CN106199521A - 一种基于最小距离的微震或声发射异常到时数据识别方法 - Google Patents
一种基于最小距离的微震或声发射异常到时数据识别方法 Download PDFInfo
- Publication number
- CN106199521A CN106199521A CN201610571666.1A CN201610571666A CN106199521A CN 106199521 A CN106199521 A CN 106199521A CN 201610571666 A CN201610571666 A CN 201610571666A CN 106199521 A CN106199521 A CN 106199521A
- Authority
- CN
- China
- Prior art keywords
- data
- group
- result
- abnormal
- acoustic emission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/02—Transmitters
- H04B1/04—Circuits
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于最小距离的微震或声发射异常到时数据识别方法,包括以下步骤:步骤1:将n个到时数据依次记为t1、t2、t3…tn;分别排除t1、t2、t3…tn中的一个,得到n组数据;对n组数据分别利用定位算法进行定位,得到n组初步定位结果;步骤2:在n个到时数据中任意选取6个数据,利用定位算法进行再次定位,获得共组定位结果;步骤3:分别求出组定位结果中,各个x、y、z坐标值的出现频率,选取出现频率最大的坐标值,作为最优的定位结果O*(x*,y*,z*);步骤4:分别求出n组初步定位结果与最优定位结果的距离d;步骤5:识别d的最小值dmin对应的初步定位结果相应的一组数据所排除的到时数据为异常到时数据。本发明易于实现、准确度高。
Description
技术领域
本发明涉一种基于最小距离的微震或声发射异常到时数据识别方法。
技术背景
微震及声发射技术广泛应用于采矿过程及地下施工过程中的监测领域,为地下工程的进行提供安全信息。在微震及声发射定位过程中,传感器会接收到一些异常的到时信息(即传感器感应到微震或声发射信号的时刻),这些信息如果直接用来进行微震及声发射定位,将会对定位结果产生极大的误差。因此,如何识别这些异常的到时数据并进行排除,在微震及声发射定位技术中意义重大。有必要设计一种异常到时数据识别方法。
发明内容
本发明所解决的技术问题是,针对现有技术的不足,提出一种基于最小距离的微震或声发射异常到时数据识别方法,易于实现、准确度高。
本发明的技术解决方案如下:
一种基于最小距离的微震或声发射异常到时数据识别方法,包括以下步骤:
步骤1:到时数据初步定位:
将微震或声发射事件中,n个传感器的n个到时数据依次记为t1、t2、t3…tn;分别排除t1、t2、t3…tn中的一个,得到n组数据,每一组数据中包括n-1个到时数据;对n组数据分别利用定位方法进行定位,得到n组初步定位结果;
步骤2:到时数据再定位:
在n个到时数据中任意选取m个数据,利用定位方法进行再次定位,获得共组定位结果;
步骤3:求取频率分布:
分别求出步骤2的组定位结果中,各个x、y、z坐标值的出现频率,进而选取出现频率最大的x、y、z坐标值,作为最优的定位结果O*(x*,y*,z*);
步骤4:距离计算:
分别求出步骤1所得n组初步定位结果与最优定位结果的距离d;
步骤5:异常到时数据识别:
比较得到n组初步定位结果与最优定位结果的距离d的最小值dmin,dmin对应的初步定位结果相应的一组数据所排除的到时数据即为异常到时数据。
所述定位为利用解析定位方法或迭代定位方法其中的一种进行定位。
所述m=6。
有益效果:
本发明对微震或声发射所得n个到时数据选用6个到时数据并利用解析定位算法或数值定位方法的其中一种对其进行定位处理,以获得个定位结果。创新点在于利用个定位结果求其频率分布,并选取出现频率最高的x、y、z值作为最优定位结果,并以初步定位结果与最优定位结果的距离作为判据,当距离最小时,表明该组数据所得到的定位结果更接近于最优结果,进一步表明该组数据所排除的数据为异常到时数据。
本发明很好地利用频率分布的优势,从一系列定位结果中能够准确地确定最优解,从数学的角度保证了选取的最优定位结果的可靠性和准确性。以此为基础利用距离判定各组数据的可靠性也突破了传统的判定方法,具有易于实现、可靠度高等优点,在微震及声发射信号识别领域能够广泛运用。
附图说明
图1是实施例1算法流程图;
图2是实施例1传感器布置示意图。
图3是实施例1中x的频率分布图。
图4是实施例1中y的频率分布图。
图5是实施例1中z的频率分布图。
具体实施方式
以下将结合附图和具体实施例对本发明做进一步详细说明:
实施例1:
以下基于本实施例对本发明基于最小距离的微震或声发射异常到时数据识别方法进行详细说明。
如图2所示,假定某次声发射试验系统有8个传感器位于正方体的8个顶点上,取各传感器坐标A(0,0,0),B(800,0,0),C(800,800,0),D(0,800,0),E(0,0,800),F(800,0,800),G(800,800,800),H(0,800,800),单位均为m。试验中测得某点O处产生的声发射信号到达各传感器的时刻分别为139.2561ms、164.9302ms、175.1945ms、151.4098ms、103.2400ms、131.4610ms、144.3272ms、113.6219ms。
具体实施步骤如下:
(1)将8个传感器获得的8个到时数据由小到进行排列,可得:
tE=103.2400ms;tH=113.6219ms;tF=131.4610ms
tA=139.2561ms;tG=144.3272ms;tD=151.4098ms
tB=164.9302ms;tC=175.1945ms
(2)依次排除tE,tH,tF,tA,tG,tD,tB,tC,利用余下的7个到时数据进行定位,可以得到8个初步定位结果:
OE(258,336,580);OH(345.15,375.14,470.34)
OF(329.73,371.85,487.95);OA(339.97,372.73,485.23)
OG(354.31,381.48,460.65);OD(346.86,379.00,465.82)
OB(340.57,375.73,475.74);OC(350.65,379.12,462.82)
(3)对所有的8个到时数据,选取6个利用解析定位法或数值定位方法进行定位,共可获得个定位结果,如表1所示。
(4)利用28个定位结果,分别求出x、y、z的频率分布,进而选取出现频率最大的x、y、z值,作为最优的定位结果(x*,y*,z*)。由图3、图4及图5可以看出,最优定位结果为O*(258,336,580)。
(5)计算8个初步结果与最优定位结果之间的距离,如表2所示,可以得出,OE组定位结果距最优结果距离最短,该组数据中排除的到时数据为tE,可以推知传感器E的到时数据为异常到时。
表1算例的28组定位结果(单位:m)
表2初步定位结果与最优定位结果的距离(单位:m)
定位编号 | OE | OH | OF | OA | OG | OD | OB | OC |
O* | 2 | 144.25 | 120.92 | 129.33 | 159.65 | 149.77 | 137.62 | 154.30 |
以上所述仅为本发明的实施例而已,并不用以限制本发明,凡在本发明精神和原则之内,所作任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于最小距离的微震或声发射异常到时数据识别方法,其特征在于,包括以下步骤:
步骤1:到时数据初步定位:
将微震或声发射事件中,n个传感器的n个到时数据依次记为t1、t2、t3…tn;分别排除t1、t2、t3…tn中的一个,得到n组数据,每一组数据中包括n-1个到时数据;对n组数据分别利用定位方法进行定位,得到n组初步定位结果;
步骤2:到时数据再定位:
在n个到时数据中任意选取m个数据,利用定位方法进行再次定位,获得共组定位结果;
步骤3:求取频率分布:
分别求出步骤2的组定位结果中,各个x、y、z坐标值的出现频率,进而选取出现频率最大的x、y、z坐标值,作为最优的定位结果O*(x*,y*,z*);
步骤4:距离计算:
分别求出步骤1所得n组初步定位结果与最优定位结果的距离d;
步骤5:异常到时数据识别:
比较得到n组初步定位结果与最优定位结果的距离d的最小值dmin,dmin对应的初步定位结果相应的一组数据所排除的到时数据即为异常到时数据。
2.根据权利要求1所述的基于最小距离的微震或声发射异常到时数据识别方法,其特征在于,所述定位为利用解析定位方法或迭代定位方法其中的一种进行定位。
3.根据权利要求1所述的基于最小距离的微震或声发射异常到时数据识别方法,其特征在于,所述m=6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610571666.1A CN106199521B (zh) | 2016-07-19 | 2016-07-19 | 一种基于最小距离的微震或声发射异常到时数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610571666.1A CN106199521B (zh) | 2016-07-19 | 2016-07-19 | 一种基于最小距离的微震或声发射异常到时数据识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106199521A true CN106199521A (zh) | 2016-12-07 |
CN106199521B CN106199521B (zh) | 2017-06-06 |
Family
ID=57493603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610571666.1A Active CN106199521B (zh) | 2016-07-19 | 2016-07-19 | 一种基于最小距离的微震或声发射异常到时数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106199521B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109187763A (zh) * | 2018-09-17 | 2019-01-11 | 山东建筑大学 | 一种基于四传感器阵列对声发射源定位的方法 |
CN110376290A (zh) * | 2019-07-19 | 2019-10-25 | 中南大学 | 基于多维核密度估计的声发射源定位方法 |
CN113820663A (zh) * | 2021-08-02 | 2021-12-21 | 中南大学 | 鲁棒性微震/声发射源定位方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435980A (zh) * | 2011-09-15 | 2012-05-02 | 中南大学 | 一种基于解析求解的声发射源或微震源定位方法 |
CN102879801A (zh) * | 2012-08-30 | 2013-01-16 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于射孔约束的EnKF微地震事件位置反演方法 |
US20140334260A1 (en) * | 2013-05-09 | 2014-11-13 | Schlumberger Technology Corporation | Neural Network Signal Processing of Microseismic Events |
CN104914167A (zh) * | 2015-06-17 | 2015-09-16 | 南京航空航天大学 | 基于序贯蒙特卡洛算法的声发射源定位方法 |
-
2016
- 2016-07-19 CN CN201610571666.1A patent/CN106199521B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435980A (zh) * | 2011-09-15 | 2012-05-02 | 中南大学 | 一种基于解析求解的声发射源或微震源定位方法 |
CN102879801A (zh) * | 2012-08-30 | 2013-01-16 | 中国石油集团川庆钻探工程有限公司地球物理勘探公司 | 一种基于射孔约束的EnKF微地震事件位置反演方法 |
US20140334260A1 (en) * | 2013-05-09 | 2014-11-13 | Schlumberger Technology Corporation | Neural Network Signal Processing of Microseismic Events |
CN104914167A (zh) * | 2015-06-17 | 2015-09-16 | 南京航空航天大学 | 基于序贯蒙特卡洛算法的声发射源定位方法 |
Non-Patent Citations (2)
Title |
---|
王焕义: "岩体微震事件的精确定位研究", 《工程爆破》 * |
陈栋 等: "矿山微震信号到时精确拾取研究", 《煤炭技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109187763A (zh) * | 2018-09-17 | 2019-01-11 | 山东建筑大学 | 一种基于四传感器阵列对声发射源定位的方法 |
CN109187763B (zh) * | 2018-09-17 | 2021-04-09 | 山东建筑大学 | 一种基于四传感器阵列对声发射源定位的方法 |
CN110376290A (zh) * | 2019-07-19 | 2019-10-25 | 中南大学 | 基于多维核密度估计的声发射源定位方法 |
CN113820663A (zh) * | 2021-08-02 | 2021-12-21 | 中南大学 | 鲁棒性微震/声发射源定位方法及系统 |
CN113820663B (zh) * | 2021-08-02 | 2024-04-16 | 中南大学 | 鲁棒性微震/声发射源定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106199521B (zh) | 2017-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10698106B2 (en) | Obstacle detecting method and apparatus, device and storage medium | |
US10232566B2 (en) | Three-dimensional printer and printing accuracy detection method | |
CN106199521A (zh) | 一种基于最小距离的微震或声发射异常到时数据识别方法 | |
CN105868171B (zh) | 一种Excel文件的校验方法及装置 | |
RU2011135186A (ru) | Способы и системы для диагностики и лечения определенного состояния и способы применения таких систем | |
EP2854031A1 (en) | Methods for determining multiple simultaneous fault conditions | |
CN103996239A (zh) | 一种基于多线索融合的票据定位识别方法及系统 | |
CN104482911B (zh) | 基于误差球的球度误差评定方法 | |
WO2014008247A3 (en) | Systems and methods for detecting tax refund fraud | |
CN109145446B (zh) | 一种基于模态应变能和卷积神经网络的结构损伤识别方法 | |
JP2015519649A5 (zh) | ||
US11068714B2 (en) | Method and apparatus for determining hot zones of human flow based on cartography | |
CN105869188B (zh) | 点对多边形方位关系的检测方法和系统 | |
CN107845258A (zh) | 一种疲劳驾驶的智能识别方法、装置及存储介质 | |
CN107918398B (zh) | 一种基于多重优化的集群无人机协同定位方法 | |
CN109241998A (zh) | 模型训练方法、装置、设备及存储介质 | |
CN109254924A (zh) | 一种软件故障定位方法、装置、设备及可读存储介质 | |
CN109000810A (zh) | 一种多维粮温展示系统及方法 | |
CN106483583A (zh) | 电子标签的定位系统、方法及电子标签探测仪 | |
CN102419593B (zh) | 基于数据挖掘的传感器故障诊断方法 | |
US20170184488A1 (en) | Facility state analysis device, analysis method for facility state, storage medium, and facility management system | |
KR20190083875A (ko) | 피아식별신호의 펄스열분석 방법 및 그 장치 | |
CN103954215B (zh) | 一种高效的投影放大图的检测方法 | |
CN203981341U (zh) | 汽车胎压传感器测试系统 | |
JPWO2022064644A5 (zh) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |