科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对微差爆破实际延期间隔识别中容易出现的模态混叠和伪分量问题,提出了一种CEEMDAN算法结合排列熵和奇异值分解理论联合识别微差爆破延期时间的方法。以某微风化花岗岩场地实测爆破振动信号为例,分别采用EMD算法与CEEMDAN算法对仿真微差爆破信号和实测微差爆破信号实际延期间隔进行识别,在CEEMDAN算法识别的基础上,用排列熵定量检测保留爆破震动特征的有效IMF分量,对熵值大于0.5的IMF分量利用奇异值分解作处理,并采用Hilbert变换绘制相应IMF分量的包络谱。结果表明:CEEMDAN方法能识别微差爆破延期时间,且能有效克服模态混叠现象。经CEEMDAN法处理的数据依旧存在虚假分量的问题,通过排列熵检测和奇异值分解降噪处理有效地压制了噪声,使有效IMF分量的包络谱变得更光滑,从而进一步降低干扰,实现微差爆破延期时间的准确识别。
- 单位
