CN111044619A - 一种基于vmd的煤岩体破裂声发射信号处理方法 - Google Patents

Abstract

本发明涉及信号处理与分析技术领域，提供一种基于VMD的煤岩体破裂声发射信号处理方法。本发明的方法包括下述步骤：步骤1：读取煤岩体声发射信号x的时序序列{x(t)}；步骤2：基于VMD方法对声发射信号x进行分解，得到K个频率从高到低顺序排列的本征模态分量；步骤3：取高频本征模态分量进行振铃计数，即计算越过预设门槛值的震荡次数；步骤4：取低频本征模态分量计算声发射信号x的能量。本发明能够用振铃数来表征煤岩体破裂的频繁程度、用能量来表征煤岩体破裂的强弱程度，能够提高对煤岩体的破坏状态与破坏程度表征的准确性，振铃数和波形能量的突增现象能够作为煤与瓦斯突出等煤矿动力灾害的前兆。

Description

一种基于VMD的煤岩体破裂声发射信号处理方法

技术领域

本发明涉及信号处理与分析技术领域，特别是涉及一种基于VMD的煤岩体破裂声发射信号处理方法。

背景技术

煤与瓦斯突出在煤矿生产工过程中具有巨大的危害，大型突出事故会造成严重的财产损失，甚至人员伤亡。如何有效地预警煤与瓦斯突出，已经成为煤矿安全生产工作的重点和难点。利用煤岩体破裂声发射技术进行煤与瓦斯突出预警已经得到广泛运用，且效果显著。煤岩体破裂演化过程主要分为三个阶段：煤岩体破裂初期，声发射信号的特征参数均处于较低水平，煤岩体内发生微小的、均匀的且较为平缓的破裂，能量的聚集偶尔会出现单个较大的岩体破裂；煤岩体破裂中期，开始集中产生破裂现象，煤岩体内裂纹开始扩张，随着能量的聚集，岩体内大裂纹也频繁出现；破裂后期，煤岩体开始出现变形，内部加速破裂，整体结构稳定性直线下降，最终失稳突出。

目前多采用声发射的振铃数进行煤与瓦斯突出灾害预兆。然而，对于煤岩体的破坏状态、破坏程度，传统对于声发射信号的处理方法难以实现准确的表征。

发明内容

针对现有技术存在的问题，本发明提供一种基于VMD的煤岩体破裂声发射信号处理方法，能够提高对煤岩体的破坏状态与破坏程度表征的准确性。

本发明的技术方案为：

一种基于VMD的煤岩体破裂声发射信号处理方法，其特征在于，包括下述步骤：

步骤1：读取煤岩体声发射信号x的时序序列{x(t)}；其中，t＝1,2,…,m，m为采样点总数；

步骤2：基于VMD方法对声发射信号x进行分解，得到K个频率从高到低顺序排列的本征模态分量{u₁,u₂,…,u_k,…,u_K}；其中，u_k为第k个本征模态分量，k＝1,2,…,K，K为分解尺度参数；

步骤3：取{u₁,u₂,…,u_k,…,u_K}中的高频本征模态分量

进行振铃计数，即计算越过预设门槛值的震荡次数；其中，K₁＜K；

步骤4：取{u₁,u₂,…,u_k,…,u_K}中的低频本征模态分量

计算声发射信号x的能量。

进一步地，所述步骤2包括下述步骤：

步骤2.1：确定分解尺度参数K与惩罚因子α；

步骤2.2：初始化迭代次数n＝0、第1次迭代中第k个本征模态分量

本征模态分量

的中心角频率

第1次迭代中的拉格朗日乘法算子λ¹＝0；

步骤2.3：令n＝n+1；

步骤2.4：在非负频域区间上，ω≥0，对于k＝1,2,…,K，更新第n+1次迭代中第k个本征模态分量

及中心角频率

为

其中，

分别为

x(t)、λⁿ(t)对应的傅里叶变换；

步骤2.5：对于所有的ω≥0，更新拉格朗日乘法算子为

其中，τ为拉格朗日乘法算子的更新步长参数；

步骤2.6：判断是否满足收敛条件：

其中，ε为预设的判别精度；

若满足收敛条件，则对

进行傅里叶逆变换，取K个实部{u₁,u₂,...,u_k,...,u_K}作为最终分解的本征模态分量；若不满足收敛条件，则返回步骤2.3。

进一步地，所述步骤2.1中，采用波形法确定分解尺度参数K，具体包括：

步骤2.1.1：初始化K＝K₀；

步骤2.1.2：对声发射信号x进行VMD分解，获取各本征模态分量的频域图；

步骤2.1.3：判断各本征模态分量的频域图的中心频率是否出现重叠现象：若未出现重叠现象，则令K＝K+1，返回步骤2.1.2；若出现重叠现象，则输出分解尺度参数K＝K-1。

进一步地，所述步骤4中，计算声发射信号x的能量为

其中，E_i为本征模态分量u_i的能量，i＝K₁+1,K₁+2,...,K，

本发明的有益效果为：

本发明基于VMD方法对声发射信号进行分解，得到K个频率从高到低顺序排列的本征模态分量，取高频分量进行振铃计数、取低频分量计算波形能量，能够用振铃数来表征煤岩体破裂的频繁程度、用能量来表征煤岩体破裂的强弱程度，能够提高对煤岩体的破坏状态与破坏程度表征的准确性，振铃数和波形能量的突增现象能够作为煤与瓦斯突出等煤矿动力灾害的前兆。

附图说明

图1为具体实施方式中煤岩体破裂声发射信号的总能量变化情况示意图；

图2为本发明的基于VMD的煤岩体破裂声发射信号处理方法的流程图；

图3为具体实施方式中煤岩体破裂声发射信号的频谱图。

具体实施方式

下面将结合附图和具体实施方式，对本发明作进一步描述。

如图1所示，为煤岩体破裂声发射信号的总能量变化情况示意图。由图1可以看出，煤岩体破裂初期声发射信号能量较低，到了中后期声发射信号能量出现了剧增，直到煤岩体突出，信号能量全部倾泻，总能量不再增加。因此计算声发射信号振铃数和波形能量能够反映煤岩体内部破裂情况，振铃数和波形能量跃迁突增能够作为煤体突出的前兆。

如图2所示，本发明的基于VMD的煤岩体破裂声发射信号处理方法，包括下述步骤：

步骤1：读取煤岩体声发射信号x的时序序列{x(t)}；其中，t＝1,2,...,m，m为采样点总数。

步骤2：基于VMD方法对声发射信号x进行分解，得到K个频率从高到低顺序排列的本征模态分量{u₁,u₂,...,u_k,...,u_K}；其中，u_k为第k个本征模态分量，k＝1,2,...,K，K为分解尺度参数：

步骤2.1：确定分解尺度参数K与惩罚因子α＝2000；

步骤2.2：初始化迭代次数n＝0、第1次迭代中第k个本征模态分量

本征模态分量

的中心角频率

第1次迭代中的拉格朗日乘法算子λ¹＝0；

步骤2.3：令n＝n+1；

步骤2.4：在非负频域区间上，ω≥0，对于k＝1,2,...,K，更新第n+1次迭代中第k个本征模态分量

及中心角频率

为

其中，

分别为

x(t)、λⁿ(t)对应的傅里叶变换；

步骤2.5：对于所有的ω≥0，更新拉格朗日乘法算子为

其中，τ为拉格朗日乘法算子的更新步长参数；

步骤2.6：判断是否满足收敛条件：

其中，ε为预设的判别精度；

若满足收敛条件，则对

进行傅里叶逆变换，取K个实部{u₁,u₂,...,u_k,...,u_K}作为最终分解的本征模态分量；若不满足收敛条件，则返回步骤2.3。

本实施例中，所述步骤2.1中，采用波形法确定分解尺度参数K，具体包括：

步骤2.1.1：初始化K＝K₀＝2；

步骤2.1.2：对声发射信号x进行VMD分解，获取各本征模态分量的频域图；

步骤2.1.3：判断各本征模态分量的频域图的中心频率是否出现重叠现象：若未出现重叠现象，则令K＝K+1，返回步骤2.1.2；若出现重叠现象，则输出分解尺度参数K＝K-1。

步骤3：取{u₁,u₂,…,u_k,…,u_K}中的高频本征模态分量

进行振铃计数，即计算越过预设门槛值的震荡次数；其中，K₁＜K。

如图3所示，为本实施例中煤岩体破裂声发射信号的频谱图。由图3可以看出，煤岩体声发射高幅值信号主要集中在200KHz以下，具有很大能量；200Hz以上高频信号幅值较低。因此取频率高于200KHz的高频分量进行振铃计数。

步骤4：取{u₁,u₂,…,u_k,…,u_K}中的低频本征模态分量

计算声发射信号x的能量为

其中，E_i为本征模态分量u_i的能量，i＝K₁+1,K₁+2,...,K，

其中，变分模态分解(Variational Mode Decomposition,VMD)是近些年提出的一种非递归式自适应信号处理方法，具有完备的理论基础和良好的噪声鲁棒性。使用VMD分解方法能够将复杂的信号分解为一系列频率由高到低的本征模态分量。煤岩体声发射信号经过VMD处理之后可以得到多个围绕中心频率、具有一定带宽的固有模态。这些模态分量中高频信号代表煤岩体内微小的破裂，低频高幅值信号代表剧烈的煤岩体破裂。在煤岩体破裂中后期，煤岩体内部加速破裂，且伴随着许多大能量裂隙产生。本发明取高频分量进行振铃计数、取低频分量计算波形能量，用振铃数来表征煤岩体破裂的频繁程度、用能量来表征煤岩体破裂的强弱程度，能够提高对煤岩体的破坏状态与破坏程度表征的准确性，振铃数和波形能量的变化反映了煤岩体的破裂情况，振铃数和波形能量的突增现象能够作为煤与瓦斯突出等煤矿动力灾害的前兆。

显然，上述实施例仅仅是本发明的一部分实施例，而不是全部的实施例。上述实施例仅用于解释本发明，并不构成对本发明保护范围的限定。基于上述实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，也即凡在本申请的精神和原理之内所作的所有修改、等同替换和改进等，均落在本发明要求的保护范围内。

Claims (4)

1.一种基于VMD的煤岩体破裂声发射信号处理方法，其特征在于，包括下述步骤：

步骤1：读取煤岩体声发射信号x的时序序列{x(t)}；其中，t＝1,2,...,m，m为采样点总数；

步骤2：基于VMD方法对声发射信号x进行分解，得到K个频率从高到低顺序排列的本征模态分量{u₁,u₂,...,u_k,...,u_K}；其中，u_k为第k个本征模态分量，k＝1,2,...,K，K为分解尺度参数；

步骤3：取{u₁,u₂,...,u_k,...,u_K}中的高频本征模态分量

进行振铃计数，即计算越过预设门槛值的震荡次数；其中，K₁＜K；

步骤4：取{u₁,u₂,...,u_k,...,u_K}中的低频本征模态分量

计算声发射信号x的能量。

2.根据权利要求1所述的基于VMD的煤岩体破裂声发射信号处理方法，其特征在于，所述步骤2包括下述步骤：

步骤2.1：确定分解尺度参数K与惩罚因子α；

步骤2.2：初始化迭代次数n＝0、第1次迭代中第k个本征模态分量

本征模态分量

的中心角频率

第1次迭代中的拉格朗日乘法算子λ¹＝0；

步骤2.3：令n＝n+1；

步骤2.4：在非负频域区间上，ω≥0，对于k＝1,2,…,K，更新第n+1次迭代中第k个本征模态分量

及中心角频率

为

其中，

分别为

x(t)、λⁿ(t)对应的傅里叶变换；

步骤2.5：对于所有的ω≥0，更新拉格朗日乘法算子为

其中，τ为拉格朗日乘法算子的更新步长参数；

步骤2.6：判断是否满足收敛条件：

其中，ε为预设的判别精度；

若满足收敛条件，则对

进行傅里叶逆变换，取K个实部{u₁,u₂,...,u_k,...,u_K}作为最终分解的本征模态分量；若不满足收敛条件，则返回步骤2.3。

3.根据权利要求2所述的基于VMD的煤岩体破裂声发射信号处理方法，其特征在于，所述步骤2.1中，采用波形法确定分解尺度参数K，具体包括：

步骤2.1.1：初始化K＝K₀；

步骤2.1.2：对声发射信号x进行VMD分解，获取各本征模态分量的频域图；

步骤2.1.3：判断各本征模态分量的频域图的中心频率是否出现重叠现象：若未出现重叠现象，则令K＝K+1，返回步骤2.1.2；若出现重叠现象，则输出分解尺度参数K＝K-1。

4.根据权利要求1所述的基于VMD的煤岩体破裂声发射信号处理方法，其特征在于，所述步骤4中，计算声发射信号x的能量为

其中，E_i为本征模态分量u_i的能量，i＝K₁+1,K₁+2,...,K，

Images