FSWT-SVD模型在岩体微震信号特征提取中的应用EI北大核心CSCD |
| |
引用本文: | 尚雪义,李夕兵,彭康,王泽伟,翁磊.FSWT-SVD模型在岩体微震信号特征提取中的应用EI北大核心CSCD[J].振动与冲击,2017(14):52-60. |
| |
作者姓名: | 尚雪义 李夕兵 彭康 王泽伟 翁磊 |
| |
作者单位: | 1.中南大学资源与安全工程学院410083;2.重庆大学煤矿灾害动力学与控制国家重点实验室400044;3.重庆大学资源及环境科学学院400044; |
| |
基金项目: | 国家重点研发计划(2016YFC0600706);国家自然科学基金青年基金(51504044);湖南省研究生创新项目(CX2017B054);中央高校基本科研基金(2015CDJXY);中国博士后面上基金(2015M570607) |
| |
摘 要: | 针对岩体破裂信号与爆破振动信号难以识别的问题,采用傅里叶变换(FT)得到其频谱分布,并确定划分为6个频带提取信号特征。借助频率切片小波变换(FSWT)将信号按上述频带切片并重构,再利用奇异值分解(SVD)得到上述频带重构信号所组成矩阵的奇异值σi(i=1,2,…,6),实现岩体微震信号的特征提取。进而对用沙坝矿120个岩体破裂和120个爆破振动信号展开FSWT-SVD分析,最后利用BP神经网络对奇异值矩阵进行分类训练和预测。结果表明:(1)岩体破裂信号与爆破振动信号的奇异值σ1相差最大,σ2、σ4、σ5和σ6相差较大,而σ3差异不明显,且当σ1=8作为单一奇异值法识别分界值时效果最优,准确率达到了86.67%;(2)BP神经网络法分类识别结果较LR法、Bayes法和Fisher法优,SVD提取特征识别效果较能量比和相关系数优,FSWT重构矩阵提取的特征信息优于DWT重构矩阵提取的特征信息,且基于FSWT-SVD的BP法分类识别准确率达到了91%。综上知,基于FSWT-SVD的BP神经网络模型为岩体破裂与爆破信号特征提取和模式识别提供了一种新方法。
|
关 键 词: | 岩体微震信号 频率切片小波变换 奇异值分解 特征提取 模式识别 |
本文献已被 维普 等数据库收录! |
|