本文選題：聲發(fā)射 + 煤與瓦斯突出　； 參考：《遼寧工程技術(shù)大學(xué)》2017年碩士論文

【摘要】：煤與瓦斯突出破壞性巨大,其發(fā)生往往具有突發(fā)性和不易偵測性的特點,只能被動地預(yù)防。煤與瓦斯突出災(zāi)害發(fā)生前往往伴隨著聲發(fā)射(AE)現(xiàn)象的產(chǎn)生,這可以作為突出災(zāi)害預(yù)測(突出可能性以及突出點)的重要依據(jù)。實際工程及應(yīng)用中引入聲發(fā)射相對強弱指標(biāo)(CR)進(jìn)行煤與瓦斯突出預(yù)警。為了提高聲發(fā)射技術(shù)在煤與瓦斯突出災(zāi)害的預(yù)警過程中的準(zhǔn)確性,針對煤礦井下噪聲來源及其性質(zhì),提出了具有針對性的聲發(fā)射復(fù)合濾波方法,首先采用小波分解濾除規(guī)則干擾,然后采用中值濾波法濾除脈沖噪聲,最后用奇異值分解法濾除隨機(jī)噪聲。為了對瓦斯突出災(zāi)害在發(fā)生發(fā)展過程中的演變過程進(jìn)行充分掌握,為井下工作人員提供可能的煤與瓦斯突出位置,提出煤巖體聲發(fā)射源定位方法,將優(yōu)化的改進(jìn)型多輸出支持向量機(jī)的智能算法應(yīng)用于具有特殊波形的井下聲源定位,采用KPCA-MA-MSVM方法針對輸入?yún)?shù)信號可能存在的耦合和冗余問題,以及多輸出支持向量機(jī)的內(nèi)部參數(shù)選擇問題進(jìn)行了優(yōu)化,采用核主成份分析法作用于樣本輸入,提取出新的獨立的重要影響因素,用文化基因算法作用于多輸出支持向量機(jī)模型,搜索支持向量機(jī)內(nèi)部最優(yōu)懲罰因子C,最后,利用鉛斷實驗來檢驗定位性能。結(jié)果表明:文中算法提高了試驗平臺聲發(fā)射定位的精度且定位時間少于其他定位算法,具有很高的實際應(yīng)用價值。
[Abstract]:Coal and gas outburst is very destructive, and its occurrence often has the characteristics of sudden and difficult detection. It can only be prevented passively. The occurrence of acoustic emission (AE) is often accompanied by the occurrence of acoustic emission (AE) before the occurrence of coal and gas outburst disaster. This can be used as an important basis for the prediction of the outburst disaster (prominent possibility and outburst point). In order to improve the accuracy of coal and gas outburst, the relative intensity index (CR) is used to improve the accuracy of the acoustic emission technology in the early warning process of coal and gas outburst. In view of the source and nature of the coal mine noise, a targeted acoustic emission composite filtering method is proposed. First, the wavelet decomposition is used to filter the interference of the rules, and then the noise is filtered. In order to fully grasp the evolution process of the gas outburst disaster in the course of development and provide the possible coal and gas outburst position for the underground workers, the method of locating the acoustic emission source of the coal and rock mass is put forward, and the optimized and improved multi transmission is put forward. The intelligent algorithm of support vector machine is applied to the location of sound source with special waveform. The KPCA-MA-MSVM method is used to optimize the problem of the possible coupling and redundancy of the input parameter signals and the selection of the internal parameters of the multi output support vector machine. The kernel principal component analysis is used to extract the sample input. The new independent important influence factor, using the cultural genetic algorithm to function in the multi output support vector machine model, search the optimal penalty factor C in the support vector machine. Finally, the lead breaking experiment is used to test the location performance. The results show that the algorithm improves the accuracy of the acoustic emission localization of the test platform and the positioning time is less than other location algorithms. It has high practical application value.
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TD713

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬媛媛;施永益;張宏;林棋;李千目;;基于文化基因算法和最小二乘支持向量機(jī)的安全數(shù)據(jù)特征處理方法[J];計算機(jī)科學(xué);2017年03期

2 程琳;楊杰;鄭東健;任杰;;基于Hankel矩陣聯(lián)合近似對角化的結(jié)構(gòu)模態(tài)識別[J];振動.測試與診斷;2016年06期

3 李帥永;王鵬飛;嚴(yán)冬;王平;黃心成;;氣體管道泄漏模態(tài)聲發(fā)射時頻定位方法[J];儀器儀表學(xué)報;2016年09期

4 林葉;;Mallat離散小波變換快速算法的ASIC實現(xiàn)研究[J];電子技術(shù)與軟件工程;2016年13期

5 王寧;謝敏;鄧佳梁;劉明波;李嘉龍;王一;劉思捷;;基于支持向量機(jī)回歸組合模型的中長期降溫負(fù)荷預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2016年03期

6 劉紅亮;陳維義;許中勝;;一種新的小波域維納濾波圖像去噪算法[J];海軍工程大學(xué)學(xué)報;2015年06期

7 于洋;王賽;;一種新的聲發(fā)射時差定位方法[J];化工自動化及儀表;2015年10期

8 陳棟;王恩元;李保林;李楠;;礦山微震定位有效信號自動識別研究[J];煤炭技術(shù);2015年10期

9 李庶林;林朝陽;毛建喜;黃玉仁;胡靜云;;單軸多級循環(huán)加載巖石聲發(fā)射分形特性試驗研究[J];工程力學(xué);2015年09期

10 張紅梅;韓萬剛;;一種新的變步長LMS自適應(yīng)濾波算法研究及其應(yīng)用[J];儀器儀表學(xué)報;2015年08期

相關(guān)博士學(xué)位論文 前3條

1 劉超;采動煤巖瓦斯動力災(zāi)害致災(zāi)機(jī)理及微震預(yù)警方法研究[D];大連理工大學(xué);2011年

2 劉衛(wèi)東;沖擊地壓預(yù)測的聲發(fā)射信號處理關(guān)鍵技術(shù)研究[D];中國礦業(yè)大學(xué);2009年

3 段東;煤與瓦斯突出影響因素及微震前兆分析[D];東北大學(xué)　;2009年

，

本文編號：2072095