一种微积分经验模态分解的爆破振动信号处理方法与流程

本发明属于爆破工程的技术领域,涉及到爆破振动信号处理分析方法，具体涉及一种微积分经验模态分解的爆破振动信号处理方法。

背景技术：

爆破振动效应一直是爆破工程中关心的问题，在一定范围对周边建(构)筑物以及人员造成安全上的隐患，威胁生命财产安全。爆破振动危害的控制与研究已经引起国内外的注意。对爆破振动效应作出准确评价具有重要的意义，不仅有利于爆破灾害控制理论的研究,同时对爆破技术的改善也有重要意义。

国内外学者通过爆破振动信号特征的分析对爆破振动效应进行了大量的研究，由于爆破振动信号是一种非平稳、非线性信号，传统的傅里叶变换不能反映出爆破振动信号的本质，无法将信号本征精细化描述；小波分析虽然在处理非平稳信号相对于傅里叶变换具有一定的优越性，但小波基的优取选择是难点，由于小波基选择的不同会导致分析的结果不同；希尔伯特黄变换则根据自身的时间尺度特性来进行分解，相比于小波分析更有完全的适应性，但希尔伯特黄变换的核心经验模态分解对高频率成分相近的信号不能完全的分解出来而造成了混叠失真现象，降低了谱分析的结果精度。

由此可见在爆破振动信号处理分析方法上确实还存在着些许不足，需要研究一种准确性较高的方法。

技术实现要素：

本发明是针对希尔伯特黄变换的经验模态分解提出来的，主要是克服经验模态分解方法对频率相近的爆破振动信号不能完全分解出来的局限性，准确分析爆破振动信号分解处理后的边际谱、能量谱，瞬时能量谱等变化规律，由此提出一种微积分经验模态分解的爆破振动信号处理方法。

为了解决上述技术问题，本发明的技术方案是：一种微积分经验模态分解的爆破振动信号处理方法，按以下步骤进行：

步骤1：对爆区周围重点监测对象布置测点，测点数目不少于3个，且离爆区较近的测点布置较密，远离爆区的测点布置较疏；

步骤2：测点位置尽量布置在基岩上或结构性较好的固土上，并按射线布置，测点的标高尽量保持同一水平面上；

步骤3：在监测爆破振动信号前，对爆破振动测振仪器相应参数进行设定，保证所监测数据不被遗漏；

步骤4：将传感器固定在测点，确保传感器与测点之间紧密接触，检查一切完毕后，开始数据采集；

步骤5：对采集的爆破振动信号进行小波去噪处理，将混杂于其中的非信号本身的噪声消除，还原信号本质特征；

步骤6：对去噪后的爆破振动信号x(t)进行一次微分得到x1(t)，对x1(t)进行集合经验模态分解处理，求取分解后本征模态函数分量的频谱，判断分解后的k个本征模态函数分量是否有模态混叠现象；

步骤7：若步骤6中本征模态函数分量含有模态混叠现象，再次对爆破振动信号x(t)进行微分处理，然后用集合经验模态分解方法来分解微分后的爆破振动信号，一直到经过n次微分处理再进行经验模态分解至分解求出的本征模态函数分量cni(t)不存在模态混叠现象为止，rno(t)为分解过程中残余分量；

步骤8：对步骤7中各阶本征模态函数分量cni(t)做一次积分处理得：

∫cni(t)dt＝b(n-1)i(t)+b(n-1)io；

步骤9：对步骤8中各b(n-1)i(t)进行集合经验模态分解分解得到：

b(n-1)i(t)＝c(n-1)i(t)+r(n-1)i(t)；

步骤10：c(n-1)i(t)是原爆破振动信号x(t)微分(n-1)次得出的本征模态函数分量，构造剩余爆破振动信号为：

步骤11：循环进行步骤6至步骤8，直到n次积分后得到原爆破振动信号的每一阶imf分量及其残余爆破振动信号分量，此时原始的爆破振动信号能够表示成：

式中代表残余分量。

进一步的，在爆破振动监测过程中，由于机械设备、飞石撞击等噪声掺杂于信号当中，为使信号分析更加精确化，对爆破振动信号中的噪声进行消除处理。

进一步的，所述步骤6、步骤7对信号进行微分和集合经验模态分解，主要针对离散采样时高低频率成分混淆在一起的现象，降低对信号的谱分析精度。

进一步的，所述步骤8、步骤9、步骤10和步骤11对步骤6、步骤7中的本征模态函数分量进行积分处理，还原真实的爆破振信号。

与现有技术相比，本发明具有以下有益效果：本方法通过对原始的爆破振动信号进行微积分经验模态分解，克服了希尔伯特黄变换中的经验模态分解对频率相近的爆破振动信号分解不完全的局限性，体现了爆破振动信号分解后的本征模态函数分量的本质特征，为爆破信号的边际谱、能量谱，瞬时能量谱等变化规律分析提供准确数据，同时对爆破振动效应的研究与控制也有重要意义。

下面结合附图和具体实施方式对本发明做进一步详细的说明。

附图说明

图1为微积分经验模态分解法的流程图。

图2为多宝山中碎车间测点布置图。

图3为多宝山中碎车间测点原始信号波形图。

图4为某铁矿东帮边坡测点布置图。

图5为某铁矿东帮8#测点原始波形图。

图6为某隧道爆破振动测点布置图。

图7为某隧道测点原始信号波形图。

图8为齐大山铁矿边坡测点布置图。

图9为齐大山铁矿测点原始信号波形图。

具体实施方式

本方法的基本思想如下：如图1所示，首先对原始爆破振动信号进行采集并作小波去噪处理，然后对去噪的信号进行一阶微分，判断分解出的本征模函数是否有混叠现象，如发生混叠就再次微分，直到不出现混叠现象为止；其次对各阶的本征模函数进行积分处理，得出结果在进行集合经验模态分解，通过多次积分得到爆破振动原始信号的本征模函数分量并重构原始爆破振动信号。

实施例一：针对多宝山铜矿二期选矿厂中碎车间的爆破开挖工程，对周围的建筑物的质点速度进行监测。本次工程选择了3个测点，出于对周围车间安全稳定性的考虑，将5#测点布置在爆区西北边的筛分皮带廊上、6#测点布置在爆区南边的中细碎车间、2#测点布置在爆区北边的公路附近，测点布置如图2所示。测试过程中采用的仪器设备有tc-4850爆破测振仪、三维振动传感器及信号处理器。信号采样频率为2500hz，nyquist频率为1250hz。爆破振动信号原始波形图如图3所示，对信号进行微积分经验模态分解。

具体工艺实施步骤如下：

步骤1：对爆区周围重点监测对象布置测点，测点数目为3个，分别是2#、5#、6#测点，且离爆区较近的测点布置较密些，远离爆区的测点布置较远些；

步骤2：测点位置尽量布置在基岩上或结构性较好的固土上，并按射线布置，测点的标高尽量保持同一水平面上；

步骤3：在监测爆破振动信号前，对爆破振动测振仪器相应参数进行设定，保证所监测数据不被遗漏；

步骤4：将传感器固定在测点，确保传感器与测点之间紧密接触，检查一切完毕后，开始数据采集；

步骤5：对采集的爆破振动信号进行小波去噪处理，将混杂于其中的非信号本身的噪声消除，还原信号本质特征；

步骤6：对去噪后的爆破振动信号x(t)进行一次微分得到x1(t)，对x1(t)进行集合经验模态分解处理，求取分解后本征模态函数分量的频谱，判断分解后的k个本征模态函数分量是否有模态混叠现象；

步骤7：若步骤6中本征模态函数分量含有模态混叠现象，再次对爆破振动信号x(t)进行微分处理，然后用集合经验模态分解方法来分解微分后的爆破振动信号，一直到经过n次微分处理再进行经验模态分解至分解求出的本征模态函数分量cni(t)不存在模态混叠现象为止，rno(t)为分解过程中残余分量；

步骤8：对步骤7中各阶本征模态函数分量cni(t)做一次积分处理得：

∫cni(t)dt＝b(n-1)i(t)+b(n-1)io；

步骤9：对步骤8中各b(n-1)i(t)进行集合经验模态分解分解得到：

b(n-1)i(t)＝c(n-1)i(t)+r(n-1)i(t)；

步骤10：c(n-1)i(t)是原爆破振动信号x(t)微分(n-1)次得出的本征模态函数分量，构造剩余爆破振动信号为：

步骤11：循环进行步骤6至步骤8，直到n次积分后得到原爆破振动信号的每一阶imf分量及其残余爆破振动信号分量，此时原始的爆破振动信号能够表示成：

式中代表残余分量。

实施例二：针对某铁矿的东帮边坡岩体严重风化现象，考虑到爆破振动对边坡的影响，在东帮附近布设12个监测点。由于现场地质条件限制，12个监测点布置在东帮运输线路两侧并没有严格在一条直线上，监测点和爆区位置如图4所示，共对8个爆区所产生的爆破振动进行监测。测试过程中采用仪器为blast—um爆破振动监测系统，测振仪监测的振动速度范围为0.0047～33cm/s，频率范围为5～300hz，采样速率为10000sps。8#测点爆破振动原始信号波形如图5所示，对信号进行微积分经验模态分解。

具体工艺实施步骤按上述步骤1～11进行操作。

实施例三：针对某隧道爆破开挖工程，为确保周围的水电站安全，在爆破开挖过程中进行振动监测。在变电站厂房区域内最靠近爆源的n测线上拟布置5个测点,在另1区域内最靠近爆源的m测线上分别拟布置5个测点，如图6所示。离隧道进洞口中心线最近的测点分别为n和m，测试设备选用四川拓普数字设备有限公司开发研制的topbox振动自记仪，m点爆破振动原始信号波形如图7所示，对信号进行微积分经验模态分解。

具体工艺实施步骤按上述步骤1～11进行操作。

实施例四：针对齐大山铁矿爆破施工过程中，考虑爆破振动对边坡的放大效应，避免边坡失稳情况的发生，在距离爆源一定范围内的边坡上布置4个测点，测点布置如图8所示。测试过程中采用的仪器设备有tc-4850爆破测振仪、三维振动传感器及信号处理器。信号采样频率为2500hz，nyquist频率为1250hz。爆破振动信号原始波形图如图9所示，对信号进行微积分经验模态分解。

具体工艺实施步骤按上述步骤1～11进行操作。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。