基于EWT＿Hankel＿SVD的矿山微震信号特征提取及分类方法

论文摘要

针对矿山微震与爆破振动信号自动识别难的问题,提出了基于经验小波变换Hankel矩阵奇异值分解（EWTHankelSVD）的矿山微震信号特征提取及分类方法。首先,针对微震信号的瞬态性和多样性,对EWT频谱分割方法进行改进,并利用仿真信号表明了方法的有效性。其次利用改进EWT对实际矿山采取的微震和爆破振动信号进行分解,借助相关性分析筛选得到f1～f5 5个主分量,进而分别利用分量f1～f5构造Hankel矩阵,计算各Hankel矩阵的最大奇异值和奇异熵。最后利用遗传算法优化的支持向量机（GA-SVM）对微震和爆破信号进行分类识别。结果表明,爆破振动信号分量f1～f4的奇异熵要大于岩体微震信号分量f1～f4的奇异熵,爆破振动信号分量f1～f5的最大奇异值要大于岩体微震信号分量f1～f5的最大奇异值。改进EWT识别效果要优于传统EWT和经验模态分解,GA-SVM识别效果要优于支持向量机、逻辑回归和Bayes判别法,且基于EWTHankelSVD和GA-SVM分类准确率达到94%。

论文目录

• 0 引言
• 1 改进EWT与SVD
•   1.1 改进EWT
•   1.2 奇异值分解
• 2 基于EWT＿Hankel＿SVD的信号特征提取
• 3 仿真信号研究
• 4 工程实例验证
•   4.1 微震波形分析
•   4.2 EWT分解
•   4.3 特征提取
• 5 基于GA-SVM网络的分类识别
•   5.1 GA-SVM网络的构建
•   5.2 分类识别结果
•   5.3 采场大爆破信号识别
• 6 结论

文章来源

类型: 期刊论文

作者: 程铁栋,吴义文,罗小燕,戴聪聪,尹宝勇

关键词: 矿山微震信号,模式识别,特征提取,经验小波变换,矩阵,奇异值分解

来源: 仪器仪表学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 矿业工程,安全科学与灾害防治

单位: 江西理工大学

基金: 江西省教育厅科学技术研究项目(GJJ150618)资助

分类号: TD76

DOI: 10.19650/j.cnki.cjsi.J1904605

页码: 181-191

总页数: 11

文件大小: 547K

下载量: 190