Coif5小波在煤岩声发射源定位中的应用研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (23): 215-219.

Coif5小波在煤岩声发射源定位中的应用研究

王宏伟，荣航，孙朋

辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛 125105

出版日期:2014-12-01 发布日期:2014-12-12

Research on application of Coif5 wavelet to locate acoustic emission source in coal-rock

WANG Hongwei, RONG Hang, SUN Peng

College of Electrical and Control Engineering, Liaoning Technical University, Huludao, Liaoning 125105, China

Online:2014-12-01 Published:2014-12-12

摘要/Abstract

摘要： 分析即将失稳的煤岩的声发射信号，可以确定煤岩体的状态。鉴于小波较好滤波特性，而传统时延估计对声发射源定位精度受噪声影响较大。为了准确地定位声发射源，提出了Coif5小波分析和TDE相结合的方法，既解决了传统时延相关估计方法易受噪声的影响，又解决了定位精度低的问题。在实验室建立监测系统，并对煤岩体样品进行单轴压缩的实验。实验结果表明，通过基于Coif5小波的TDE算法在能实现声发射源定位的同时，也大大减小了声发射源定位的误差。将其应用到即将失稳的煤岩体的预测预报中去，将为煤矿的安全生产保驾护航。

关键词: 声发射, 小波变换, 源定位, 时延估计

Abstract: The state of coal and rock can be determined through analyzing coal rock acoustic emission signal of forthcoming instability. Wavelet has the advantage of better filter characteristic, and traditional Time Delay Estimation（TDE） has an influence on Acoustic Emission（AE） source location precision. In order to accurate location of acoustic emission source, it presents a method in this paper, which combines Coif5 wavelet analysis with TDE, the method not only resolves traditional TDE’s shortcomings, which is susceptible to noise, but also resolves low position accuracy. It establishes a monitoring system in the laboratory, and the coal and rock samples are subjected to uniaxial compression test. The test results show that the system can realize acoustic emission source positioning based on Coif5 wavelet and TDE algorithm, at the same time, it also greatly reduces the acoustic emission source localization error. It can be applied to the forecasting for upcoming instability coal-rock, it will escort for coal safety production.

Key words: acoustic emission, wavelet transform, source location, time delay estimation

王宏伟，荣航，孙朋. Coif5小波在煤岩声发射源定位中的应用研究[J]. 计算机工程与应用, 2014, 50(23): 215-219.

WANG Hongwei, RONG Hang, SUN Peng. Research on application of Coif5 wavelet to locate acoustic emission source in coal-rock[J]. Computer Engineering and Applications, 2014, 50(23): 215-219.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	王杰，黄丽霞，张雪英. 改进DSB方法的语音信号多声源定位[J]. 计算机工程与应用, 2021, 57(1): 173-180.
[3]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[4]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[5]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[6]	王雨琪，刘博文，林果园. 基于URL语言特征的钓鱼网站检测算法[J]. 计算机工程与应用, 2019, 55(24): 84-90.
[7]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[8]	王巍，崔益豪，王彤，朱天宇，田立勤. 群智能算法在气体源定位中的应用综述[J]. 计算机工程与应用, 2019, 55(18): 21-33.
[9]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[10]	赵攀1，袁杰1，王宏伟1，2，米汤1. 基于决策树的羽流追踪机器人自主决策方法研究[J]. 计算机工程与应用, 2019, 55(14): 254-259.
[11]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[12]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[13]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[14]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[15]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.