基于LMD和模式识别的矿山微震信号特征提取及分类方法
李伟
摘要：针对岩体破裂信号与爆破振动信号难以自动识别的问题,提出了基于局部均值分解(LMD)和模式识别的矿山微震信号特征提取及分类方法.首先采用LMD对微震信号进行自适应分解得到乘积函数(PF)分量,再利用相关系数和方差贡献率筛选得到PF主分量,进而计算各主分量的相关系数和能谱系数,并以此作为模式识别的特征向量.结果表明:LMD、经验模态分解(EMD)和离散小波变化(DWT)的主分量分别为PF1 ～ PF6,IMF1 ～ IMF6和D2～D7,其中IMFi(i=1,2,…,6)为EMD分解的本征模态分量,Dj(j=2,3,…,7)为DWT分解的细节分量;LMD主分量分类识别结果整体上优于EMD和DWT主分量分类识别结果;能谱系数分类结果整体上优于相关系数分类结果,人工神经网络(ANN)和支持向量机(SVM)识别效果明显优于逻辑回归(LR)和Bayes判别法识别结果,且基于LMD能谱系数的SVM分类准确率达到了93.0％.
关键词：微震信号分类特征提取局部均值分解模式识别能谱系数
分类号：TD324(矿山压力与支护)
论文发表日期：2017-01-01
页数：9( 1156-1164 )
英文信息