欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022103234053
申请人: 三明学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于,包括以下步骤:P1,采集n种已知掏槽方式下的中夹岩爆破振动信号,其中,对每种掏槽方式均采集满足分析要求的若干组中夹岩爆破振动信号;

P2,将采集的任意一种掏槽方式条件下的中夹岩爆破振动信号进行多重同步压缩变换MSST和小波阈值去噪WTD联合去噪,获取去噪后的信号数据;

P3,对去噪后的信号数据采用多重分形去趋势波动分析MF‑DFA得到多重分形(α‑f(α))谱,提取多重分形(α‑f(α))谱中的多个特征值,建立多维特征向量;

P4,重复步骤P2和P3,对采集的n种掏槽方式的若干中夹岩爆破振动信号,建立对应数量的多维特征向量,将建立的多个多维特征向量作为训练集输入支持向量机SVM中进行计算训练,得到训练成熟的SVM分类器;

P5,将待识别的任意一种或多种掏槽方式下的中夹岩爆破振动信号输入所述训练成熟的SVM分类器中,进行掏槽方式的识别分类,得出每个中夹岩爆破振动信号所属的掏槽方式的类别。

2.根据权利要求1所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于:所述n种已知掏槽方式包括直孔掏槽、单楔形掏槽和双楔形掏槽。

3.根据权利要求1或2所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于:步骤P3中,提取多重分形(α‑f(α))谱中的谱宽度Δα、维差Δf、极大值fmax、非对称指数IAS、谱覆盖面积A五个特征值fi(i=1,2,3,4,5),建立五维特征向量F={f1,f2,f3,f4,f5}。

4.根据权利要求3所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于,步骤P3具体为:对于长度为N的爆破信号序列{xk},k=1,2,…,N,,MF‑DFA计算步骤如下:(1)计算序列样本{xk}的平均值:

(2)确定信号样本的累计离差:

其中,i=1,2,…,N;

(3)将第(2)步所得的累计离差序列Y(i)划分成Ns个小区间, 如果N不能被s整除,则从离差序列Y(i)的尾部开始,将Y(i)的尾部划分成Ns个小区间,最终得到2Ns个等长小区间;

(4)将第(3)步中划分所得的每个等长小区间内的s个点进行最小二乘法的k阶多项式拟合:k k‑1

yv(i)=α1i+α2i +…+αki+αk+1

其中i=1,2,…,s;k=1,2,…;

2

(5)计算均方误差,设区间为v=1,2,…,2Ns,计算均方误差F(s,v):2

当v=Ns+1,Ns+2,…,2Ns,计算均方误差F(s,v):

2

(6)对去趋势后的F(s,v)取平均值,则可得到q波动函数Fq(s):h(q)

其中,q为任意不为零的实数,Fq(s)随着s的增大,以幂律关系递增,即Fq(s)∝s ,则对应每一个s,都有一个对应的函数值Fq(s),对于ln[Fq(s)]—lns函数关系图中的斜率为广义Hurst指数hq;

(7)计算质量指数:τ(q)=qh(q)‑1

(8)计算广义维数:

(9)绘制多重分形谱α‑f(α)谱,计算谱宽度Δα、维差Δf、极大值fmax、非对称指数IAs、谱覆盖面积A作为多重分形谱的五个特征参数;其中,谱宽度Δα=αmax‑αmin;维差Δf=fmax‑fmin;IAs=(L‑R)/(L+R),L为多重分形谱左极点至极大值垂线的距离,R为右极点至极大值垂线的距离;谱覆盖面积A采用数值积分求解得到,积分上、下线分别为αmin、αmax。

5.根据权利要求3所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于:步骤P4中,重复步骤P2和P3,对采集的n种掏槽方式的若干中夹岩爆破振动信号,建立多个五维特征向量F={f1,f2,f3,f4,f5},将获取的多个五维特征向量F={f1,f2,f3,f4,f5}作为训练集,输入支持向量机SVM中进行计算训练,并根据投票数确定信号类别归属标签(θi,θj,θk),得到训练成熟的SVM分类器,其中,θi为直孔掏槽类别标签,θj为单楔形掏槽类别标签,θk为双楔形爆破类别标签。

6.根据权利要求5所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于,n=3,所述n种已知掏槽方式为直孔掏槽、单楔形掏槽和双楔形掏槽;所述支持向量机SVM为三分类支持向量机;步骤P4中,将训练集输入支持向量机SVM中进行计算训练,得到训练成熟的SVM分类器,具体包括:对于训练集类别归属标签(θi,θj,θk),利用三分类支持向量机构造一个决策函数f(i,j,k)(·),将这三类样本点分开,对于一个五维特征向量的输入F,采用投票方式来判断其属于哪一类,当f(i,j,k)(·)=+1时,F属于θi类;当f(i,j,k)(·)=‑1时,F属于θj类;当f(i,j,k)(·)=0时,F属于θk类;最后统计票数,F属于票数最多的那一类;将训练集的数据全部进行分类并反复训练。

7.根据权利要求6所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于,采用多组中夹岩爆破振动数据对分类器进行反复训练,直至训练分类误差小于‑3

10 为止。

8.根据权利要求1所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于,步骤P2的具体过程为:(1)首先对中夹岩爆破振动信号x(t)进行短时傅里叶变换,得到频谱系数Fx(t,w);

(2)对频谱系数Fx(t,w)进行同步压缩变换,得到同步压缩变换系数Ts(t,η);

(3)利用小波阈值对信号x(t)进行去噪,并同步压缩变换系数Ts(t,η)进行滤波;

(4)设置MSST的迭代次数N=2,对同步压缩变换系数Ts(t,η)再进行一次同步压缩变换,得到二次同步压缩变换系数 利用 进行反变换得到有效信号;

(5)采用信噪比SNR、均方误差MSE、峰度信噪比PSNR和平滑度SM四个评价指标对去噪效果进行评价,若不满足则调整迭代次数N值,直至达到分析精度要求。

9.根据权利要求1所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于,步骤P1中,采集n种已知掏槽方式下的中夹岩爆破振动信号具体包括:S1,选取大跨度小净距隧道的中夹岩岩性稳定段,采用集成化爆破振动监测方法在岩壁处布置测点;

S2,确定隧道上台阶炮孔布置及相关装药参数,钻凿不同形式的掏槽孔并装药起爆;其中,多种不同形式掏槽孔的总装药量保持一致;

S3,对不同掏槽方式下的中夹岩爆破振动信号进行监测,存储并输出波形至计算机终端。

10.根据权利要求9所述的大跨度小净距隧道爆破中不同掏槽方式的识别分类方法,其特征在于,步骤S1中,所述集成化爆破振动监测方法依赖集成化监测体系来执行;

所述集成化监测体系包括:定制大容量锂电池供电模块供电,并设置降压板将电池电压降低至测振仪工作电压;测振仪导线表面设置防护软管;定制专用仪器防护箱,该防护箱具有锁止和警示功能;防护箱内部背板通过膨胀螺栓固定在中夹岩表面,传感器探头固定在中夹岩表面的开有预制孔的角铁上并设置防松垫圈保持连接牢靠,与岩壁缝隙处通过搅拌至糊状的石灰粉填充粘结;测试前,将测振仪主机、降压板、供电模块和导线保护软管集成在保护箱内,并将保护箱固定在传感器迎爆侧,相关导线通过软管防护,形成了所述集成化监测体系。