爆破振动信号时频分析与爆破振动特征参量和危害预测研究

摘要

爆破振动信号时频分析是研究爆破振动危害控制的基础，爆破振动特征参量预测和危害预测是控制爆破振动危害的前提。 本文以作者近年负责和参与的多个爆破安全项目作为工程依托，在大量爆破振动观测数据的基础上，应用时频分析理论技术、粗糙集理论和模糊神经网络理论，在比较各种类型的时频变换的基础上，选择了适合爆破振动信号分析的二次型时频变换；利用选择的变换分析了不同条件下爆破振动信号的时频特征；采用粗糙集模糊神经网络建立了爆破振动预测模型；利用建立的模型预测了铜绿山矿露天采场爆破振动的特征参量，建立了综合考虑爆破振动幅值、主频率、主频率持续时间以及结构动力特性等因素的铜绿山矿露天采场周围民房破坏程度的预测模型。 对照国内外爆破振动信号分析和预测相关研究，取得了如下创新性研究成果： (1)通过对各种类型的时频变换处理爆破振动信号进行比较，得出二次型时频变换是一种更加直观、合理、时频分辨率更高的信号时频表示方法，该方法在爆破振动信号处理方面的应用，可以使研究人员获得更详细、更精确的爆破振动信息；选择了重排平滑伪Wigner-Ville分布作为爆破振动信号分析的二次型时频变换。 (2)首次采用重排平滑伪Wigner-Ville分布对不同条件下的爆破振动信号进行了分析，揭示了不同条件下爆破振动信号的时频特征。得出了单段和多段爆破振动信号都具有多主频特征，信号最大幅值对应多个频率，信号的主频率应是最大能量密度对应的频率，主频率在时域内一般有较长的持续时间的结论。 (3)首次应用基于粗糙集的模糊神经网络实现了爆破振动特征参量(峰值质点振动速度、主频率和主频率持续时间)的预测。 (4)首次应用基于粗糙集的神经网络实现了综合考虑爆破振动幅值、主频率、主频率持续时间以及民房结构动力特性等因素的对民房破坏程度预测。 (5)首次应用粗糙集理论对爆破振动特征参量的影响因素和民房破坏程度的影响因素进行了敏感性分析。

目录

文摘

英文文摘

声明

第一章绪论

1.1前言

1.2研究现状

1.2.1爆破振动信号分析

1.2.2爆破条件对爆破振动的影响

1.2.3爆破振动预报

1.2.4爆破振动危害预报

1.3存在问题与研究意义

1.4本文的主要工作

第二章信号时频分析技术

2.1时频分布一般理论

2.1.1信号双线性变换和局部相关函数

2.1.2时频分布的基本性质要求

2.1.3时频分布的二次叠加原理

2.1.4模糊函数

2.2几类重要的能量分布

2.2.1 Cohen类

2.2.2仿射类

2.2.3时频分布的重排

2.3基于MATLAB时频分析工具

2.4适合爆破振动信号处理的时频分布类型

2.5本章结论

第三章不同条件下的爆破振动信号时频特征研究

3.1不同条件下爆破振动的测试

3.1.1测试地点及条件

3.1.2测试设备介绍

3.2描述爆破振动信号时频特征的参量

3.3爆源因素对爆破振动信号时频特征的影响

3.3.1段药量的影响

3.3.2前排抵抗线的影响

3.3.3微差间隔时间的影响

3.3.4起爆顺序的影响

3.4非爆源因素对爆破振动信号时频特征的影响

3.4.1位置条件对时频特征的影响

3.4.2场地和地质构造对时频特征的影响

3.5本章结论

第四章基于粗糙集模糊神经网络的爆破振动预测模型

4.1引言

4.2神经网络

4.2.1人工神经元

4.2.2BP神经网络

4.3模糊神经网络

4.3.1模糊神经元

4.3.2模糊神经元的学习和自适应机制

4.3.3正规化模糊神经网络

4.4粗糙集理论基础

4.4.1基本概念

4.4.2知识的约简

4.4.3决策规则和决策算法

4.4.3决策表的约简

4.5基于粗糙集模糊神经网络的爆破振动预测模型

4.6本章结论

第五章基于粗糙集模糊神经网络的爆破振动特征参量预测

5.1引言

5.2爆破振动实测数据的约简集计算

5.2.1相关因素的确定和实测数据

5.2.2实测数据决策表及其约简

5.2.3爆破振动特征参量影响因素的敏感度

5.3爆破振动特征参量的模糊神经网络预报

5.3.1输入输出参量与网络的拓扑结构

5.3.2输入输出参量的归一化处理

5.2.3模糊输入参量的模糊化

5.3.4模糊神经网络性能分析

5.4本章结论

第六章基于粗糙集神经网络的爆破振动危害预测研究

6.1引言

6.2爆破振动对民房破坏程度的影响因素

6.2.1爆破振动作用下民房的破坏机制

6.2.2民房破坏程度主要影响因素的确定

6.3实测数据的获取与约简集计算

6.3.1实测数据的获取

6.3.2实测数据决策表及约简

6.3.3影响民房等级因素的敏感度

6.4爆破振动对民房破坏程度的神经网络预报

6.4.1输入输出参量与网络的拓扑结构

6.4.2网络输入输出的归一化

6.4.3神经网络性能分析

6.5本章结论

第七章结论

7.1论文主要结论

7.2论文主要创新点

参考文献

附录

致谢

攻读博士学位期间的主要研究成果