• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >岩石破裂微震与爆破振动信号时频特征提取及识别方法
【6h】

岩石破裂微震与爆破振动信号时频特征提取及识别方法

代理获取
页面导航
  • 目录
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

目录

声明

1 绪论

1.1 课题研究背景与意义

1.2 国内外研究现状

1.3 主要研究内容和目标

1.4 论文结构

1.5 本章小结

2 微地震时频分析方法

2.1 短时傅里叶变换

2.2 小波变换与小波包分解

2.3 希尔伯特黄变换

2.4 几种时频分析方法性能比较

2.5 本章小结

3 岩石破裂微震与爆破信号特征提取与识别方法

3.1 集合经验模态分解

3.2 岩石破裂微震与爆破振动信号特征

3.3 时频特征提取算法与信号识别模型

3.4 本章小结

4 实验结果与分析

4.1 信号预处理

4.2 实验验证

4.3 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

攻读硕士期间主要成果

展开▼

摘要

微震信号蕴藏着丰富的岩体破裂信息，对其监测并进行数据处理分析可以获取岩体破裂的位置及能量释放情况，目前已在冲击地压、煤与瓦斯突出等煤岩动力灾害监测预警领域得到广泛应用。但是矿下环境复杂多变，需要经常进行岩石爆破作业，拾振器拾取的微震信号中往往掺杂着无法识别的爆破干扰信号，影响微震监测及定位结果。因此如何有效的提取两者的特征参数信息来识别岩石破裂微震信号和爆破振动信号显得尤为重要。　　本文基于岩石破裂微震信号和爆破振动信号的时变非平稳特征，通过对比几种时频分析的方法性能—短时傅里叶变换、小波变换和希尔伯特黄变换，提出了基于集合经验模态分解的岩石破裂微震信号和爆破振动信号的时频能量特征提取和识别方法。首先，通过小波阈值去噪，将待测信号中的噪声干扰成分尽可能的剔除，真实地还原信号波；其次对去噪的待测信号进行集合经验模态分解（EEMD），获得一系列本征模态函数（IMF）；最后求得每个IMF的能量占总信号能量的比例来作为待测信号的时频能量分布。由于岩石破裂微震信号和爆破振动信号的频率分布状况不同，故将求得的本征模态函数能量比值的分布情况来作为其特征参数，来识别岩石破裂微震信号和爆破振动信号。　　通过对80组典型的煤岩破裂微震信号和爆破振动信号进行实验，结果显示，煤岩破裂微震和爆破振动信号IMF能量分布有较大差别，煤岩破裂微震信号主要集中在IMF2、IMF3和IMF4的20-100Hz低频段，爆破振动信号则在IMF1的225-375Hz高频处较为集中。为把两者信号差异最大化，从而形成区分两者的有效特征参数，将IMF2、IMF3和IMF4频段能量合并为新频段，爆破振动信号在IMF1与煤岩破裂微震信号在IMF(2+3+4)频段内能量值所占比例均在80％以上，区别最为明显，故将IMF1与IMF(2+3+4)能量特征比例作为区分煤岩破裂微震信号和爆破振动信号的特征指标。该分析方法为煤矿识别微震信号事件和爆破信号事件提供了一种新的思路，利用两者能量分布差异较大、特征对比明显等特点，可以实现对两类波形信号的有效辨识。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号