一种基于能量分布特征的矿山微震信号辨识方法技术

本发明专利技术公开了一种基于能量分布特征的矿山微震信号辨识方法，属于信号分析及识别领域，包括如下步骤：读取待辨识微震信号x(t)；对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；计算出各模态分量的频带能量，提取各模态分量占原信号的能量百分比值构成能量分布向量P；以能量分布向量P为基础计算出能量分布X轴重心系数cx；根据辨识阈值T识别矿山微震信号，若cx>T为矿山煤岩体破裂微震信号，若cx≤T为爆破震动信号；最后对辨识阈值T的值进行自适应更新。本发明专利技术能有效区分煤岩体破裂微震信号和爆破震动信号，具有自适应性强、准确性高等特点。

A mine microseismic signal identification method based on energy distribution characteristics

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：一种基于能量分布特征的矿山微震信号辨识方法，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2.4，直到k＝K，结束内层第一个循环；步骤2.6：执行内层第二个循环，根据式(5)更新ωk；步骤2.7：令k＝k+1，重复步骤2.6，直到k＝K，结束内层第二个循环；步骤2.8：执行外层循环，根据式(6)更新λ；其中，τ为拉格朗日乘法算子λ(t)的更新步长参数；步骤2.9：重复步骤2.3至步骤2.8，直到满足迭代停止条件如式(7)所示，结束整个循环，输出结果，得到K个变分模态分量；其中，ε为求解精度；步骤3：计算待辨识微震信号x(t)的能量分布向量P；根据公式(8)计算各模态分量uk对应的能量Ek；其中，xik(t)(i＝1,2,…N；k＝1,2,…,K；N为采样点个数，K为变分模态个数)表示模态分量uk时序序列的离散点幅值；根据每个模态分量uk的能量以及待辨识微震信号x(t)的总能量，可以得到模态分量uk的能量百分比值从而得到该微震信号的能量分布向量P，即P＝[P(1),…,P(k),…,P(K)]；步骤4：计算待辨识微震信号x(t)的能量分布X轴的重心系数cx；根据公式(9)计算能量分布X轴重心系数cx：步骤5：根据辨识阈值T识别待辨识微震信号x(t)，若cx>T为矿山煤岩体破裂微震信号，cx≤T为爆破震动信号；步骤6：自适应更新辨识阈值T的值；根据方程组(10)更新辨识阈值T：其中，W1为训练集中煤岩体破裂微震信号的cx值集合，W2为训练集中爆破震动信号的cx值集合。本专利技术原理如下：为实现煤岩体破裂微震信号和爆破震动信号的有效分类辨识，本专利技术利用两种微震信号能量分布差异显著的特点，首先读取待辨识微震信号并进行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；计算出各模态分量的频带能量，提取各模态分量占原信号的能量百分比值构成能量分布向量P；以能量分布向量P为基础计算出能量分布X轴重心系数cx；根据辨识阈值T识别矿山微震信号，若cx>T时，检测微震信号为矿山煤岩体破裂微震信号，若cx≤T时，检测微震信号为爆破震动信号。该方法可以实现对煤岩体破裂微震信号和爆破震动信号的有效辨识。本专利技术采用以上技术方案，与现有技术现比，具有以下优点：本专利技术依据VMD良好频谱分解特征对矿山微震信号进行自适合剖分，依据煤岩体破裂微震信号和爆破震动信号在不同频段上能量分布的显著差异，通过计算微震信号能量分布X轴重心系数，实现对两类矿山微震信号的有效辨识，该方法具有算法简单、自适应性和实时性强的特点，具有很好的技术价值和应用前景。附图说明图1为本专利技术一种基于能量分布特征的矿山微震信号辨识方法的流程图。图2为待辨识微震信号x(t)的示意图及其时频图。图3为待辨识微震信号x(t)经VMD分解后得到的6个变分模态分量示意图及其时频图。图4为待辨识微震信号x(t)的能量分布直方图。图5为15组煤岩体破裂微震测试信号的能量向量、重心系数及其辨识结果图。图6为15组爆破震动测试信号的能量向量、重心系数及其辨识结果图。图7为测试组微震信号分类识别结果。具体实施方式下面结合附图以及具体实施方式对本专利技术作进一步详细说明：一种基于能量分布特征的矿山微震信号辨识方法，其流程如图1所示，具体包括如下步骤：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为二次惩罚因本文档来自技高网...

【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