The invention discloses a mine microseismic signal identification method based on the features of energy distribution, which belongs to the field of signal analysis and identification, which comprises the following steps: reading the identification microseismic signal x (T); X (T) VMD decomposition, get K arranged according to the frequency from high to low order variational modal components; the calculated energy band modal components, extraction of the modal components accounted for energy percentage of the original signal energy distribution vector P to P; energy distribution vector is calculated on the basis of energy distribution of X axis gravity coefficient CX; according to the identification threshold of T identification of mine micro seismic signals, if cx> T; for mine coal rock rupture microseismic the signal, if the CX is less than or equal to T for blasting vibration signal; finally the identification threshold T value update. The invention can effectively distinguish the fracture microseismic signal and blasting vibration signal of coal rock fracture, which has the characteristics of strong adaptability and high accuracy.
【技术实现步骤摘要】
一种基于能量分布特征的矿山微震信号辨识方法
本专利技术属于信号分析及识别领域,具体涉及一种基于能量分布特征的矿山微震信号辨识方法。
技术介绍
微震监测是近年来发展起来的先进且行之有效的煤岩动力灾害监测手段,它能够对煤岩体微震活动实时、连续、在线监测,形成微震监测数据。由于矿山环境复杂,存在现场背景噪声、爆破震动等大量干扰信号,使得微震监测系统无法准确识别并记录有效微震事件,后期需要依靠技术人员人工识别出有效微震事件,严重影响了微震监测系统的识别效率。由于煤矿爆破作业经常发生,而煤岩体微震和爆破震动波形又极为相似,采用人工识别方式,经常出现误处理,识别难度大。目前,针对矿山微震信号波形识别的常用时频分析法包括傅立叶变换、小波变换、小波包变换、频率切片小波变换和EMD等,传统傅立叶变换主要用于分析周期性平稳信号,对包含有尖峰和突变的随机性、非平稳性微震信号分析效果欠佳;小波分析能同时进行时频分析,但需要选择合适的小波基才能达到较好的分解效果;EMD能较好地处理随机非平稳信号,但EMD方法存在边界效应及模态混叠现象,导致EMD具有不稳定性和不唯一性。这些方法用于信号分析时均存在一定程度的弊端,为信号辨识增加了难度,误判率高。
技术实现思路
针对现有技术中存在的上述问题,本专利技术提出了一种基于能量分布特征的矿山微震信号辨识方法,采用变分模态分解(VMD)对信号进行时频分析。VMD是一种新的信号分解方法,相比于其它模态分解技术,它具有坚实的理论基础,消除了模态混叠问题,克服了现有技术的不足,具有良好的频域自适应分解效果。为了实现上述目的,本专利技术采用如下技术方案:一 ...
【技术保护点】
一种基于能量分布特征的矿山微震信号辨识方法,其特征在于:包括如下步骤:步骤1:读取待辨识微震信号x(t),其中,t=1,2,…,N,N为微震信号的采样点个数;步骤2:对待辨识微震信号x(t)进行VMD分解,得到K个按照频率从高到低顺序排列的变分模态分量{u1,…uk,…,uK}:对待辨识微震信号x(t)采用VMD分解为K个变分模态分量,约束条件为使各个模态的估计带宽之和最小,且各模态之和等于待辨识微震信号x(t),约束变分模型描述为式(1)和式(2):
【技术特征摘要】
1.一种基于能量分布特征的矿山微震信号辨识方法,其特征在于:包括如下步骤:步骤1:读取待辨识微震信号x(t),其中,t=1,2,…,N,N为微震信号的采样点个数;步骤2:对待辨识微震信号x(t)进行VMD分解,得到K个按照频率从高到低顺序排列的变分模态分量{u1,…uk,…,uK}:对待辨识微震信号x(t)采用VMD分解为K个变分模态分量,约束条件为使各个模态的估计带宽之和最小,且各模态之和等于待辨识微震信号x(t),约束变分模型描述为式(1)和式(2):s.t.∑kuk=x(t)(2);其中,x(t)表示待辨识的微震信号,{uk}:={u1,…,uK}代表分解得到的K个有限带宽的变分模态分量,{ωk}:={ω1,…,ωK}表示各分量的频率中心,δ(t)为狄拉克(Dirac)函数,*表示卷积,j2=-1;式(2)中,为对所有的变分模态求和;为求解式(1)和式(2)的最优解,引入扩展的Lagrange将约束变分问题变为非约束变分问题,其表达式为式(3):其中,α为二次惩罚因子,λ(t)为拉格朗日乘法算子;求解该变分问题的具体步骤如下:步骤2.1:定义变分模态分量个数K值与惩罚因子α的值;步骤2.2:初始化n=0;步骤2.3:令n=n+1,执行整个循环;步骤2.4:执行内层第一个循环,根据式(4)更新uk;其中,为待辨识微震信号x(t)的傅立叶变换,步骤2.5:令k=k+1,重复步骤2...
【专利技术属性】
技术研发人员:张杏莉,卢新明,贾瑞生,彭延军,赵卫东,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。