深孔台阶爆破近区振动信号趋势项去除方法

韩亮; 刘殿书; 辛崇伟; 梁书锋; 凌天龙; 武宇; 李晨

doi:10.11883/bzycj-2016-0194

深孔台阶爆破近区振动信号趋势项去除方法

doi: 10.11883/bzycj-2016-0194

1.
华北科技学院安全工程学院, 北京 101601
2.
中国矿业大学(北京)力学与建筑工程学院, 北京 100083
3.
北京科技大学土木与环境工程学院, 北京 100083

基金项目:

中央高校基本科研业务费资助项目 3142017092

廊坊市科技支撑计划项目 2017013149

详细信息

作者简介:
韩亮(1985-), 男, 博士研究生, hanliang_1985@sina.com

中图分类号: O389
计量
- 文章访问数: 5212
- HTML全文浏览量: 2763
- PDF下载量: 117
- 被引次数: 0
出版历程
- 收稿日期: 2016-06-30
- 修回日期: 2016-09-20
- 刊出日期: 2018-09-25

Trend removing methods of vibration signals of deep hole bench blasting in near field

1.
Safety Engineering College, North China Institute of Science and Technology, Beijing 101601, China
2.
School of Mechanics and Civil Engineering, China University of Mining and Technology, Beijing 100083, China
3.
School of Civil and Environmental Engineering, University of Science and Technology Beijing, Beijing 100083, China

摘要

摘要: 基于深孔台阶爆破近区大量实测振动信号，总结了趋势项产生的原因主要为大振幅脉冲输入下的非线性失真及低频干扰叠加，在此基础上以测试仪器有效监测范围作为识别趋势项组成部分的判别准则。利用集合经验模态分解（ensemble empirical mode decomposition，EEMD）、小波分解等信号分析手段，提出了以固有模态函数（intrinsic mode function，IMF）的频带分布为指标、人工判别的趋势项去除方法，以及基于自相关分析识别噪声特征的小波阈值去噪方法。实例证明该方法切实有效，可实现爆破信号的批量化预处理。
- 近区 /
- 爆破震动 /
- 趋势项 /
- 集合经验模态分解 /
- 自相关分析 /
- 小波 /
- 去噪
Abstract: Based on a large number of measured vibration signals of deep hole bench blasting in near field, this paper has contributed the trend mainly to the nonlinear distortion and the low frequency interference superposition with a large amplitude pulse input. On this basis, the effective monitoring range of test instruments has been chosen as criteria to identify the part of the trend. Using ensemble empirical mode decomposition (EEMD), the wavelet analysis, and other signal analysis methods, a trend elimination method is proposed here, which is based on the combination of the frequency band distribution of each intrinsic mode function component and artificial identification. In addition, a wavelet threshold denoising method is also proposed based on autocorrelation analysis to identify noise characteristics. Examples show that the methods are effective and can be realized by batch pretreatment of blasting signals.
- near field /
- blasting vibration /
- trend /
- EEMD /
- autocorrelation analysis /
- wavelet /
- denoising

HTML全文

1.   麻省理工学院研究人员发现金属在极端冲击下愈热愈强的反常规现象^[1]

材料的强度依赖于加载测试时的速率，这是因为位错等缺陷的变形移动具有内在的动力学限制。随着变形应变率的增加，更多的强化机制被激发以增加其强度。麻省理工学院研究人员发现，在应变率大于 10⁶ s⁻¹ 的微弹道冲击测试中，当温度升高至157 ℃时，铜的强度会增加约30%，纯钛和金中也观察到了这种效应。这种现象是违反直觉的，因为几乎所有材料在正常条件下加热时都会变软。纯金属的这种异常热强化是由于控制变形机制从热激活强化转变为位错的类弹道传输引起的，位错通过声子相互作用受到阻力。这些认识为从高速加工操作到高超音速运输中更准确地模拟和预测材料在各种极端应变率条件下的性能提供了新的思路。

2.   耶路撒冷希伯来大学研究人员实验证实拉伸裂纹速度可突破经典速度限制^[2-3]

脆性材料会因快速裂纹而失效。经典断裂力学描述了拉伸裂纹的运动，这些裂纹在尖端的点状区域内将耗散掉被释放的弹性能。在这一框架内，“经典”拉伸裂纹并不能超过瑞利波速度。耶路撒冷希伯来大学研究人员实验利用水凝胶材料，通过实验证明了“超剪切”拉伸裂纹的存在。虽然水凝胶是一种柔性材料，但它的裂纹扩展特性完全遵循脆性材料断裂理论的预测。当水凝胶的拉伸状态超过极限时，拉伸裂纹的扩展速度明显地超过了瑞利波波速。超剪切动力学遵循的原理与指导“经典”裂纹的原理不同；这种断裂模式在临界（与材料相关）施加应变下被激发。这种非经典的拉伸断裂模式颠覆了对断裂力学的传统认知，亟需从理论层面揭示其存在的物理机制。

3.   北京大学等研究人员开发了一种动态强度高达14 GPa的碳纳米管纤维^[4]

北京大学、北京石墨烯研究院、中国科学院力学研究所、武汉大学、中国科学院苏州纳米技术与纳米仿生研究所等研究人员提出了一种高强碳纳米管纤维的多尺度结构优化策略，系统提高了碳纳米管管间作用、纤维取向性、致密性和动态强度。在动态冲击性能的研究中，研究人员利用微尺度高速冲击拉伸实验装置，发现纤维随着拉伸速度的提高发生韧脆失效模式的转变，具有显著的应变率强化效应。当应变率约1400 s⁻¹时，纤维的动态强度达到14 GPa，突破了现有高性能纤维强度。运用强激光诱导的高速横向冲击实验方法，揭示了微米直径纤维单丝在模拟弹道冲击加载下的动力学响应规律，发现由于冲击能量的快速非局域耗散而展现出优异的防护性能，纤维比能量耗散功率远高于凯夫拉等传统防弹纤维。这些发现表明碳纳米管纤维在冲击防护领域具有巨大的应用潜力。

图 1 趋势项去除流程

Figure 1. Removal process of trend

下载: 全尺寸图片幻灯片

图 2 EEMD方法分解结果

Figure 2. Decomposition results by EEMD method

下载: 全尺寸图片幻灯片

图 3 IMF分量频谱图

Figure 3. Frequency spectra of IMF component

下载: 全尺寸图片幻灯片

图 4 原始波形与重构波形

Figure 4. Original and reconstruction waveforms

下载: 全尺寸图片幻灯片

图 5 原始波形与重构波形频谱

Figure 5. Spectra of original and reconstruction waveforms

下载: 全尺寸图片幻灯片

图 6 IMF分量自相关函数图

Figure 6. Autocorrelation function graphs of IMF components

下载: 全尺寸图片幻灯片

图 7 小波阈值去噪前后波形对比

Figure 7. Contrast of wavelet thresholds before and after denoising

下载: 全尺寸图片幻灯片

表 1 信号测试条件

Table 1. Conditions of the test signal

测区	爆心距/m	最大段药量/kg
近区	65	2280

下载: 导出CSV

表 2 各IMF分量主频

Table 2. Dominant frequency of each IMF component

IMF分量	主频/Hz
IMF1	33.40
IMF2	14.40
IMF3	39.20
IMF4	32.40
IMF5	36.40
IMF6	19.40
IMF7	10.40
IMF8	7.60
IMF9	1.60
IMF10	1.00
IMF11	0.80
IMF12	0.60
IMF13	0.40
IMF14	0.20
r	0.00

下载: 导出CSV

参考文献(10)

[1]	陈燕, 刘哲, 郑宾, 等.基于LabVIEW的测试信号预处理方法研究[J].国外电子测量技术, 2008, 27(10):4-5, 16. doi: 10.3969/j.issn.1002-8978.2008.10.002 CHEN Yan, LIU Zhe, ZHENG Bin, et al. Study on test signal pre-processing method based on LabVIEW[J]. Foreign Electronic Measurement Technology, 2008, 27(10):4-5, 16. doi: 10.3969/j.issn.1002-8978.2008.10.002
[2]	王若平, 杨彦朋, 王国林, 等. EMD在路面不平度信号趋势中的应用[J].拖拉机与农用运输车, 2010, 27(10):64-66. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=tljynyysc201004024 WANG Ruoping, YANG Yanpeng, WANG Guolin, et al. Application of EMD to road routhness trend[J]. Tractor and Farm Transporter, 2010, 27(10):64-66. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=tljynyysc201004024
[3]	朱学峰, 韩宁.基于经验模态分解的非平稳信号趋势项消除[J].飞行器测控学报, 2012, 31(1):65-70. http://d.old.wanfangdata.com.cn/Periodical/fxqckxb201201016 ZHU Xuefeng, HAN Ning. Removal of non-stationary signal trend items by empirical mode decomposition[J]. Journal of Spacecraft TT&C Technology, 2012, 31(1):65-70. http://d.old.wanfangdata.com.cn/Periodical/fxqckxb201201016
[4]	龙源, 谢全民, 钟明寿, 等.爆破震动测试信号预处理分析中趋势项去除方法研究[J].工程力学, 2012, 29(10):63-68. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201205321457 LONG Yuan, XIE Quanmin, ZHONG Mingshou, et al. Research on trend removing methods in preprocessing analysis of blasting vibration monitoring signals[J]. Engineering Mechanics, 2012, 29(10):63-68. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QK201205321457
[5]	WU Zhaohua, HUANG N E. Ensemble empirical mode decomposition:a noise assisted data analysis method[J]. Advances in Adaptive Data Analysis, 2009, 1(1):1-41.DOI: 10.1142/S1793536909000047
[6]	朱艳芹, 杨先麟.几种基于小波阈值去噪的改进方法[J].电子测试, 2008(2):18-22. doi: 10.3969/j.issn.1000-8519.2008.02.005 ZHU Yanqin, YANG Xianlin. Several new methods based on wavelet thresholding denoising[J]. Electronic Test, 2008(2):18-22. doi: 10.3969/j.issn.1000-8519.2008.02.005
[7]	李夕兵, 张义平, 刘志祥.爆破震动信号的小波分析与HHT变换[J].爆炸与冲击, 2005, 25(6):528-535. doi: 10.3321/j.issn:1001-1455.2005.06.008 LI Xibing, ZHANG Yiping, LIU Zhixiang. Wavelet analysis and Hilbert-Huang transform of blasting vibration signal[J]. Explosion and Shock Waves, 2005, 25(6):528-535. doi: 10.3321/j.issn:1001-1455.2005.06.008
[8]	肖立波, 任建亭, 杨海峰.振动信号预处理方法研究及其MATLAB实现[J].计算机仿真, 2010, 27(8):330-337. doi: 10.3969/j.issn.1006-9348.2010.08.081 XIAO Libo, REN Jianting, YANG Haifeng. Study on vibration signal pre-processing method based on Matlab[J]. Computer Simulation, 2010, 27(8):330-337. doi: 10.3969/j.issn.1006-9348.2010.08.081
[9]	徐长发, 李国宽.实用小波方法[M].武汉:华中科技大学出版社, 2005.
[10]	陈隽, 李杰.振动信号趋势项提取的几种方法及其比较[J].福州大学学报(自然科学版), 2005, 33(增刊):42-45. http://d.old.wanfangdata.com.cn/Periodical/fzdxxb2005z1009 CHEN Jun, LI Jie. Methods for signal trend extraction and their comparison[J]. Journal of Fuzhou University (Natural Sciences Edtion), 2005, 33(Suppl):42-45. http://d.old.wanfangdata.com.cn/Periodical/fzdxxb2005z1009