频率的固有模态函数(IMF);其次,计算各个IMF分量的样本熵,将其大于设定阈值的IMF分量视为噪声分量剔除并保留...     

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。     

基于经验模式分解的超声信号去噪算法

针对煤矿机械关键零部件超声检测时受到煤矿现场非线性、非平稳噪声干扰的问题,研究了超声信号的自适应去噪方法,将超声信号分解成独立的IMF分量,并得到各IMF分量的频谱,选择与探头中心频率相近的各IMF进行重构,提高了信噪比。     

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。     

基于小波去噪和EMD的齿轮箱故障诊断研究

提出小波去噪和EMD相结合的齿轮箱故障诊断的新方法。该方法首先对原始信号进行小波阈值去噪,将去噪信号利用EMD方法分解为多个IMF分量,计算各IMF分量和原信号的互相关系数,选择互相关系数较大的IMF分量进行Hilbert包络谱分析,提取故障频率。以互相关准则提取IMF分量避免了IMF分量选择的盲目性。对实测齿轮箱故障信号进行了分析,结果表明该方法能够有效地识别齿轮箱故障频率。     

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。     

基于主成分回归分析法的导水裂缝带高度预测

为减小经验公式法在导水裂缝带高度预测方面存在的误差,探索较高预测精度的导水裂缝带预测方法,本文基于山东滕州矿区积累的实测数据,对采深、煤层厚度、工作面倾向长度、岩性参数、顶板厚度及倾角等六个因素进行了综合分析,借助MATLAB数据分析软件,运用主成分分析的方法,结合回归模型检验分析,建立了适用于滕州矿区的顶板导水裂缝带高度预测回归模型,并与经验公式法所得结果进行了对比分析。结果表明:基于山东滕州矿区12个煤矿的实测数据建立的主成分回归模型,对蒋庄煤矿两验证工作面导水裂缝带高度预测结果分别为56.239 1m、49.102 1m,预测相对误差分别为3.00%、2.83%;运用经验公式法对两工作面导水裂缝带高度预测结果均定为60.00m,预测相对误差分别为-9.89%、-25.65%。由此可见,采用主成分回归分析模型方法预测煤层顶板导水裂缝带发育高度具有较高的准确性,该模型可以更好地预测导水裂缝带发育高度,服务煤层顶板水害防治。     

EMD与能量算子解调在提升机齿轮箱故障诊断中的应用

提升机齿轮减速箱一旦发生故障,其振动信号表现出强烈的非平稳性,表现为复杂的调制现象,因强烈的噪声干扰,给故障特征提取带来了困难。介绍了基于经验模态分解(Empirical Mode Decomposition, EMD)与Teager-Kaiser能量算子（Teager-Kaiser Energy Operator,TKEO）解调相结合的提升机齿轮箱故障诊断方法,该方法结合了EMD自适应滤波和Teager-Kaiser能量算子非线性故障特征提取的优点。EMD方法可将齿轮箱振动信号分解成若干个局部频率从高到低不同频段的IMFs（Intrinsic Mode Functions）,各个IMF突出了原始信号的某些局部特征,再对相对高频段且含有齿轮啮合频率及谐频的IMFs进行能量算子解调,成功提取了提升机齿轮箱中间轴旋转频率fr2的故障特征频率,诊断出了提升机齿轮箱中间轴上齿轮Z2和Z3的点蚀故障。分析结果表明,该方法能有效诊断出提升机齿轮箱的故障。     

基于IABC-ICA的随掘地震去噪方法

随掘地震是利用掘进机切割岩石产生的振动作为震源来进行探测,具有安全、简便、高效等优点,但随掘地震探测所采集的地震记录中波组成分复杂,有效信号能量弱,且被掘进机工作时产生的强噪声干扰,信噪比极低,去噪难度大,需要对随掘地震记录去噪方法进行研究.通过改进人工蜂群(IABC)算法搜索策略,提高了人工蜂群算法的收敛速度和收敛精...     

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VMD的大地电磁信号去噪研究

大地电磁信号是解释地质构造的重要信息载体,其受长周期和随机噪声影响严重,导致地质构造的反演结果出现严重的偏差。为了解决该问题,基于变分模态分解(Variational Mode Decomposition,VMD)提出了一种综合性的大地电磁信号去噪算法。对原始电磁信号进行多分辨VMD处理去除长周期噪声,采用小波包阈值去噪法去除信号的随机噪声,使用信号重构得到去噪处理后的大地电磁信号。使用此方法对工程实测大地电磁信号进行处理,结果表明,此方法能够对大地电磁信号的长周期噪声和随机噪声进行抑制,并且极大限度地保存了信号的有效分量,提高了时域信号的周期性,全频分段的视电阻率曲线得到了明显优化。     

基于主成分回归分析法的回采工作面瓦斯涌出量预测

以预测回采工作面瓦斯涌出量为目的,通过主成分分析方法得到了影响回采工作面瓦斯涌出量的主成分,并采用主成分分量进行多步线性回归来预测回采工作面瓦斯涌出量。结果表明,采用的主成分回归分析方法减少了回归分析需要考虑的变量个数,结果具有较好的精确度。