煤矿微震信号识别方法研究

发布时间：2021-05-18 11:28

　　煤矿微震信号中包含了大量的煤岩体破裂信息,能够为冲击地压等煤矿动力灾害的监测预警提供依据。但是由于人为和环境等各方面因素的影响,采集到的微震信号往往会掺杂着爆破、机械振动等干扰信号及其它背景噪声,这将直接影响微震监测及震源定位的结果。因此,煤矿微震信号的识别方法研究具有重要的意义。本文针对现有微震信号识别方法准确率低这一问题,重点对微震信号识别中降噪和特征提取两方面进行改进。论文的主要研究内容与成果如下:（1）在微震信号降噪方面,针对小波分析和经验模态分解降噪时存在的主要问题,将局部均值分解（LMD）和小波包降噪方法相结合,提出了一种改进的微震信号降噪方法。该方法采用LMD对微震信号进行分解得到各乘积函数分量,利用原信号与各乘积函数分量之间的相关系数找到噪声与信号主导分量之间的区分点,然后再用小波包对噪声主导的各乘积函数分量做降噪处理。通过对来自煤矿的微震数据进行仿真实验,并将实验结果分别与LMD降噪方法和基于LMD的小波阈值降噪方法进行对比,实验结果表明:本文所提出的降噪方法较对比方法具有较高的信噪比和较低的均方根误差,降噪效果比较理想。（2）在特征提取方面,针对分形盒维数只能对微震... 

【文章来源】：山东科技大学山东省

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文的章节安排
2 非平稳信号识别方法理论概述
    2.1 非平稳信号降噪方法理论
    2.2 非平稳信号特征提取方法理论
    2.3 支持向量机的分类识别方法
    2.4 本章小结
3 微震信号降噪方法
    3.1 传统降噪方法分析
    3.2 基于LMD与小波包的微震信号降噪方法
    3.3 实验与结果分析
    3.4 本章小结
4 微震信号特征提取与识别方法
    4.1 传统特征提取方法分析
    4.2 分形盒维数联合多重分形谱的特征提取方法
    4.3 SVM信号分类预测模型建立
    4.4 实验与结果分析
    4.5 本章小结
5 总结及展望
    5.1 论文总结
    5.2 工作展望
参考文献
致谢
攻读硕士学位期间主要成果


【参考文献】：
期刊论文
[1]冲击破坏过程微震波形多重分形及其时变响应特征[J]. 李楠,李保林,陈栋,孙炜辰.  中国矿业大学学报. 2017(05)
[2]基于EMD和形态分形维数的微震波形识别[J]. 赵国彦,邓青林,李夕兵,董陇军,陈光辉,张楚旋.  中南大学学报(自然科学版). 2017(01)
[3]自适应LMD融合新小波阈值函数的信号去噪[J]. 王奉伟,周世健,罗亦泳.  人民长江. 2016(13)
[4]基于小波包的LMD在EEG信号分析中的研究[J]. 马潇,朱晓军.  计算机科学. 2016(06)
[5]基于EMDSVD的矿山微震与爆破信号特征提取及分类方法[J]. 尚雪义,李夕兵,彭康,董陇军,王泽伟.  岩土工程学报. 2016(10)
[6]一种基于局部均值分解的小波阈值信号去噪方法[J]. 李骁,周世健.  江西科学. 2016(01)
[7]小波包多阈值法在地震信号去噪中的应用研究[J]. 刘淑聪,高尔根,陈逊,刘春侠.  现代电子技术. 2015(23)
[8]地震动反应谱拟合过程中小波基函数的选取[J]. 白泉,韩晶晶,盛国华,张正帅.  地震学报. 2015(06)
[9]我国煤矿冲击地压的研究现状:机制、预警与控制[J]. 姜耀东,赵毅鑫.  岩石力学与工程学报. 2015(11)
[10]矿山微震信号干扰特征及去噪方法研究[J]. 李学龙,李忠辉,王恩元,景林波,冯俊军.  中国矿业大学学报. 2015(05)

硕士论文
[1]基于BP神经网络和SVM的信号分类方法的研究[D]. 李文婷.南京师范大学 2015



本文编号：3193712