| 基于能量分布特征的矿山微震和爆破信号自动识别研究 |
| |
| 引用本文： | 张达,石雅倩,刘强,冀虎,陶志达,吴彦博,戴锐. 基于能量分布特征的矿山微震和爆破信号自动识别研究[J]. 中国矿业, 2021, 30(10): 84-89 |
| |
| 作者姓名： | 张达 石雅倩 刘强 冀虎 陶志达 吴彦博 戴锐 |
| |
| 作者单位： | 矿冶科技集团有限公司,矿冶科技集团有限公司,矿冶科技集团有限公司,矿冶科技集团有限公司,中国煤炭加工利用协会,矿冶科技集团有限公司,矿冶科技集团有限公司 |
| |
| 基金项目： | 国家重点研发计划-中国-南非矿产资源开发利用联合研究中心（编号：2018YFE0121000） |
| |
| 摘 要： | 针对矿山现有微震监测系统实时性低、缺乏有效信号识别功能等问题,本文开展了基于能量分布特征的矿山微震和爆破信号自动识别方法研究,以推动矿山微震监测全自动处理技术发展。本文采用8层小波分解及系数重构的方法对矿山微震信号及爆破信号进行分解,了解各层小波系数重构频域的能量占比特征,研究发现,爆破信号能量主要集中在第三层和第四层,微震信号能量主要集中在第四层～第六层,因此,可通过该能量占比特征进行微震信号和爆破信号的识别。本文收集了矿山为期两个星期的生产数据,挑选出202条数据建立其能量占比特征的数据样本集,采用支持向量机原理,利用径向基函数对数据样本集进行学习训练,进而得到信号识别模型。最后收集195条矿山现场数据进行识别测试,结果表明,识别准确率达到86%,微震识别精确率达到90%以上,说明本文提出的信号识别方法能够有效实现矿山现场的微震信号与爆破信号的识别。
|
| 关 键 词： | 微震监测；小波分解；自动识别；支持向量机；矿山波形识别 |
| 收稿时间： | 2020-07-16 |
| 修稿时间： | 2021-10-16 |
Automatic identification of mine microseismic and blast signals based on energy distribution characteristics |
| |
| Zhang D,Shi Ya Qian,Liu Qiang,Ji Hu,Tao Zhi D,Wu Yan Bo and Dai Rui. Automatic identification of mine microseismic and blast signals based on energy distribution characteristics[J]. CHINA MINING MAGAZINE, 2021, 30(10): 84-89 |
| |
| Authors: | Zhang D Shi Ya Qian Liu Qiang Ji Hu Tao Zhi D Wu Yan Bo Dai Rui |
| |
| Affiliation: | BGRIMM Technology Group,BGRIMM Technology Group,BGRIMM Technology Group,BGRIMM Technology Group,China Coal Processing & Utilization Association,BGRIMM Technology Group,BGRIMM Technology Group |
| |
| Abstract: | |
| |
| Keywords: | microseismic monitoring wavelet decomposition automatic identification support vector machine identification of mine data |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国矿业》浏览原始摘要信息 |
|
点击此处可从《中国矿业》下载免费的PDF全文 |
|
