岩石破裂微震与爆破振动信号时频特征提取及识别方法.pdf

分类号分类号 T TP391P391 密密 级级 公公 开开 U D C 004004.62.62 单位代码单位代码 1042410424 学学 位位 论论 文文 岩石破裂微震岩石破裂微震与爆破振动与爆破振动信号信号时频时频 特征提取及识别方法特征提取及识别方法 李贞良李贞良 申请学位级别申请学位级别硕士学位硕士学位 专业专业名名称称软件工程软件工程 指导教师姓名指导教师姓名贾贾 瑞瑞 生生 职职 称称教教 授授 山山 东东 科科 技技 大大 学学 二二〇〇一七一七年四年四月月 万方数据 论文题目论文题目 岩石破裂微震岩石破裂微震与爆破振动与爆破振动信号信号时频特征时频特征 提取及识别方法提取及识别方法 作者姓名作者姓名 李李 贞贞 良良 入学时间入学时间2014 年年 9 月月 专业名称专业名称 软件工程软件工程 研究方向研究方向智能软件智能软件技术技术 指导教师指导教师 贾贾 瑞瑞 生生 职职 称称 教教 授授 论文提交日期论文提交日期2017 年年４４月月 论文答辩日期论文答辩日期2017 年年 6 月月 授予学位日期授予学位日期2017 年年 6 月月 万方数据 TIME FREQUENCY FEATURE EXTRACTION AND RECOGNITION OF ROCK BURST AND BLASTING VIBRATION A Dissertation ted in fulfillment of the requirements of the degree of MASTER OF ENGINEERING SCIENCE from Shandong University of Science and Technology by Li Zhenliang Supervisor Professor Jia Ruisheng College of Computer Science and Engineering April 2017 万方数据 万方数据 万方数据 万方数据 山东科技大学硕士学位论文 摘要 I 摘摘 要要 微震信号蕴藏着丰富的岩体破裂信息，对其监测并进行数据处理分析可以 获取岩体破裂的位置及能量释放情况，目前已在冲击地压、煤与瓦斯突出等煤 岩动力灾害监测预警领域得到广泛应用。但是矿下环境复杂多变，需要经常进 行岩石爆破作业，拾振器拾取的微震信号中往往掺杂着无法识别的爆破干扰信 号，影响微震监测及定位结果。因此如何有效的提取两者的特征参数信息来识 别岩石破裂微震信号和爆破振动信号显得尤为重要。 本文基于岩石破裂微震信号和爆破振动信号的时变非平稳特征，通过对比 几种时频分析的方法性能短时傅里叶变换、小波变换和希尔伯特黄变换，提 出了基于集合经验模态分解的岩石破裂微震信号和爆破振动信号的时频能量特 征提取和识别方法。首先，通过小波阈值去噪，将待测信号中的噪声干扰成分 尽可能的剔除，真实地还原信号波；其次对去噪的待测信号进行集合经验模态 分解（EEMD） ，获得一系列本征模态函数（IMF） ；最后求得每个 IMF 的能量占 总信号能量的比例来作为待测信号的时频能量分布。由于岩石破裂微震信号和 爆破振动信号的频率分布状况不同，故将求得的本征模态函数能量比值的分布 情况来作为其特征参数，来识别岩石破裂微震信号和爆破振动信号。 通过对80组典型的煤岩破裂微震信号和爆破振动信号进行实验， 结果显示， 煤岩破裂微震和爆破振动信号 IMF 能量分布有较大差别，煤岩破裂微震信号主 要集中在 IMF2、IMF3 和 IMF4 的 20-100Hz 低频段，爆破振动信号则在 IMF1 的 225-375Hz 高频处较为集中。为把两者信号差异最大化，从而形成区分两者 的有效特征参数，将 IMF2、IMF3 和 IMF4 频段能量合并为新频段，爆破振动信 号在 IMF1 与煤岩破裂微震信号在 IMF234频段内能量值所占比例均在 80 以上，区别最为明显，故将 IMF1 与 IMF234能量特征比例作为区分煤岩破 裂微震信号和爆破振动信号的特征指标。该分析方法为煤矿识别微震信号事件 和爆破信号事件提供了一种新的思路，利用两者能量分布差异较大、特征对比 明显等特点，可以实现对两类波形信号的有效辨识。 关键字关键字集合经验模态分解；本征模态函数；能量特征；岩石破裂微震信号；爆 破信号 万方数据 山东科技大学硕士学位论文 ABSTRACT II ABSTRACT Microseismic signal contains abundant rock burst ination, by the monitoring and data processing we can get the location of the broken rock mass and energy release. At present, it has been widely used in the field of dynamic disasters monitoring and early warning of rock burst, coal-gas outburst. But the environment is complex and changeable, and often has rock blasting operations. The microseismic signals which are picked up by the pick up device are often mixed with the unknown blasting interference signals. So it is very important that how to extract the characteristic parameter ination to identify the rock burst signal and the blasting vibration signal. Based on the time-varying non-stationary characteristics of rock burst microseismic signal and blasting vibration signals, this paper compares several kinds of time-frequency analysis perance-- short time Fourier trans, wavelet trans and Hilbert huang trans, and presents the time-frequency energy feature extraction and recognition of rock burst microseismic signal and blasting vibration signal based on ensemble empirical mode decomposition. First of all, through wavelet threshold denoising, eliminating the measured noise signals in as far as possible, to restore the true signal wave; secondly the measured signal is decomposed by EEMD into several intrinsic mode function IMF; finally obtain each IMF energy ratio of the total signal 万方数据 山东科技大学硕士学位论文 ABSTRACT III energy as a time-frequency energy distribution of the signal. Due to the different frequency distribution of rock burst microseismic signal and blasting vibration signals，intrinsic mode function of the distribution of the energy ratio will be obtained as the characteristic parameter to identify the rock burst microseismic signal and blasting vibration signal. Based on the 80 group coal and rock burst microtremor signals and blasting vibration signal in experiment, results show that the two signals IMF energy distribution has a larger difference, the microseismic signals of coal and rock burst mainly focus on 20Hz-100Hz in IMF2, IMF3 and IMF4 frequency, the blasting vibration signal in high frequency IMF1 225Hz-375Hz is more concentrated. For maximum differences between the two signal, to a distinguish effective characteristic parameters. Combining IMF2, IMF3, and IMF4 band energy into a new band. The energy proportion of blasting vibration signal in IMF1 and coal and rock burst microtremor signals in IMF234 is above 80. In this case the difference between the two signals is most obvious. Therefore, the IMF1 and IMF 234 energy characteristic ratio is used as the characteristic index to distinguish the microseismic signal and the blasting vibration signal. Keywords Ensemble empirical mode decomposition, Intrinsic mode function, Energy characteristics, Rock burst microseismic signal, Blasting signal. 万方数据 山东科技大学硕士学位论文 目录 IV 目目 录录 1 绪论绪论 ........................................................................................................................ 1 1.1 课题研究背景与意义 ........................................................................................... 1 1.2 国内外研究现状 ................................................................................................... 3 1.3 主要研究内容和目标 ........................................................................................... 7 1.4 论文结构 ............................................................................................................... 8 1.5 本章小结 ............................................................................................................... 9 2 微地震时频分析方法微地震时频分析方法 ..................................................................................... 10 2.1 短时傅里叶变换 ................................................................................................. 10 2.2 小波变换与小波包分解 ...................................................................................... 11 2.3 希尔伯特黄变换 ................................................................................................. 14 2.4 几种时频分析方法性能比较 ............................................................................. 20 2.5 本章小结 ............................................................................................................. 25 3 岩石破裂微震与爆破信号特征提取与识别方法岩石破裂微震与爆破信号特征提取与识别方法 .................................. 26 3.1 集合经验模态分解 ............................................................................................. 26 3.2 岩石破裂微震与爆破振动信号特征 ................................................................. 30 3.3 时频特征提取算法与信号识别模型 ................................................................. 33 3.4 本章小结 ............................................................................................................. 34 4 实验结果与分析实验结果与分析 ............................................................................................... 35 4.1 信号预处理 ......................................................................................................... 35 4.2 实验验证 ............................................................................................................. 36 4.3 本章小结 ............................................................................................................. 48 5 总结与展望总结与展望 ........................................................................................................ 49 5.1 总结 ..................................................................................................................... 49 5.2 展望 ..................................................................................................................... 49 参考文献参考文献 ................................................................................................................. 51 致谢致谢 .......................................................................................................................... 58 攻读硕士期间主要成果攻读硕士期间主要成果 ..................................................................................... 59 万方数据 山东科技大学硕士学位论文 Contents V Contents 1 Introduction ............................................................................................................. 1 1.1 Research background ................................................................................................................. 1 1.2 Research Actuality ..................................................................................................................... 3 1.3 The work of this paper ............................................................................................................... 7 1.4 Paper structure ........................................................................................................................... 8 1.5 Summary .................................................................................................................................... 9 2 Micro seismic time-frequency analysis ................................................. 10 2.1 Short time Fourier trans ................................................................................................... 10 2.2 wavelet trans .................................................................................................................... 11 2.3 Hilbert Huang Trans ......................................................................................................... 14 2.4 Perance comparison ......................................................................................................... 20 2.5 Summary .................................................................................................................................. 25 3 Feature extraction and recognition of coal mine microseismic and blasting signals ......................................................................................................... 26 3.1 Ensemble Empirical Mode Decomposition ............................................................................. 26 3.2 Characteristics of coal mine microseismic and blasting signal ................................................ 30 3.3 Time frequency feature extraction algorithm and signal recognition model ........................... 33 3.4 Summary .................................................................................................................................. 34 4 Result analysis ....................................................................................................... 35 4.1 Signal preprocessing ................................................................................................................ 35 4.2 experimental verification ......................................................................................................... 36 4.3 Summary .................................................................................................................................. 48 5 Summary and Prospect ........................................................................................ 49 5.1 summary .................................................................................................................................. 49 5.2 expectation ............................................................................................................................... 49 References ................................................................................................................. 51 Acknowledgement .................................................................................................... 58 Achievements during the period of studying for a masters degree.....................59 万方数据 山东科技大学硕士学位论文 绪论 1 1 绪论绪论 1.1 课题课题研究背景与意义研究背景与意义 我国的能源状况主要总结为煤多、 油少、 气缺， 按照国家统计局公布的 2016 年国家统计年鉴显示，2016 年我国的能源消费结构如图 1.1 所示，得出 2016 我国煤炭消耗量占能源消费总量的比例仍然较重，在 63左右。可见，煤炭依 然是我国能源消费中的重要组成部分，可以预见，在今后较长一段时间里这个 情况依然不会有较大改变[1]。 图 1.1 2016 年中国的能源消费结构 Fig.1.1 China energy consumption structure in 2016 我国煤炭开采的地质环境复杂，生产所用设备以及采用的技术落后，加之 人员技能水平良莠不齐，管理能力较低，导致我国煤矿事件多发、人员伤亡严 重[2]，我国的煤炭生产在安全上仍然存在严重问题。 随着煤矿开采技术的进步， 开采深度和生产能力逐步加大， 冲击地压、 顶板 垮塌、瓦斯突出等煤岩灾害也日益严峻。其中由采矿诱发的冲击地压与大地地 震相比，虽然震级不大，但是由于其震中位置距离地表较近，采矿人员密集，其 危害性依然非常严重，是威胁我国开采业安全与效率的主要问题之一[3-6]。据不 完全统计，1992 年之前我国大约共有 50 个矿井发生冲击地压，而近几年这个 数字已增加至三倍。 冲击地压是一种重大的岩石动力失稳灾害， 往往发生原因复杂、 时间突然、 63 18 8 8 1 2 2016年我国能源消费结构 煤炭石油天然气水电核能可再生能源 万方数据 山东科技大学硕士学位论文 绪论 2 破坏性较大，一般产生于煤炭开采过程中[7]。如 2008 年河南义马千秋矿的“6 5”冲击地压事故，造成近 100 m 巷道损毁，导致正在该段工作的 20 名矿工被 困，其中 9 人死亡，11 人受伤；2011 年 11 月 3 日，千秋矿再次发生严重的冲 击地压事故，近 400 m 巷道瞬间隆起，造成 10 人遇难，64 人受伤；2013 年 1 月 12 日辽宁省阜新矿业集团五龙煤矿发生较大冲击地压事故，工作面迎头 50 米范围的煤壁发生位移和气缸破裂,巷道变形严重，并伴随大量瓦斯泄露，此次 事故共造成 8 人死亡；2013 年与 2016 年黑龙江龙煤集团鹤岗市峻德煤矿发生 两次较大冲击地压事故，共造成 10 名矿工遇难。 随着包括冲击地压在内的动力灾害过程及前兆研究的持续深化，电磁辐射 法[8-14]、 红外辐射和声发射法[15-17]等新兴的地球物理学方法也逐步发展起来。 现 代煤矿微震监测技术起源于非洲的南非， 20 世纪 80 年代， 南非政府为了为解决 Welkcom 地区矿山作业中遇到的强烈岩爆和岩体破裂情况而发展此技术。目前 微震监测技术已广泛应用于美国、波兰等众多矿产大国的一些金属开采部门与 煤矿地压监控系统中[18]。在我国，许多家煤矿也安装了自外国进口的微震监测 系统，如山东新汶矿业集团华丰煤矿安装了 ARAMIS M/E 微震监测系统，此系 统由波兰矿山研究总院研制，主要用于煤矿平时监控和日常数据采集[19-20]。引 进于同一家研究院的不同系统，山西大同煤矿集团采用 SOS 微震监测系统应用 于下属开采部门[21]；河南义马煤业集团公司同样引进 ARAMIS 微震监测系统， 并结合加拿大 ESG 公司的微震定位监测系统，对千秋煤矿全矿井范围内的矿震 活动进行岩层活动监测[22]。 冲击地压伴随着很多较小能量级的矿山地震活动发生，而这些微震信号中 蕴含许多有价值的信息，可以用来研究冲击地压活动规律。微震监测系统就是 通过分析拾振器所拾取的微震信号事件来监测监控矿山岩体的活动情况，其核 心内容主要包括三方面首先是监测台网的布置，其次是数据的处理分析，最 后微震事件的定位。其中在数据处理的过程中，由于开采环境多变，地质构造 复杂，人为和自然等干扰因素较多，如何在大量的信号数据中识别出有效的岩 石破裂微震信号就成为微震监测技术的核心问题之一。而在这些众多的复杂信 号数据中，爆破信号众多且在一些方面很难与岩石破裂微震信号区分开，如果 系统将爆破信号作为岩石破裂微震信号来进行处理和分析，将严重混淆微震事 件的分析及定位，影响甚至改变微震监测系统的判别，因此数据处理环节的首 万方数据 山东科技大学硕士学位论文 绪论 3 要工作便是能够提取有效事件，区分岩石破裂微震信号与爆破振动信号。 本文通过研究多种时频分析方法理论、算法及效果，总结集合经验模态分 解相较于传统时频分析方法在信号处理上的优势，提出了基于集合经验模态分 解与求取频域内能量分布相结合的方法，对岩石破裂微震与爆破信号的时频特 性及能量特征分布进行了对比研究，该分析方法利用两者主要频率段不同，各 个频率段内的能量分布差异较大，由此产生的特征对比明显等原理，实现对两 类振动信号的有效辨识， 对微震监测技术的发展具有重要研究意义和应用价值。 1.2 国内外研究现状国内外研究现状 1.2.1 微震监测技术微震监测技术 岩体中局域源由于受到内力或者外力作用而产生形状改变甚至断裂，从而 释放出能量，产生瞬态弹性波的情况称为声发射/微震活动[23-24]。微震监测系统 中所使用的技术便是基于地球物理学方式来研究岩体变形或者破裂等问题，它 最早就是为了分析矿山开采的冲击地压和岩石爆破问题而提出的[25-26]。 20 世纪中期， 南非的学者开始利用微震监测技术研究产生于矿山井下硬岩 开采中的岩爆问题，这些研究显示出此技术能够定位矿山岩爆，使微震监测技 术在矿山中的应用得到了极大的促进[27-28]。20 世纪八九十年代，在加拿大当地 政府以及一些矿业公司的资助下，本国科研人员开始对使用微震监测技术监控 冲击地压等岩石动力灾害进行了较多研究，这极大地促进了当地采矿业微震监 测系统与技术的发展，到 20 世纪九十年代，加拿大已经有近三十个矿井装备了 微震监测系统[29-32]。在此时期，欧美其他国家的科学工作人员也对微震监测技 术进行了深入探讨。 在美国矿业局的支持下， Brady 和 Leighton[33]研究了微震信 号在矿井岩爆发生前后的特征，发现一些有价值规律矿震发生之前所拾取的 微震信号持续增强，之后骤然减弱，随后便发生岩爆事故。Heick 等[34]通过分析 德国 Hope 地区一座钾矿矿震时所产生的微震活动的时间和空间分布规律， 得出 微震的频率大小区间，最终用以分析震源范围。法国学者 Senfaute 等[35