隧道爆破振动信号时频谱增强优化分析

TD235.1; 针对隧道爆破振动信号时频解析度不足的难题,运用基于卷积神经网络的时频图像增强算法,增强实测隧道爆破信号时频图像,捕获到爆破信号能量在时频域上的聚集范围,从而重构得到反映爆破特征的真实信号;根据真实信号对爆破网络中雷管的起爆时刻进行了精确判别,识别隧道爆破雷管灾害源特征.分析表明:基于卷积神经网络的时频图像增强算法可有效抑制信号中的交叉项,最大限度地保留信号自有项,提高爆破信号能量聚集性和时频解析度;不同批次雷管混用是隧道安全的主要致灾因素,应加强监管以实现隧道安全高效施工....

Full description

Saved in:
Bibliographic Details
Published in矿业科学学报 Vol. 8; no. 3; pp. 348 - 356
Main Authors 付晓强, 麻岩, 俞缙, 戴良玉, 黄凌君
Format Journal Article
LanguageChinese
Published 三明学院建筑工程学院,福建三明 365004 2023
华侨大学福建省隧道与城市地下空间工程技术研究中心,福建厦门 361021
三明科飞产气新材料股份有限公司,福建三明 365500%福建省三明市翼宏建设工程有限公司,福建三明 365499%华侨大学福建省隧道与城市地下空间工程技术研究中心,福建厦门 361021%三明科飞产气新材料股份有限公司,福建三明 365500%三明学院建筑工程学院,福建三明 365004
Subjects
特征提取
灾害源
隧道爆破
爆破安全
时频谱
Online AccessGet full text

Cover

More Information
Summary:TD235.1; 针对隧道爆破振动信号时频解析度不足的难题,运用基于卷积神经网络的时频图像增强算法,增强实测隧道爆破信号时频图像,捕获到爆破信号能量在时频域上的聚集范围,从而重构得到反映爆破特征的真实信号;根据真实信号对爆破网络中雷管的起爆时刻进行了精确判别,识别隧道爆破雷管灾害源特征.分析表明:基于卷积神经网络的时频图像增强算法可有效抑制信号中的交叉项,最大限度地保留信号自有项,提高爆破信号能量聚集性和时频解析度;不同批次雷管混用是隧道安全的主要致灾因素,应加强监管以实现隧道安全高效施工.
ISSN:2096-2193
DOI:10.19606/j.cnki.jmst.2023.03.008