二氧化碳相变爆破中的振动信号特征分析

为分析二氧化碳相变爆破产生的振动信号特性在时间上和空间上的衰减规律,通过现场二氧化碳相变爆破试验,分别对距离爆源处5、8、12 m位置设置质点速度监测仪,分别对得到的爆破振动信号进行频谱、能量谱分析,得到关于二氧化碳相变爆破振动信号在空间和时间上的衰减规律。随着距离的增加,低频部分逐渐衰减只剩下高频段部分。在能量的分布上,二氧化碳相变爆破的能量主要分布在中低频段(0 Hz相似文献   

露天采场爆破对周边尾矿坝的稳定性影响研究

为了更好地研究采场爆破振动对周边尾矿库的稳定性影响,采用对尾矿库区进行地质调研、采场生产工艺及爆破参数调查和爆破振动监测等手段,通过对监测信号的质点峰值振动速度、频谱分布特征进行分析和对基于GeoStudio的尾矿坝稳定性进行模拟,分别从振动强度、频谱成分能量和稳定性安全系数研究采区爆破振动效应对尾矿坝的影响。结果表明,尾矿坝处爆破振动信号的主频段在5.7～30.6 Hz,主频段成分能量随着距离的增大而减小,尾矿坝稳定性模拟分析证明爆破振动对尾矿坝整体结构稳定性造成的影响很小;采用线性拟合得到该采区地质条件和爆破开采条件下萨道夫斯基公式的K、α分别是81.348和1.153,并结合采区爆破作业条件对最大一段起爆药量和最小爆破安全距离进行了分析推算,对爆破振动作用下的尾矿坝安全控制进一步分析与评价,并对此提出一些行之有效的对策措施。     

基于HHT爆破地震波穿越岩体层面衰减规律研究

爆破振动对建(构)筑物的破坏不仅与振动速度峰值有关,而是爆破振动频率、振动能量幅值、建筑物的自振频率等因素综合作用的结果。使用基于HHT的瞬时能量分析法对爆破地震波IMF分量作了Hilbert变换,通过计算信号边际谱并分析各频带能量分布比例,获得了爆破地震波时频域特性及能量分布规律。结合复杂环境下云南某石灰岩矿山的爆破振动实测数据,分析了爆破振动地震波在穿越不同岩体层面前后能量的分布变化规律,对矿山现场溜井平台附近的常规爆破生产提出了爆破振动主动控制安全要求。     

电子雷管近村庄爆破振动信号的小波分析

福建明溪兰圈采石场距村庄较近,为了最大限度地降低采石爆破振动对周围村庄的影响,采用电子雷管进行毫秒延时爆破,降振效果明显;并对电子雷管爆破振动进行监测,针对爆破振动信号具有非平稳随机的特性,利用小波变换分析技术,将爆破振动信号分解在不同的频率带上,获得爆破振动信号的细节信息,较好地反映了爆破振动信号的非平稳特性。     

露天转地下开采边坡爆破振动小波能量分析

为了分析露天转地下开采高陡边坡爆破振动特征,实现矿山安全高效开釆,根据爆破振动信号的非平稳、复合特点,结合大冶矿山露天转地下开采高陡边坡爆破振动实测数据,利用小波变换的多分辨率特征对爆破振动信号进行小波变换和小波频带能量特征分析。分析结果表明:db8小波函数变换能有效精确地分析爆破振动信号;爆破振动能量的优势频段为31.25~62.5 Hz,远大于岩质边坡的固有频率,爆破振动对边坡岩体结构影响有限;边坡爆破振动能量在不同方向上的大小不同,在指向边坡自由面的水平方向上的爆破振动能量最大,应重点分析。     

电子雷管近村庄爆破振动信号的小波分析

福建明溪兰圈采石场距村庄较近,为了最大限度地降低采石爆破振动对周围村庄的影响,采用电子雷管进行毫秒延时爆破,降振效果明显;并对电子雷管爆破振动进行监测,针对爆破振动信号具有非平稳随机的特性,利用小波变换分析技术,将爆破振动信号分解在不同的频率带上,获得爆破振动信号的细节信息,较好地反映了爆破振动信号的非平稳特性。     

爆破振动对临近尾矿坝的安全影响分析

为了探求采场爆破对临近尾矿库坝体稳定性的影响程度,进行了4次不同爆破参数采场爆破实验,并对爆破实验的振动影响进行监测。采用萨道夫斯基爆破振动经验公式计算爆破振动速度,为了得到更准确、更可靠的k、α值,对监测数据进行线性拟合,变换出适合该矿的萨道夫斯基爆破振动公式;根据该公式对不同振动速度控制标准下的起爆炸药量和最小安全距离关系进行了预测,对不同振动速度控制标准下的安全距离与允许最大起爆药量进行了估算。研究结果对矿山露天爆破最大药量和安全距离的选取具有一定的现场指导意义。     

磁海铁矿露天边坡爆破振动测试分析

为了掌握磁海铁矿生产作业中爆破振动效应对边坡稳定性的影响,在现场进行了爆破振动测试。以此为依据,从振动速度、振动主频、振动持续时间3个方面分析了爆破振动对边坡稳定性的影响,并获取了爆破振动衰减规律公式。相关结论可为矿山安全生产、边坡稳定性研究提供依据。     

小波变换在蒙库铁矿爆破振动信号时频分析中的应用

爆破振动信号具有非平稳随机特性。利用小波变换分析技术,将爆破振动信号分解在不同的频率带上,得出爆破振动信号在不同频率范围内振动分量的时间变化规律,结合爆破振动信号的能量分布特征和功率谱波形,定性评价了爆破振动对边坡稳定性的影响程度。     

磁海铁矿露天边坡爆破振动测试分析

为了掌握磁海铁矿生产作业中爆破振动效应对边坡稳定性的影响,在现场进行了爆破振动测试。以此为依据,从振动速度、振动主频、振动持续时间3个方面分析了爆破振动对边坡稳定性的影响,并获取了爆破振动衰减规律公式。相关结论可为矿山安全生产、边坡稳定性研究提供依据。     

Macro Analysis by Means of Cohort Analysis

This paper discusses macro analysis of social change by means of cohort analysis. The material is based on over thirty-five years of experience with Chikio Hayashi, conducting statistical analyses of the Japanese National Character studies (Hayashi, 1987; Hayashi and Suzuki 1984; Suzuki. 1970).

In the mid 1980s, a new Bayesian approach to cohort analysis was introduced (Nakamura, 1982, 1986).

The details of this method are discussed elsewhere (see Sasaki and Suzuki, 1987; Glenn, 1989; Sasaki and Suzuki, 1989). We have used this new methodology, which can automatically partition age effects, period effects, and cohort effects, and here we will present some of our results using Bayesian cohort analysis (Suzuki, 1986).

     

基于多分辨分析的时频分析

短时傅里叶变换由于采用固定宽度的时域窗，在缓变与瞬变信号共存的宽频带信号分析中，其时间与频率分辨力矛盾突出。采用Mallat算法的小波变换能够将信号正交分解成多尺度的信号分量，然而所提供的时频信息不很直观，难以识别其时频谱。通过对短时傅里叶变换和小波变换在时频分析中的优缺点分析，发现两者具有互补性。因此本文提出基于多分辨分析的短时傅里叶变换（取名为WAVSTFT），即采用Mallat算法将信号分解成多个尺度信号分量，再对各分量分别做与其尺度相适应的短时傅里叶变换，最后把得到的各时频谱在同一个不相平面上叠加，从而得到信号的总体时频构造。经理论分析与实例验证，该方法有效可行，为工程测试中的时频分析提供了一种有效的手段。     

独立分量分析的算法分析与改进

Fast ICA算法是基于一批已取得的样本数据进行处理,它不适用信道矩阵变化的情况;虽基于自然梯度的Info max法是根据单次观测的样本值来调整分离矩阵,但它仅适合单类信源情况。在信道恒定和变化情况下,仿真比较上述算法的优缺点,同时为解决在线算法中收敛速度和稳态误差的矛盾,提出一种改进的变步长算法。该算法将步长变化与信号的分离程度相联系,根据信号之间的相似性测度变化量自适应地控制步长,最后仿真验证该算法的实用性。     

基于聚类分析的光谱重建样本分析

目的 解决目前光谱重建中因数量大而出现的冗余和繁重等问题,证明聚类算法可以很好地应用在光谱选择样本分析中,并可以实现较高的重构色度精度和物理精度。方法 采用主成分分析法进行仿真实验,首先探究主成分个数,再确定聚类个数,然后比较聚类方法和3种常用的样本选择方法,最后分析比较光源种类对重构结果的影响。结果 通过实验确定主成分个数为6且聚类个数为20时,在A光源下使用KFCM算法的重构效果最好,此时平均色差为0.35ΔE00,平均RMSE为0.0078,平均GFC为99.94%。结论 聚类方法可以应用于光谱成像过程中训练样本选择过程,且有助于提高光谱重构的运算速度和精度。     

Archetypal Analysis

Archetypal analysis represents each individual in a data set as a mixture of individuals of pure type or archetypes. The archetypes themselves are restricted to being mixtures of the individuals in the data set. Archetypes are selected by minimizing the squared error in representing each individual as a mixture of archetypes. The usefulness of archetypal analysis is illustrated on several data sets. Computing the archetypes is a nonlinear least squares problem, which is solved using an alternating minimizing algorithm.