本文主要研究内容
作者程铁栋,吴义文,罗小燕,戴聪聪,尹宝勇（2019）在《基于EWT＿Hankel＿SVD的矿山微震信号特征提取及分类方法》一文中研究指出：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～f5 5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%。
Abstract
zhen dui kuang shan wei zhen yu bao po zhen dong xin hao zi dong shi bie nan de wen ti ,di chu le ji yu jing yan xiao bo bian huan _Hankelju zhen _ji yi zhi fen jie (EWT_Hankel_SVD)de kuang shan wei zhen xin hao te zheng di qu ji fen lei fang fa 。shou xian ,zhen dui wei zhen xin hao de shun tai xing he duo yang xing ,dui EWTpin pu fen ge fang fa jin hang gai jin ,bing li yong fang zhen xin hao biao ming le fang fa de you xiao xing 。ji ci li yong gai jin EWTdui shi ji kuang shan cai qu de wei zhen he bao po zhen dong xin hao jin hang fen jie ,jie zhu xiang guan xing fen xi shai shua de dao f1～f5 5ge zhu fen liang ,jin er fen bie li yong fen liang f1～f5gou zao Hankelju zhen ,ji suan ge Hankelju zhen de zui da ji yi zhi he ji yi shang 。zui hou li yong wei chuan suan fa you hua de zhi chi xiang liang ji (GA-SVM)dui wei zhen he bao po xin hao jin hang fen lei shi bie 。jie guo biao ming ,bao po zhen dong xin hao fen liang f1～f4de ji yi shang yao da yu yan ti wei zhen xin hao fen liang f1～f4de ji yi shang ,bao po zhen dong xin hao fen liang f1～f5de zui da ji yi zhi yao da yu yan ti wei zhen xin hao fen liang f1～f5de zui da ji yi zhi 。gai jin EWTshi bie xiao guo yao you yu chuan tong EWThe jing yan mo tai fen jie ,GA-SVMshi bie xiao guo yao you yu zhi chi xiang liang ji 、luo ji hui gui he Bayespan bie fa ,ju ji yu EWT_Hankel_SVDhe GA-SVMfen lei zhun que lv da dao 94%。
论文参考文献
论文详细介绍
论文作者分别是来自仪器仪表学报的程铁栋,吴义文,罗小燕,戴聪聪,尹宝勇，发表于刊物仪器仪表学报2019年06期论文，是一篇关于矿山微震信号论文,模式识别论文,特征提取论文,经验小波变换论文,矩阵论文,奇异值分解论文,仪器仪表学报2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自仪器仪表学报2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：矿山微震信号论文; 模式识别论文; 特征提取论文; 经验小波变换论文; 矩阵论文; 奇异值分解论文; 仪器仪表学报2019年06期论文;