Resumen

La extracción de características de alta precisión de las señales microsísmicas es un requisito importante para el reconocimiento multicategoría de las señales microsísmicas, y también es una base importante para los módulos de detección inteligente en minas inteligentes. Con el objetivo de abordar el problema de la extracción de características no obvias de las señales microsísmicas de minas de múltiples clases, este artículo se basa en el método de aprendizaje no supervisado en el método de aprendizaje profundo, combinado con la relación de energía de paquete de wavelet y la descomposición de valores singulares de módulo empírico, y propone un método basado en la energía de paquete de wavelet y la descomposición de valores singulares de módulo empírico (M-W&E). Este método realiza primero la descomposición de valores singulares de módulo empírico y la relación de energía de paquete de wavelet en la señal microsísmica para construir el vector de características básicas y luego utiliza el algoritmo de aprend

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Extracción de características; Señales microsísmicas; Aprendizaje no supervisado; Energía de paquetes de ondas; Descomposición de valores singulares modulares empíricos; Módulos de detección inteligentes
• Keywords:Feature extraction; Microseismic signals; Unsupervised learning; Wavelet packet energy; Empirical modulus singular value decomposition; Intelligent sensing modules