改进EWT_MPE模型在矿山微震信号特征提取中的应用

摘要：

针对矿山微震与爆破振动信号难以自动辨识的问题,提出了一种基于改进EWT_MPE(经验小波变换_多尺度排列熵)的信号特征提取方法,并应用于矿山微震信号特征提取中.针对EWT在以往处理复杂信号频谱出现的过切分问题提出了新的改进方法,并采用仿真信号验证了改进算法的可行性和准确性.将实际采集到的微震与爆破信号进行改进EWT分解,借助相关性分析从分解得到的本征模态函数(intrinsic mode function,IMF)分量中筛选出最优分量IMF1 ～ IMF5.进而将筛选到的IMF分量进行重构,并计算重构信号的MPE值.应用GK模糊聚类算法对微震与爆破振动信号进行分类识别.结果 表明,微震信号的MPE值要小于爆破信号的MPE值,且当嵌入维数m=5,尺度因子s=12,延迟时间τ=1时,两种信号的MPE值差异最大.基于改进EWT_MPE_ GK模糊聚类算法的分类识别准确率达到93.5％,平均模糊熵(E)更接近0、分类系数(C)更接近1,与传统EWT_MPE_GK模糊聚类和EMD_MPE_GK模糊聚类相比,其聚类效果更优、识别准确率分别提高了3％和5.5％.

关键词：经验小波变换、多尺度排列熵、Gustafson-kessel (GK)模糊聚类、特征提取、分类识别

所属期刊栏目：40

分类号：TD76(矿山安全与劳动保护)

资助基金：国家自然科学基金;江西省科技计划

在线出版日期：2021-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：92-101