振动与冲击

作者：尚雪义   李夕兵   彭  康,   王泽伟   翁  磊

单位：1. 中南大学 资源与安全工程学院，湖南 长沙 410083；2. 重庆大学 煤矿灾害动力学与控制国家重点实验室，重庆 400044；3. 重庆大学 资源及环境科学学院，重庆 400044

关键词：岩体微震信号；频率切片小波变换；奇异值分解；特征提取；模式识别

针对岩体破裂信号与爆破振动信号难以识别的问题，本文采用傅里叶变换(FT)得到其频谱分布，并确定划分为6个频带提取信号特征。借助频率切片小波变换(FSWT)将信号按上述频带切片并重构，再利用奇异值分解(SVD)得到上述频带重构信号所组成矩阵的奇异值 ，从而实现岩体微震信号的特征提取。进而对用沙坝矿120个岩体破裂和120个爆破振动信号展开FSWT_SVD分析，最后利用BP神经网络对奇异值矩阵进行分类训练和预测。结果表明：(1) 岩体破裂信号与爆破振动信号的奇异值 相差最大， 、 、 和 相差较大，而 差异不明显，且当 作为单一奇异值法识别分界值时效果最优，准确率达到了86.67%；(2) BP神经网络法分类识别结果较LR法、Bayes法和Fisher法优，SVD提取特征识别效果较能量比和相关系数优，FSWT重构矩阵提取的特征信息优于DWT重构矩阵提取的特征信息，且基于FSWT_SVD的BP法分类识别准确率达到了91%。综上知，基于FSWT_SVD的BP神经网络模型为岩体破裂与爆破信号特征提取和模式识别提供了一种新方法。<br>

来源：2017年第14期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第14期