精细解释技术在煤田三维地震勘探中的应用

小波分析、相干体、波阻抗反演等技术的进步,为精细解释提供了技术支撑。应用实例证明,相干体技术对断层尤其小断层、煤层的尖灭等地质异常有较高的检测能力;小波变换可以实现对子波时频局部化分析,成为提高地震信号分辨率的重要手段;波阻抗反演将测井的垂向测量尺度与地震资料的横向测量尺度有机结合起来,在波阻抗剖面上煤层分叉、合并、尖灭有更清晰反映。     

基于爆破信号的小波分析

采用离散小波变换和连续小波变换对深孔爆破震动信号进行了分析,得出了爆破信号的离散小波变换的分量结果和连续小波变换的小波谱.分析结果表明:小波变换能很好地提取信号的主要特征信息,是一种有效的处理爆破信号的时频分析.     

基于小波模极大值的煤厚信号奇异性检测

信号的突变性或奇异性通常携带有最重要的信息,小波变换为信号的多尺度瞬态分析提供了最合适的方法。阐述了基于小波变换模极大值的奇异信号检测理论,并将其应用在煤厚探测信号的奇异性检测中,通过计算机语言编程,对实测信号奇异点进行定位,从而判断出煤层的厚度,为煤层厚度探测提供了一种新颖的方法。     

基于复小波域的自适应贝叶斯估计SAR图像相干斑抑制算法

提出了一种基于复小波域的自适应贝叶斯估计SAR图像相干斑抑制算法。该方法将传统小波的软阈值去加性噪声的特性与双树复小波变换的方向选择性结合起来,可以自适应选择有效的阈值来保留边缘等细节。应用贝叶斯估计来计算复小波系数的最佳值。该估计算子假设信号和噪声的复小波变换系数分别满足阿尔法稳定分布和高斯分布。实验结果表明该算法的去噪性能优于现有的基于离散小波变换的算法。     

基于小波变换的奇异信号检测

奇异信号的奇异点经常携带比较重要的信息,它是信号的重要特征之一。证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性。信号局部奇异性用李氏指数来描述。研究了奇异性检测小波基的选择条件。给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性。     

故障定位中小波基的选择研究

讨论了基于小波变换的矿井高压电网中暂态信号的分析应用,根据故障信号特征与小波基函数的内在联系,以及故障暂态信息中的有效信号和随机噪声的小波变换所体现的不同特征,对矿井高压电网故障定位中,暂态信号检测的小波基函数的选择进行了系统的分析研究。MATLAB仿真结果表明,根据信号特征选择的小波基函数具有很强的检测能力和检测精度。     

基于小波变换的矿震波的P波和S波的识别

对矿震震相的自动识别是矿震信号分析和处理的主要目标之一。基于小波变换的多尺度分析思想,采用对信号进行小波处理后的小波系数代替原始信号,应用包含在小波变换系数中的信号偏振信息,提出了确定三分向的矿震信号P波和S波震相的小波变换方法。通过对矿震数据进行小波变换得到不同尺度下的P波和S波识别因子,进而形成确定P波和S波的特征函数,从而确定P波和S波的到时。通过用小波变换对木城涧矿矿震的实际资料进行处理分析,实现了P波和S波到时的自动拾取,取得了满意的结果。     

基于小波能量熵的故障信号诊断研究

针对电力故障信号为突变、非平稳信号的特点,利用消噪阈值法对故障信号进行预处理,通过小波变换对故障信号进行特征提取,然后将小波变换和信息熵相结合,并应用到故障检测与定位中,为奇异信号的检测提供了新思路和新手段。通过仿真分析,得到以下结论:小波能量熵WEE可以很好地检测故障突变点,小波能量熵随时间的变化规律,反映了电流或电压在时域的能量分布特征并表征信号的频率变化,可以用作分类所需的特征。     

基于小波包变换的单道水上地震数据去噪方法研究

基于小波变换的多尺度分解去噪技术是近年来发展起来的一种新技术,其在地震勘探领域中具有广泛的应用.在小波变换的基础上发展起来的小波包变换,可以更好地像小波变换分解低频一样分解高频信息,在信号的去噪方面也有着重要的用途.将小波包变换应用于噪音含量较多的浅水域单道地震数据处理中,获得的有效地震信号突出,噪音被明显压制,处理效果良好.     

连续小波变换在齿轮故障诊断中的应用

提出了将连续小波变换用于提取信号中隐含特征的方法,并将该方法应用于故障齿轮振动信号的特征识别。数值仿真结果表明,信号的连续小波变换能有效地反映出冲击特征信号；实验表明,采用连续小波变换可以对断齿振动信号的故障特征进行有效地识别。     

基于小波包神经网络的电机故障诊断分析与研究

由于传统基于傅立叶变换的利用频域对电机故障的信号分析中无法对奇异信号点的时域信息进行检测。针对上述问题,提出基于小波包神经网络的电机故障诊断的方法。结合电机振动的非平稳随机性的特点。利用小波包多分辨率分析方法对电机的采样信号进行分解,提取电机故障状态特征并作为BP神经网络输入样本的特征向量,利用神经网络的自学习和模式识别的特点最终输出电机故障类型。通过MATLAB仿真结果可以证实该方法可行性。     

基于小波能量谱旋转机械振动信号的故障特征提取

旋转机械故障诊断的关键问题在于对振动故障信号的特征提取。利用小波能量谱分析方法能够发现不同分解层中的振动信号特征并分析出故障原因。基于小波能量谱方法能准确提取旋转机械的故障特征,尤其是对微弱故障信号,为正确判断故障提供了依据。实验验证了该方法在提取旋转机械振动故障信号方面的有效性和准确性。     

Application of wavelet packet decomposition and its energy spectrum on the coal-rock interface identification

Introduction　　Shearisoneofthemainmachinesonthecoalface.Realizingautomaticadjustingofthedrumheightistheimportantlinkofrealizingautomaticproductionprocessonthecoalface,alsohasimportantpurposestomachinelife ,machinerelia bility,workerssafeandcoalquality.　　CIIcanmaketheshearhavetheabilitytoautomaticallytracethecoal rockinterface.Itcannotonlycontributetomineautomationandhighefficiency,butalsoreducethecontentofrockandtheothermineralthatmustberemovedintheprocessofcoalbeneficiation.Intherecentye…     

煤矿复杂环境视频拼接技术

针对煤矿井下噪声大、光照不均等复杂环境传统拼接算法并不适用的问题,提出新的拼接算法。算法采用拼接帧抽取方式提取部分关键帧进行视频拼接,根据相位相关冲激函数能量高效检测重叠区域并对乱序帧排序,将统计分析中样本主成分分析引入SIFT特征向量降维中,用互不相关的新样本信息来描述原样本信息,降低了特征向量生成时间,通过结合多频带提升小波,定义融合规则并选择合适的融合策略,实现平滑拼接。实验表明,此算法提高了匹配效率,无需人工排序,解决了复杂环境容易误匹配、接缝明显等现象,拼接效果平滑自然,适合煤矿环境。     

通风机振动信号的小波包阈值除噪研究

研究了基于小波包分析的阈值除噪的基本方法,并介绍了几种除噪阈限。利用小波包阈值除噪良好的时频局部化特性滤除信号中大量的噪声。通过对通风机振动信号的除噪和特征提取研究,取得了良好效果,说明小波包阈值除噪方法非常适合于信号的预处理和故障特征提取。     

基于局部放电法的矿用高压电缆信号去噪算法研究

干扰噪声直接影响局部放电法有效检测矿用高压电缆故障。基于局部放电法,综合采用理论计算、仿真实验、现场试验的方法,对比分析了短时傅里叶变换和傅里叶分析去噪法的原理和优缺点,提出了一种矿用高压电缆的局部放电去噪算法——小波阈值去噪法,同时,选择了合理的阈值函数和去噪流程。基于此,采用白噪声和连续周期信号作为高压电缆的干扰噪声,进行了模拟仿真实验。结果表明,小波阈值去噪法可有效抑制白噪声,其中,Db2小波性能和去噪效果最好;同时,现场试验结果显示,去噪后信噪比得到了显著增加,验证了小波阈值去噪法的合理性和可靠性。     

小波神经网络在炼铜转炉炉渣重量和成分预报中的应用

小波分析是一种新的信号处理技术,具有良好的时频局部化特征。为了克服BP网络自身算法的缺陷,得到更高的学习精度和更快的收敛速率,使用小波包分析的特征提取及神经网络的非线性映射特性,构造了小波神经网络,以此为基础开发出的软件系统具有使用的特征量少,建造预报系统较为简单等优点。将之应用于炼铜转炉炉渣重量及成分预报,该模型完全能够较准确地预报出渣量和成分。其平均拟合误差为1．5％,平均预报误差为3．1％。     

叠后地震多属性分析在煤层裂缝识别中的应用

针对山西新元矿煤层中的裂缝发育问题，以地震属性分析理论为指导，研究了相干、曲率、蚂蚁体等单一地震属性、多属性叠合、多属性神经网络运算裂缝概率等在裂缝识别中的应用效果，地震属性的走向确定了裂缝的方位信息，多属性分析圈定了裂缝发育区域。结合邻区已采掘区域揭露的断裂发育情况，表明以相干、曲率和蚂蚁体等叠后多属性对于裂缝的应用识别效果较好。地震多属性分析对于煤层裂缝的识别有着较好的应用价值，可推广至其他煤矿应用。     

改进小波能量分析法在轴承故障诊断中的应用

滚动轴承故障诊断的关键问题之一是如何有效准确地提取故障特征信息,为了更好地刻画各频带能量,提出了改进小波包能量算法,提取分解频带的能量在时间域上的分布,更好地刻画了能量随时间变化的分布。同时引入包络分析,更好地体现信号的间断点,从而提高故障信号分析的准确度。诊断实例验证了利用改进小波包能量法进行故障诊断的有效性。     

分数阶Fourier变换在滚动轴承故障诊断中的应用

分数阶傅立叶变换(FRFT)是经典傅立叶变换的广义形式,它克服了经典傅立叶变换在故障特征提取中存在不足,可同时从时间域和频率域(或空间域)揭示信号特征。论述了分数阶Fourier变换的定义、特点和算法,并进行实验研究。实验结果表明,只要选择合适的分数阶数,可取得比传统傅立叶变换更好的效果。