小波熵去噪在微差爆破延时精确识别中的应用

在小波熵去噪理论的基础上,对实际隧道爆破工程采集到的爆破振动信号进行了小波熵方法去噪。利用db8小波对去噪后的信号在尺度a=16进行了连续小波变换得到其模极大值,准确识别了隧道多段别微差爆破实际延期时间间隔,并验证了小波熵方法去噪的可靠性。结果表明,小波熵去噪方法能够有效滤除和抑制爆破振动非线性信号所夹杂的高频噪声分量,并且很好地保留了爆破振动信号的突变细节。对滤波后的信号进行模极大值变换,信号局部奇异点的辨识更准确,可以精确识别隧道微差爆破延时间隔。     

破岩气体发生器安全性及能量分布特征

为减少传统爆破易产生强振等次生灾害问题,研发破岩气体发生器;通过评估破岩气体发生器的燃烧安全性,开展现场破岩试验并监测其振动,采用品质可调小波变换(TQWT)和希尔伯特-黄变换(HHT)分析方法,提取得到气体爆破信号的主分量,并分析信号不同分量时频特征。研究结果表明：新型破岩气体发生器运输安全性高、燃烧稳定性好,振动强度低,在土石方爆破方面具有显著优势。破岩气体爆破信号各分量幅值、能量占比和相关性系数满足非线性正相关关系。优势分量瞬时能量峰值数量与炮孔分段装药段数密切相关,破岩气体爆破时应采用差异化装填方式,炮孔分段装药应适当增加孔口和孔底部药量,以达到最优化的爆破效果。新型破岩气体发生器爆破技术具有显著减振降损作用,适合在土石方爆破工程中推广应用。     

基于HHT的煤岩破裂微震信号分析

微震信号处理是目前研究微震监测技术应用领域中的一个重要课题,应用ESG微震监测系统采集煤巷炮掘过程中产生的煤岩破裂微震信号,针对所采集微震信号具有明显的持续时间短、突变快等特点,选用希尔伯特黄变换(HHT)对其进行处理。HHT包括EMD分解和Hillert变换两部分,微震信号经过EMD自适应分解得出9个IMF分量和一个残余分量,对各IMF分量进行Hillert变换做出Hillert谱,从Hillert谱中得出煤岩破裂微震信号频率响应主要集中在500-800Hz,用边际能量谱加以验证得出Hillert谱在应用中的准确性,为进一步认识煤岩破裂的机理和预测煤岩动力灾害提供了有效的技术途径。     

基于EMD-HHT可定位长输天然气管道第三方破坏事件监测技术

为适应目前管道安全监测需要,满足对扰动信号分类监测的实际需求,提出1种基于希尔伯变换和经验模态分解(EMD-HHT)的信号特征提取技术,利用基于φ-OTDR分布式光纤传感系统采集振动信号,通过EMD+HHT区分算法对管道沿线振动事件进行分解并提取6个典型特征向量,各特征事件数据经过EMD后选取IMF3为最终提取特征向量的原始数据,BP神经元网络可有效识别机械破坏、敲击破坏、车辆经过、人工挖掘、动力干扰5种事件。研究结果表明：在长输管道信号识别中,BP神经网络对5类事件平均识别率高达98.6%,该技术分类识别5类事件扰动信号,能够达到较高准确性,并且误报率平均在1.3%,能较好满足现场安全实时监测需求。研究结果对长输油气管道附近第三方破坏扰动信号分类监测具有一定参考意义。     

减震沟内填充物对塌落振动影响的试验研究

建(构)筑物爆破拆除振动的研究以塌落振动为主导方向。利用混凝土块的重复倾倒来模拟建(构)筑物爆破拆除的倾倒过程,并采集由此产生的塌落振动信号。探索减震沟内填充物变化对塌落振动衰减的影响。在倒塌方向开挖减震沟,减震沟内填充物依次为空气、黄沙、水,对采集的数据信号进行分析。对测点2采集的试验数据与无沟相比分析可知,空气、水和黄沙最大峰值振速依次下降了54.51%、28.12%和48.43%。综合分析可知,填充物为空气时减震效果最好。通过HHT法分析可知,测点2在填充物分别是空气、水和黄沙时,与无沟相比能量衰减62.5%、20.8%和37.5%,进一步证明填充物为空气时,减震效果最好。     

露天铁矿分区爆破振动监测与安全分析

对放马峪铁矿三个采矿场分区爆破的振动速度进行了监测,在剔除异常值后得到了106组三向振动的峰值速度,然后对三向振动速度分别进行回归分析。分析结果表明:放马峪铁矿采取的爆破分区方案是安全可行的,符合《爆破安全规程》(GB6722-2003)的规定;爆破振动的三相回归公式中K值较小、α值较大,说明了毫秒延时爆破能够加快地震波的能量耗散,从而起到干扰降振的作用;同一次爆破中,爆破振动速度的垂直向分量不一定总是最大,在评价爆破振动产生的破坏时,不应单一选取爆破振动速度的垂直分量作为评判标准,而应选择建构筑物所处位置振动速度分量中的最大值。     

基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法

为了实现矿山复杂微震信号的自动高效识别与分类,保证后续微震分析的时效性和准确性,运用梅尔倒谱系数法,将原始的4种微震信号(岩体破裂、爆破振动、电磁干扰和钻机凿岩)转化为梅尔标度上的非线性频谱,再转换到倒谱域上,结合其在时域上的差分得到1组24维的特征参数向量,利用这些特征参数向量训练构建各类事件对应的混合高斯隐马尔可夫识别模型,进而实现对微震信号的自动识别分类。研究结果表明:运用基于梅尔倒谱系数的微震信号识别分类方法对矿山实际微震数据进行测试,微震事件的识别分类准确率达到92.46%,具有较高的准确性,为实现微震监测系统的实时性分析提供了技术支持。     

煤矿超深孔大药量爆破震动安全性研究

为控制煤矿井下超深孔大药量爆破震动对巷道及支护结构造成危害,通过现场爆破震动监测分析,获得了煤矿井下综采遇硬岩超深孔大药量松动爆破地震波的衰减规律.采用HHT方法对震动信号进行分解,研究信号的频谱特性和能量分布.结果表明,超深孔松动爆破震动的持续时间为150 ms左右,震动速度三方向分量中测点与爆源连线的径向分量最大,能量主要集中在100 Hz以内的低频区,随频率分布可分成若干个“子频带”,峰值出现在频率17.75 Hz,存在爆破震动对支护结构和工作面造成危害的可能.根据衰减规律,反算出该场地超深孔爆破的单段最大药量;分析了爆破时出现巷帮岩石崩落和飞石的原因,提出施工时应控制单段最大药量和加强爆破炮孔周围防护,保证了施工安全.     

基于小波包分形的矿山微震波形特征分析

矿山微震波形具有非平稳、非高斯、突发瞬态等特点,使用常规方法很难寻求其特征。通过确立微震波形的分形特性,编制了相应的MATLAB程序求解计算,对矿山微震波形的小波分形特征进行了研究。建立了矿山微震波形的分形计算算法及合理标度;利用小波包方法将微震波形分解为多个频带,选择了(0~64)Hz、(64~96)Hz、(96~128)Hz和(128~256)Hz四个主频带进行研究;建立了四个频带对应的logNk与logk关系拟合曲线,并提取了相应的特征值。结果表明:微震波形具有良好的分形特性,其盒维数的大小在一定程度上与频率的高低相对应;波形主频带S4,2与整个波形的盒维数近似相等。微震波形主频带上的分形特性可以作为该波形的特征,用于不同类型微震波形的分类识别。     

基于机器学习的天然气钢质管道缺陷检测方法研究

针对天然气钢制管道缺陷超声检测模式识别问题中，传统方法对信号进行分解并提取分解后本征模态函数的特征时，直接忽略残差信号这一问题，提出首先对检测回波信号进行经验模态分解(Empirical Mode Decomposition, EMD),并对比时域残差信号，直接对残差信号进行统计特征提取。其次，用天牛须搜索算法(Beetle Antennae Search algorithm, BAS)优化的最小二乘支持向量机(Least Square Support Vector Machines, LSSVM)进行分类试验。试验结果表明，基于EMD-BAS-LSSVM的天然气钢质管道缺陷检测方法针对人造缺陷的识别准确率为75.71%,针对天然气站场和抢险维修中心现场的管道缺陷检测准确率为65.78%,有效识别了天然气钢质管道腐蚀缺陷。