基于消噪处理岩石声发射信号到达时间的识别方法

在岩石声发射源时差定位的研究中,信号到达时间是重要信息。岩石声发射信号复杂,含有大量脉冲干扰与随机噪声,到达时间可读性差。针对以上问题,首先对原始声发射信号进行中值滤波和奇异值分解,消除部分脉冲干扰与随机噪声;其次进行小波包分解软阈值消噪,保留信号的主要成分,提高信噪比,增强到达时间的可读性;最后结合信号与噪声的时间序列模型(AutoRegressive,AR模型),第1次计算赤池信息量准则的K值(Akaike Information Criterion,AIC(K)值),获得到达时间窗口,在该窗口内第2次计算AIC(K)值,实现了到达时间的自动识别,避免了在整个信号序列下计算AR模型的阶数与次数。     

岩石声发射信号处理小波基选择的研究

针对岩石声发射信号处理和分析时小波基选择存在的问题,在详细分析岩石声发射信号特点的基础上,总结了适合于岩石声发射信号分析和处理的小波基应具有的特点,并在理论上归纳出Daubechies小波族中的Db4小波基能满足岩石声发射信号处理的要求。以处理后的工程实际岩石声发射信号为基准信号并加入白噪声,利用相关分析对小波变换前后的信号进行分析,结果表明,Daubechies小波族中的Db4是进行岩石声发射信号处理的合适小波基,从而为利用小波分析理论进行岩石声发射信号处理以及准确地找出岩石的Kaiser点奠定了一定的基础。     

齿轮裂纹声发射检测模拟实验研究

提出了一种齿轮裂纹声发射检测模拟实验方案,设计了一套齿轮齿牙承载实验装置,构建了声发射检测系统,进行了实验过程中噪声干扰和消噪方法分析。应用小波包技术有效地提取了齿轮裂纹扩展声发射信号特征,并采用软解调技术进行了声发射源的识别。     

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AO优化VMD-小波包的岩石破裂声发射信号去噪算法

针对岩石在破裂过程中产生的大量含噪声发射信号问题,基于天鹰优化(Aquila Optimizer,AO)算法提出一种改进的变分模态分解(VMD)联合小波包分解的声发射(AE)信号去噪算法。利用Circle混沌优化的AO算法对VMD算法中的分解模态个数K和二次惩罚因子α进行寻优,有效避免了人为经验选取参数导致的时间消耗以及效果不佳等问题;利用得到的最优参数组合对岩石破裂声发射信号进行分解,得到一系列本征模态分量,结合相关系数筛选出含噪分量;然后利用小波包去噪算法对含噪分量进行处理;最后,将未处理的分量与降噪处理后的分量重构得到去噪后的AE信号。通过仿真和实测信号分析,结果表明与现有去噪算法相比,该算法能更好地去除AE信号中的噪声分量,保留信号的频域特征信息,可为后续利用声发射信号探究岩体破裂规律提供参考。     

两种小波分析方法在地震信号消噪中的效果比较

小波分析作为一种卓越的数学分析工具,具有多分辨分析的特点,而且在时—频域都具有表征信号局部特征的能力。采用小波阈值和小波包两种分析方法对含噪单道地震信号和模型剖面进行处理,进而比较两种小波分析方法的实际消噪效果。认为小波包分析方法能够提高时—频分辨率,具有更为精确的局部分析能力,消噪效果及保留有效信号能量方面较为理想。     

基于声发射信号分析的螺栓松动识别

利用小波包分析技术对随机激励下法兰螺栓联接结构2次声发射信号进行研究,提取声发射信号随螺栓松动变化的特征量。首先,对螺栓联接结构声发射信号进行小波包分析,得到了声发射信号在不同频带上的能量分布图。然后,总结了随机激励螺栓联接结构声发射信号频带能量的分布规律。分析结果发现螺栓松动变化影响声发射信号频带能量的分布规律,预紧力越大,各频带能量越小;优势频带的能量特性随着预紧力的变化越明显。     

突水过程煤岩破裂声发射实验系统的研究

为了监测煤矿突水,在不同应力速率下,针对不同含水量煤岩破裂声发射频谱存在差异的特性,基于数量化理论,采用可编程逻辑器件FPGA和低功耗微处理器MSP430研究设计了一套监测实验系统,本系统可以实现对矿井突水进行实时在线监测的目的.为了解决煤岩破裂声发射信号中含有各种干扰噪声和信号处理方面存在的问题,根据煤岩破裂声发射信号的特点,利用小波包变换对声发射信号进行了分解、去噪和重构,结果表明处理后的声发射信号更为清晰地反映了煤岩在不同含水量和不同应力速率下破裂时的变化特征,研究方法通过模拟样本实验取得了较好的效果.     

煤的DTG曲线不同消噪方法分析

分别将傅里叶低通滤波器方法、21点平均法和小波方法用于一种贫煤DTG信号的消噪中,发现小波法效果较好.当小波基为bior 6.8,sqtwolog阈值规则时,其消噪效果最优.通过对滤除噪声的特性分析发现,小波方法和21点平均法滤除的噪声具有独立分布特性,且类似高斯分布.     

基于改进小波阈值算法的矿用钢丝绳损伤检测信号去噪方法

在矿用钢丝绳损伤检测中,信号去噪对损伤检测信号特征提取与定量识别的准确性有着直接的影响。针对小波阈值算法在钢丝绳损伤检测信号去噪中的应用,在Donoho的软、硬阈值去噪方法的基础上,提出一种改进的小波阈值算法,该算法解决了硬阈值去噪效果不佳与软阈值过度光滑导致信号失真的难题,完整地保留了钢丝绳检测信号中的小奇异信号,去噪效果明显优于传统的阈值去噪方法。     

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…     

基于小波包分解的相关分析的高压漏电保护系统的研究

中性点经消弧线圈高压漏电保护系统的选线一直是一个难以解决的问题,在分析故障特征及小波包分解的相关理论分析的基础上,提出了一种基于小波包分解的相关分析的故障选线方法,并给出了具体的方法和故障选线判据,经仿真验证了该方法的可行性。     

基于小波包与直接确定神经网络的柴油机故障诊断

系统论述了小波包分析在故障诊断中对信号的分解、去噪和重构,经过基函数神经网络可以很好地对信号进行诊断,最后用典型故障信号通过计算机仿真讨论该方法在柴油机故障诊断中的可行性。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。     

三轴压缩下花岗岩声发射Kaiser点信号频段及分形特征

采用高、低两种频率的声发射(AE)通道,对花岗岩试件完成了1~30 MPa围压范围内的循环加卸载AE试验。首先根据应力-时间-计数准则确定了Kaiser点。然后运用小波包频段分解法与G-P算法,分别对Kaiser点及相邻点的频段能量分布特征与AE能量关联维数进行了研究。研究结果表明:两种频率通道中接收到的AE振铃计数特征主要区别为数值大小,但整体的变化趋势基本相同,故Kaiser点出现的位置也基本相同;在Kaiser点频段特征方面,围压对Kaiser点特征频段变化规律的影响不明显;轴向相对应力水平小于63.67%时,Kaiser点特征频段为频段0~62.5 k Hz和187.5~250 k Hz;轴向相对应力水平大于69.06%时,Kaiser点特征频段为62.5~125 k Hz;Kaiser点的AE能量关联维数均小于其相邻点。     

基于小波包能量流和LTSA的垮落煤岩特征提取

针对综放工作面垮落煤岩识别的技术问题,采集了放煤过程中垮落煤岩冲击液压支架后尾梁的振动信号,并提出了一种基于小波包能量流和LTSA的特征提取方法。该方法首先利用小波包变换把振动信号分解成一系列的时频子空间;为了观察原信号能量在各层时频子空间的分布特征,计算了小波包分解每一层各个时频子空间的能量,构成了一个小波包能量矩阵,称为小波包能量流;然后利用局部切空间排列(Local Tangent Space Alignment,LTSA)挖掘小波包能量流的低维流形。为了验证小波包能量流低维流形的有效性,把该特征向量输入BP神经网络来识别垮落煤岩。结果表明:基于小波包能量流和LTSA提取的特征向量可以准确简约地表征垮落煤岩,BP神经网络的识别率达到100%。     

变粒岩破裂全过程声发射时频特性试验研究

通过变粒岩单轴压缩下声发射试验, 采集了应力-应变曲线与声发射数据。联合应力曲线, 总结了声发射积累计数和积累能量的演化特征。利用Welch谱估计法与小波能谱系数法分别对试件声发射信号功率谱密度及能量分布特征进行了分析。研究表明, 声发射积累能量比振铃积累计数能更好地预测岩石破坏; 在试件破坏前或产生较大裂纹时, 声发射信号峰值频率会有所下降, 其能量集中频段也在扩大; 在[78 kHz, 156 kHz]频段能谱系数持续增大且其值超过50%的声发射信号出现频繁的现象, 可作为试件破坏失稳的前兆信息。结合岩石声发射信号时频特性, 可为预测岩体破坏提供一种新思路。     

基于声波信号小波包变换的煤矸界面识别研究

为探索放顶煤开采过程中煤矸放落程度的判定方法,采用小波包理论分析顶煤放落过程中的声波信号。放顶煤开采中随着矸石含量的增加,产生的声波信号也会有所不同,以此为出发点提出了基于声波频谱小波包变换的煤矸界面识别分析方法。通过声波信号频谱的差异,可以确定煤矸放落的临界区域,从而为煤矸识别提供参考依据。