仪器仪表学报

作者：程铁栋，吴义文，罗小燕，戴聪聪，尹宝勇

单位：程铁栋,江西理工大学赣州341000,,吴义文,江西理工大学赣州341000,,罗小燕,江西理工大学赣州341000,,戴聪聪,江西理工大学赣州341000,,尹宝勇,江西理工大学赣州341000,

关键词：矿山微震信号;模式识别;特征提取;经验小波变换;Hankel矩阵;奇异值分解

基金：江西省教育厅科学技术研究项目（GJJ150618）资助

针对矿山微震与爆破振动信号自动识别难的问题，提出了基于经验小波变换_Hankel矩阵_奇异值分解(EWT_Hankel_SVD）的矿山微震信号特征提取及分类方法。首先，针对微震信号的瞬态性和多样性，对EWT频谱分割方法进行改进，并利用仿真信号表明了方法的有效性。其次利用改进EWT对实际矿山采取的微震和爆破振动信号进行分解，借助相关性分析筛选得到f1～f55个主分量，进而分别利用分量f1～f5构造Hankel矩阵，计算各Hankel矩阵的最大奇异值和奇异熵。最后利用遗传算法优化的支持向量机（GA?SVM）对微震和爆破信号进行分类识别。结果表明，爆破振动信号分量f1～f4的奇异熵要大于岩体微震信号分量f1～f4的奇异熵，爆破振动信号分量f1～f5的最大奇异值要大于岩体微震信号分量f1～f5的最大奇异值。改进EWT识别效果要优于传统EWT和经验模态分解，GA?SVM识别效果要优于支持向量机、逻辑回归和Bayes判别法，且基于EWT_Hankel_SVD和GA?SVM分类准确率达到94%。

来源：2019年第6期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第6期