论文部分内容阅读
摘要:本文以基于波形特征的矿山微震与爆破信号模式识别为题,分别通过标定爆破和人工识别的方式先后建立矿山微震和爆破信号数据库。依据这两类数据库提取了七个波形特征参数。将波形特征参数与传统模式识别方法中的Fisher线性判别方法结合,建立了能够识别98%以上微震事件和爆破事件的综合识别数学模型。具体研究成果及结论如下:(1)以井下实测噪音信号为基础,统计分析了包括凿岩冲击、溜井放矿、铲运机作业、电源干扰和风机振动在内的噪音信号波形特征特征。(2)通过跟踪记录井下爆破时间和位置并应用监测信号反演震源坐标的方式,建立准确的爆破信号数据库,分析了该数据库内爆破信号的波形特征和频谱特征,分析表明爆破信号在时窗范围内多由若干相似部分重复出现构成;通过对用沙坝矿采场回采爆破信号的FFT变换,确定该类爆破波形的主频主要分布于60~200Hz。(3)依据结论(1)和结论(2),对用沙坝矿微震监测数据内的背景噪音信号和爆破信号进行排除,在剩余数据中依次通过主频分布验证、ES/EP验证和Brune模型验证建立了微震事件信号数据库。(4)对比数据库内两类信号的波形起振特征和波形相关特征,提取出了七个可以识别微震信号和爆破信号的特征参数,依次为:首次峰值到时、首次峰值振动速度、首次峰值起振趋势线斜率和最大峰值到时、最大峰值振动速度、最大峰值起振趋势线斜率及波形自相关系数。(5)将上述波形特征参数与Fisher线性判别方法结合,建立了综合识别数学模型。该模型能够识别98%以上的爆破和微震事件,大大缩减了人工识别工作量,对微震监测技术在矿山的推广应用具有重要意义。