基于SVM的矿山微震信号分类识别方法的研究
矿山微震监测作为一种安全预警和震后指导救灾手段，在生产中得到了广泛的应用。为最大限度的挖掘震动信号中所包含的信息，了解不同震动灾害和生产活动的震动特征，本文通过理论和实验相结合的方式对矿山微震信号的分类识别进行了研究。主要内容包括以下几点:1)从分解与重构，消噪与滤波和频谱分析三个方面对比小波与HHT法的适用性。结果表明，重构方面，两种方法均能有效的对信号分解与重构，其误差很小，可忽略。消噪方面，二者均能对加入白噪音的测试信号还原，但对突变点的还原效果较差。在频谱分析方面，二者均可刻画信号的时频特征，其中小波时频谱中含有大量谐波成分，有能量泄露的现象，受测不准影响较大。HHT变换不受其影响，能量集中，频率范围小。2)以黑龙江集贤矿实验做依托，以地面布设传感器的方式对矿山采掘活动监测。通过室内试验探究了不同的加载速度和不同的瓦斯压力对煤岩的力学性质和微震特征的影响。实验表明随着加载速度的增加，煤岩的强度有较大的增长，信号的中心频率与优势频率逐渐减小。当瓦斯压力即孔隙压增大，煤岩的强度会有不同程度的减弱，但其中心频率与优势频率有所增大。3)为精确拾取微震信号初至，提出了一种新的信号拾取方法。以对振幅、频率、震相改变的敏感度，抗躁性来衡量方法的可靠性。结果表明，采新方法无论是对振幅，频率还是震相的变化均有较高的敏感性。在抗躁方面较为理想。在参数影响方面，新方法参数较多，但其中部分参数对精度无影响，其余部分对精度影响很小。4)在矿山震动信号的特征提取上提出EMD能量熵和边际熵法。考虑到S波，P波传播速度不同，所含能量也不同，提出△T值法的特征拾取。结果表明三种方法均能对信号特征做较好的提取，可以用来矿山信号数据库的建立。5)通过SVM对矿山监测震动信号的分类识别。结果表明，以EMD能量熵，HHT边际熵，DT值法为特征参数的支持向量机能做到较为精确的分类，且效果理想能用于工程实际。
矿山监测;微震信号;分类识别;支持向量机
辽宁工程技术大学
硕士
岩土工程
贾宝新
2017
中文
TD76;TP391.4
86
2018-12-11（万方平台首次上网日期，不代表论文的发表时间）