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。     

冻结立井爆破振动信号去噪研究

针对冻结立井监测到的爆破振动信号的高噪声、短持时和非线性的特征,提出了经验模态分解-去趋势项波动分析(Empirical Mode Decomposition-Detrended Fluctuation Analysis,EMDDFA)组合去噪方法。采用4项指标综合评价了EMD-DFA法、EMD和EEMD法、小波阈值法和小波熵去噪法去噪效果。结果表明:被强噪声污染的爆破振动信号采用EMD-DFA组合法去噪得到了信噪比和互相关度最高,相应的误差最小,去噪后的信号保留了爆破信号的瞬态非平稳特征,去噪效果最优。     

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。     

基于变分模态分解的爆破振动信号去噪方法研究

为对爆破的振动信号进行有效去噪,提出了一种基于窗口傅里叶变换的自适应双重变分模态分解-小波阈值(Adaptive dual variational mode decomposition-Wavelet threshold,ADVMD-WT)组合方法对爆破临近地区采集的振动信号进行去噪处理。首先利用VMD算法对振动信号进行第一次分解,分解层数根据窗口傅里叶变换频谱图中的波峰个数来确定,基于各个分量的相关系数识别出高频的噪声分量;然后对剩余信号分量逐个进行第二次分解,重复第一次分解的步骤,分离出各个低频分量中含有的噪声信号;针对噪声分量中仍含有少量有用信号,对噪声分量进行小波阈值去噪,获取有用信号;最后重构信号分量得到ADVMD-WT方法去噪后的信号。将ADVMD与其它去噪方法相比,并从信噪比、均方根误差2个评价指标验证了ADVMD方法在爆破振动信号去噪中的有效性。     

基于EEMD与小波阈值去噪的单相接地故障选线方法

矿井供电系统发生单相接地故障时，由于井下环境恶劣，采集到的信号含有大量噪声，极易发生错选、漏选等问题。为此，文章提出了一种基于EEMD与小波阈值去噪的单相接地故障选线方法。该方法首先对采集到的零序电流信号进行EEMD分解，提取分解得到的高频IMF1分量进行小波阈值去噪，对去噪后的IMF1分量进行Hilbert变换并提取瞬时幅值，根据能量占比最大原则判断故障线路。通过RTDS实时数字仿真系统搭建了35/6kV的矿井供电系统仿真模型并进行故障仿真验证，结果表明该方法在不同故障条件下均具有较好的选线准确率与可靠性。     

基于小波去噪和EMD的齿轮箱故障诊断研究

提出小波去噪和EMD相结合的齿轮箱故障诊断的新方法。该方法首先对原始信号进行小波阈值去噪,将去噪信号利用EMD方法分解为多个IMF分量,计算各IMF分量和原信号的互相关系数,选择互相关系数较大的IMF分量进行Hilbert包络谱分析,提取故障频率。以互相关准则提取IMF分量避免了IMF分量选择的盲目性。对实测齿轮箱故障信号进行了分析,结果表明该方法能够有效地识别齿轮箱故障频率。     

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。     

基于小波变换的矿震信号去噪方法研究与应用

从小波变换的基本原理出发,对实际矿震信号进行了去噪处理,通过用傅里叶变换和小波变换对北京木城涧煤矿实际矿震信号去噪效果分析,小波变换在对非平稳的矿震信号去噪方面有着傅里叶分析不可比拟的优点。并探索了不同的小波基和阈值选取准则以及分解尺度对矿震信号去噪结果的影响。     

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。     

基于改进的HHT边际谱齿轮箱故障诊断

针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert边际谱相结合的方法对齿轮箱故障进行故障诊断。首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理,提高EEMD分解的精确度;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对2种工况信号进行Hilbert变换并计算得到边际谱,确定故障信号的故障频率。研究表明该方法在避免EMD分解带来的模态混叠现象方面具有可行性,能提高齿轮箱故障诊断的准确率。     

基于VMD的多相介质超声回波检测技术

提取多相介质中有效超声回波信号是实现煤岩界面识别的关键技术。利用超声波探测煤岩介质所获取的回波信噪比低且为非平稳、非线性信号,难以有效准确的获取煤岩界面的回波波形,进而无法有效判断煤岩分界面。传统的小波分析手段需要根据信号特点选取特定的小波基,EMD,EEMD等自适应信号分解方法存在模态混叠及虚假分量等现象。提出利用VMD(变分模态分解)分析超声回波信号的组成成分,准确获取煤岩界面的首次回波的波形与时间,以达到识别不同介质界面和判断介质相关参数的目的。模拟仿真及实验表明,VMD可实现更优化的信号分解效果,实现对煤岩界面首波波形和首波时间的检测,达到准确识别以煤岩介质为代表的多相介质分界面的目的。     

基于小波分析的岩石声发射信号处理技术

根据岩石声发射信号的特点,利用小波分析方法对岩石声发射信号进行分解、消噪和重构,得到了较为直观的声发射信号.介绍了小波与小波包分析的特点;对声发射信号进行小波消噪,比较了不同阈值下的消噪效果;并提出了基于能量阈值法的小波包消噪,其效果优于小波消噪.     

基于频域约束独立成分分析的经验模态分解去噪方法

噪声污染是煤岩动力灾害电磁监测应用中需要解决的重要问题,去噪效果的好坏直接影响灾害预测的准确性。经验模态分解(Empirical Mode Decomposition,EMD)是目前电磁信号去噪中应用最多的一种方法,但当信号与噪声时频特征相近时,该算法存在严重的内蕴模态函数(Intrinsic Mode Function,IMF)混叠现象(即部分模态函数仍为信号与噪声的组合)。针对该问题,提出一种基于经验模态分解和频域约束独立成分分析的去噪方法,首先利用EMD将电磁信号分解为多个IMF分量,通过计算各分量与原信号间的互相关系数判断存在模态混叠现象过渡IMF,再以过渡IMF后续分量的频域为约束条件,对过渡IMF进行独立成分分析,去除过渡分量中的噪声;最后将去噪后的过渡分量与其后续分量进行重构,得到去噪后的信号。分别以含噪Ricker子波和现场电磁信号为例,利用信噪比定量验证了上述方法对处理现场电磁信号模态混叠问题的有效性,同时频域约束条件下的独立成分分析去噪收敛快、效率高,适合海量实时监测信号快速去噪使用。     

基于小波包重构与分解的发电机组故障分析

根据小波包的重构和分解对发电机组进行振动信号分析,并提取了发电机组某个频率段的特征振动信号,对这频率段的振动波形进行分析与研究,找出引起该故障的主要原因,验证该方法的有效性和可行性,为技术人员提供参考和借鉴。     

基于小波包分解与重构的齿轮泵故障分析

依据小波包的重构和分解理论对齿轮泵进行了振动信号的分析,并提取了齿轮泵各个频率段的特征振动信号,对振动波形的变化进行了分析与研究,找出引起该故障的主要原因,这一方法为判断齿轮泵信号故障特征提供了可靠的理论依据,为技术人员提供参考和借鉴。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。