-
作者
付晓强麻岩俞缙戴良玉黄凌君
-
单位
三明学院建筑工程学院华侨大学福建省隧道与城市地下空间工程技术研究中心三明科飞产气新材料股份有限公司福建省三明市翼宏建设工程有限公司
-
摘要
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。
-
关键词
隧道爆破时频谱灾害源特征提取爆破安全
-
基金项目(Foundation)
福建省自然科学基金(2020J01390)；三明学院国家基金培育计划(PYT2008)；国家自然科学基金(51874144,51679093)；
-
文章目录
1 相关算法
1.1 WVD
1.2 自动编码器模型
1.3 训练数据生成
2 仿真信号
2.1 仿真信号建立
2.2 仿真信号时频增强
3 隧道爆破振动信号时频增强分析
3.1 工程概况
3.2 时频谱增强与特征提取
3.3 雷管灾害识别与爆破安全
4 结 论
-
引用格式
付晓强,麻岩,俞缙,戴良玉,黄凌君.隧道爆破振动信号时频谱增强优化分析[J].矿业科学学报,2023,8(03):348-356.DOI:10.19606/j.cnki.jmst.2023.03.008.
矿业科学学报 
2023年第03期 
