利用经验模态分解及小波变换压制微震信号中的随机噪声

随机噪声的压制是微震信号分析过程中的重要环节,目前大多数降噪技术都不同程度的存在去噪效果差、易损伤有效信号等问题。针对微震信号的随机非平稳特征,提出一种联合经验模态分解(EMD)及小波阈值的降噪方法,压制微震信号中的随机噪声。该法首先使用EMD对微震信号进行自适应分解,得到有限个本征模态函数(IMF)。考虑到随机噪声主要集中在高频IMF分量中,基于噪声能量突变原则找出低频IMF分量与高频IMF分量的分界后,利用小波阈值方法对高频IMF进行降噪处理,最后将降噪后的高频IMF分量与剩余的低频IMF分量重构即可实现微震信号降噪。仿真分析及实验结果表明,该方法能充分保留微震信号的随机非平稳特征,较对比方法具有更好的降噪效果。     

基于变分模态分解和小波能量熵的微震信号降噪

微震监测技术被广泛应用于矿业工程、石油天然气开采、安全监测等领域。 针对微震监 测采集到的微震信号存在随机噪声的问题,本文提出了一种变分模态分解(variationalmodedecomposition,VMD)和小波能量熵(waveletenergyentropy,WEE)结合改进阈值函数的降噪算法。 对原始信号进行VMD分解,将得到的各模态分量(intrinsicmodefunction,IMF)进行多尺度小波 分解,用小波能量熵表征各尺度信号的含噪状态,并以小波能量熵最大子区间的小波系数计算各 尺度层的阈值,通过改进阈值函数进行降噪处理后得到新的IMF,重构微震信号。 对仿真信号和 实测信号进行降噪处理,结果表明,该算法优于经验模态分解(empirical mode decomposition, EMD)、集合经验模态分解(ensembleempiricalmodedecomposition,EEMD)、VMD结合小波硬阈值 和软阈值降噪方法,提高了微震信号的信噪比。     

基于VMD的大地电磁信号去噪研究

大地电磁信号是解释地质构造的重要信息载体,其受长周期和随机噪声影响严重,导致地质构造的反演结果出现严重的偏差。为了解决该问题,基于变分模态分解(Variational Mode Decomposition,VMD)提出了一种综合性的大地电磁信号去噪算法。对原始电磁信号进行多分辨VMD处理去除长周期噪声,采用小波包阈值去噪法去除信号的随机噪声,使用信号重构得到去噪处理后的大地电磁信号。使用此方法对工程实测大地电磁信号进行处理,结果表明,此方法能够对大地电磁信号的长周期噪声和随机噪声进行抑制,并且极大限度地保存了信号的有效分量,提高了时域信号的周期性,全频分段的视电阻率曲线得到了明显优化。     

基于变分模态分解及能量熵的微震信号降噪方法

为了从含噪微震监测数据中提取有效的微震信号,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)和能量熵的自适应微震信号降噪方法。采用变分模态分解法对含噪微震信号进行自适应分解,得到一系列按频率从高到低的变分模态分量;计算每个变分模态分量的能量熵,搜索并辨识出噪声与信号的分界;剔除高频噪声,将剩余分量进行重构,得到降噪后的微震信号。通过与基于经验模态分解(Empirical Mode Decomposition,EMD)的微震信号降噪方法对比,从信噪比、降噪后信号占原信号的能量百分比和原信号与降噪后信号的均方根误差3个评价指标上定量说明该方法在微震信号降噪中表现出更好的降噪效果。     

基于EEMD方法的地下矿山微震信号去噪研究

对地下矿山实时在线监测的微震信号进行微震事件特征提取和识别分类研究时,识别的效率往往取决于训练样本和测试样本的质量,为提高数据样本的质量,去除信号中掺杂的噪声,采用聚合经验模态分解(EEMD)方法对地下矿山微震信号进行预处理。通过采用EEMD分析方法对矿山微震信号进行预处理,获得从高频到低频铺展的一组固有模式分量(IMF)及一个残余分量,通过计算各分量能量占比把IMF中的噪声部分及残余项去除,再将包含矿山微震信号主要信息的剩余分量进行重构,从而得到去噪后的微震信号。通过信号仿真实验及实例分析,对比小波预处理方法,结果表明:该方法利用EEMD自适应分解的特性不但克服了小波阈值和分解函数选取困难等弊端,而且能显著提高信号的信噪比,较好地保留了信号形态,获得较为理想的去噪效果。     

基于改进VMD的岩石声发射信号去噪方法

针对岩石声发射(AE)信号中包含的噪声分量难以有效滤除的问题,提出了一种变分模态分解(VMD)与样本熵(SE)相结合的AE信号去噪方法.首先,将含噪声的岩石声发射信号进行VMD分解,并获得一系列具有不同中心频率的固有模态函数(IMF);其次,计算各个IMF分量的样本熵,将其大于设定阈值的IMF分量视为噪声分量剔除并保留...     

基于小波变换的矿山微震信号滤波方法研究

基于小波变换的多尺度分析思想,针对矿山微震信号具有频带较宽、谱成分丰富的特性,提出了对不同频率范围的信号和噪声进行滤波处理的方法.利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的.实验结果表明,该小波变换方法能够有效去除微震异常信号的噪声,可应用于微震信号的预处理.     

基于AO优化VMD-小波包的岩石破裂声发射信号去噪算法

针对岩石在破裂过程中产生的大量含噪声发射信号问题,基于天鹰优化(Aquila Optimizer,AO)算法提出一种改进的变分模态分解(VMD)联合小波包分解的声发射(AE)信号去噪算法。利用Circle混沌优化的AO算法对VMD算法中的分解模态个数K和二次惩罚因子α进行寻优,有效避免了人为经验选取参数导致的时间消耗以及效果不佳等问题;利用得到的最优参数组合对岩石破裂声发射信号进行分解,得到一系列本征模态分量,结合相关系数筛选出含噪分量;然后利用小波包去噪算法对含噪分量进行处理;最后,将未处理的分量与降噪处理后的分量重构得到去噪后的AE信号。通过仿真和实测信号分析,结果表明与现有去噪算法相比,该算法能更好地去除AE信号中的噪声分量,保留信号的频域特征信息,可为后续利用声发射信号探究岩体破裂规律提供参考。     

基于变分模态分解和粒子群算法的微震信号降噪方法

为从含噪微震信号中提取有效信息, 并准确识别岩体破裂信号和爆破振动信号, 提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值, 以最优参数对微震信号进行变分模态分解, 再对由高频噪声主导的模态分量进行小波阈值去噪, 将去噪后的高频信号分量与原先的低频信号分量进行重构, 实现信号降噪。经验证, 该方法相比集合经验模态分解和单纯的变分模态分解方法具有更好的降噪效果。以该方法对200组岩体破裂信号和200组爆破振动信号进行去噪, 以第一模态分量能量占比50%作为区分爆破振动信号和岩体破裂信号的依据, 识别成功率达到97.25%, 证实了此识别方法的准确性。     

基于频域滤波的矿山微震信号分离方法研究

在金属矿山实际生产过程中,矿震信号受到设备机械及开采作业影响成分复杂,矿山普遍面临着微震信号难以识别、提取困难等实际应用问题。本文通过对实际采集信号进行频谱特征分析,能够识别到有效谱峰,并进行频域滤波,从而分离得到多源信号分量;并以微震和爆破两种典型信号为例,介绍了频谱特征分析、滤波分解以及边带信号的加窗压制等处理计算方法。本信号分离方法能够为分析多源复杂信号提供了一个新思路,并且对实现多源分离提供了有效的技术手段;该方法应用于金属矿山的微震安全监测,可以为矿震信号的分类识别、信号特征样本库的建立、信号触发到时的合理性评估提供可靠数据和分析方法支持,同时也有利于提高微震事件识别的准确性。     

煤体静载破坏过程中的微震信号特征研究

通过煤体静载破坏试验装置和ZDKT-1型微震监测系统,研究不同加载方式下各加载阶段煤体的结构破坏特性和微震信号特征。利用希尔伯特-黄变换(HHT)对煤体静载破坏阶段的微震监测信号进行了模态分离和信号重构,并探究高频分量和低频分量所代表的物理意义。研究结果表明:煤体在静载破坏时,变形和破裂会首先沿原有微裂隙方向演化,并随外加载荷的不断增大而扩展、分岔和相互贯通;不同阶段微震信号所表现的特性不同;信号分解出的高频分量与微裂纹有关,反映了信号的波动情况,而低频分量与裂纹的宏观变化情况有关,代表了信号的总体变化趋势。     

基于EEMD_Hankel_SVD的矿山微震信号降噪方法

针对矿山微震信号降噪,提出了一种基于EEMD_Hankel_SVD(集合经验模态分解_Hankel矩阵_奇异值分解)的微震信号降噪方法。首先采用EEMD获得多层模态分量,计算各模态分量与原始信号的相关系数,剔除第一个相关系数差值局部最大值前的模态分量。对剩余各模态分量分别构建Hankel矩阵,再计算各Hankel矩阵的奇异值矩阵。根据奇异值曲线划分信号空间和噪声空间,实现剩余各模态分量的降噪,进而对降噪后的模态分量相加得到降噪信号。仿真试验表明该方法能有效保留信号的局部特征,提高了信噪比;矿山微震信号应用表明该方法有效地提高了STA/LTA,PAI-K和AIC法P波初至拾取效果;仿真试验和矿山微震信号P波拾取均表明该方法降噪效果优于小波重构、EMD重构和Hankel_SVD降噪,且该方法与AIC法结合拾取效果最佳。     

基于Shearlet变换的探地雷达数据噪声压制研究

应用探地雷达(GPR)探测地下目标分布状况时,接收数据中的有效信号往往容易受噪声及空气直达波等的干扰,增加地下目标识别的难度,影响地下目标识别的准确性.Shearlet变换在图像和地震数据去噪上的成功应用说明其去噪能力的优越性.但应用Shearlet变换对数据进行降噪处理时,阈值的选择对去噪效果影响较大.为了提高应用Shearlet变换对探地雷达数据进行去噪处理时的效果,本文提出了一种结合奇异值分解的Shearlet变换噪声压制方法.该方法能有效去除随机噪声,增强有效反射信号.将该方法应用到仿真和实测探地雷达数据处理中,结果证实了该方法的有效性.     

基于VMD与GWO优化SVM的轴承故障诊断

针对传统振动信号特征提取方法与支持向量机(SVM)分类方法的缺陷,提出一种基于变分模态分解(VMD)故障特征提取方法与灰狼优化器(GWO)优化SVM的诊断模型。首先,将滚动轴承的原始振动信号采用VMD得到若干本征模态分量(IMF);其次,将IMF的多尺度加权排列熵作为特征向量并使用t-sne方法做降维处理;最后,使用GWO对SVM进行优化并对样本数据进行分类判别。实验结果表明,该方法相比于其他传统算法能够有效提高故障分类精度。     

基于经验小波变换的矿山微震信号识别研究

针对微震信号与爆破震动信号自动识别难的问题,提出了基于经验小波变换(EWT)的矿山微震信号识别方法。运用仿真信号对EWT和经验模态分解(EMD)进行对比检验,表明EWT分解效果要优于EMD,而且可以减少模态混叠问题;对矿山实测的400组爆破震动和微震信号进行EWT分解,得到紧支集频谱的内禀模态分量,借助互信息量筛选得到f1～f7共7个分量,进而分别利用分量f1～f7构建Hankel矩阵,计算每个Hankel矩阵的奇异值平均值、方均根值、标准差,并作为特征量;利用支持向量机(SVM)对微震和爆破震动信号进行分类。结果表明:爆破震动信号分量f1～f7的奇异值方均根值和标准差都要大于微震信号,分量f1～f5的奇异值平均值要大于微震信号; EWT_Hankel_SVD特征提取法识别效果要优于应用较为广泛的EWT_SVD,且基于EWT_Hankel_SVD分类准确率达到92.5%。     

综合零序电流信号分量的单相接地故障选线方法

文章提出了一种优化变分模态分解(VMD)参数与综合零序电流信号分量的选线方法,旨在解决目前矿井经消弧线圈接地供电系统发生单相接地故障时,存在的故障信号特征提取困难、噪声信号影响严重等问题。该方法利用鲸鱼优化VMD参数对零序电流信号进行分解,并根据非工频分量能量、工频分量极性和波形相关性的多重判据进行故障线路判别。利用RTDS/RSCAD搭建矿井供电系统模型,仿真测试了不同的故障情况,包括不同故障线路的故障接地电阻、故障初始相位角、故障点位置。结果显示,无论故障条件如何,该方法都有更加准确和可靠的选线结果。     

基于改进HHT的矿山微震信号多尺度特征提取及分类研究

针对矿山微震与爆破信号难以识别问题, 提出基于改进Hilbert-Huang变换(HHT)的矿山微震信号识别方法。该方法引入互补集合经验模态分解(CEEMD)对HHT改进, 信号被自适应分解后, 计算IMF分量的偏度、峭度、Hilbert边际谱能量、Lempel-Ziv复杂度以及重构信号的分形盒维数, 运用拉普拉斯得分(LS)对5种时频域特征参数降维, 最后通过遗传算法(GA)优化的支持向量机(SVM)模型, 实现微震信号的分类识别。经400组微震和爆破信号的实例分析验证, 两类信号的5种特征参数均有较大差异, 改进HHT法识别效果优于传统经验模态分解法(EMD)和局部均值分解法(LMD), 且基于改进HHT和GA-SVM分类模型准确率达到95%, 证实了此识别方法的准确性。     

基于 SA-GA 模糊熵的 VMD 算法在爆破振动信号分解中的应用

针对变分模态分解(VMD)算法预设参数选择的问题,提出了一种基于 SA-GA 模糊熵的 VMD 参数优化 算法,该算法结合模拟退火算法(SA)和遗传算法(GA)的优点,选取模糊熵( FE)为适应度函数,求解最优分解参数。 经过仿真信号分析,相比 EMD 算法,SA-GA 模糊熵的 VMD 参数优化算法有效地抑制了模态混叠和虚假分量的现象, 具有较高的分解精度。 最后利用 SA-GA 模糊熵的 VMD 参数优化算法进行爆破振动信号实测分析,结果表明:SA-GA 模糊熵的 VMD 参数优化算法可以根据不同的爆破振动自适应地选取最优解,解出来的 IMF 分量具有明确的物理意 义,频谱图能清晰地看出信号内所包含的频率成分,具有良好的适用性。     

基于VMD包络相关系数的齿轮故障特征提取方法

使用变分模态分解(VMD)方法分析风力发电机齿轮故障信号时,本征模态函数(IMF)的个数K和约束参数α的选取对结果的影响很大,如何筛选合适的分解参数并获得最优分量是制约VMD实际应用的一个难题。提出一种基于包络相关系数的VMD参数筛选方法,能够针对风力发电机齿轮故障信号自动筛选出最佳VMD参数组合,得到最佳的IMF分量。与常用的齿轮故障诊断方法相比,该方法能够获得更好的分解效果,强化了故障信息,故障特征提取效果更好,为VMD方法的应用提供了新的思路。     

矿山微震定位有效信号自动识别研究

为提高矿山微震定位有效信号的自动识别效率和识别精度,采用小波包分析手段对微震监测系统采集的信号进行了5层分解,研究了不同信噪比微震信号在小波包分解结果中最高能量所在频带的区别,提出了微震监测有效信号自动识别模型,并通过千秋矿实测爆破数据对模型精度进行了定位检验。