樊文濤

(同煤浙能麻家梁煤業(yè)有限責(zé)任公司，山西 朔州 036000)

基于希爾伯特-黃變換的瓦斯特征信號處理研究

樊文濤

(同煤浙能麻家梁煤業(yè)有限責(zé)任公司，山西 朔州 036000)

通過研究煤礦中瓦斯數(shù)據(jù)信息的實際情況，在檢測瓦斯數(shù)據(jù)時采用希爾伯特-黃變換分析法，參考濃度時間瞬性，選取比較科學(xué)合理的方式來完成預(yù)測，使最后的預(yù)測更加有說服力，起到簡化預(yù)測流程的目的，能夠快捷地進(jìn)行瓦斯監(jiān)測信息預(yù)處理，為更準(zhǔn)確科學(xué)地預(yù)測瓦斯?jié)舛忍峁┯行Ю碚摶A(chǔ)。

瓦斯監(jiān)測；希爾伯特-黃；數(shù)據(jù)處理；預(yù)測精度

引 言

國內(nèi)的煤炭開采環(huán)境繁雜多變，在掘取技術(shù)、開采機器和管理角度上，跟發(fā)達(dá)國家相比，差距還是比較明顯。隨著礦井開采量越來越高，開采的深度及強度也隨之加大，而伴隨著產(chǎn)量上升，礦井可能出現(xiàn)的危害也會隨之增加，此形勢在擴大煤礦增產(chǎn)，加強經(jīng)濟利益方面均會造成影響，同時，也給煤礦安全帶來極大的挑戰(zhàn)，引起社會的廣泛關(guān)注，對我國煤炭工業(yè)的進(jìn)一步發(fā)展形成了制約[1-2]。本文通過參考通風(fēng)安全理論時間序列分析法，研究了日常瓦斯監(jiān)測數(shù)據(jù)，進(jìn)一步分析了取得數(shù)據(jù)節(jié)點處的瓦斯數(shù)據(jù)的相關(guān)性和相互關(guān)聯(lián)巷道監(jiān)測點數(shù)據(jù)強關(guān)聯(lián)性，通過以此為基礎(chǔ)，聯(lián)系性地進(jìn)行瓦斯?jié)舛阮A(yù)測研究，通過該途徑使預(yù)測結(jié)果更加準(zhǔn)確、可靠，得到的預(yù)警數(shù)據(jù)為以后的預(yù)測甚至礦井安全管理具有顯著地現(xiàn)實指導(dǎo)作用。

1 瓦斯監(jiān)測數(shù)據(jù)特性分析

煤企里面安裝的相關(guān)設(shè)備的安全監(jiān)測系統(tǒng)，可以不間斷地對井下的一氧化碳、二氧化碳、甲烷、氧氣等氣體濃度及風(fēng)速、壓力、粉灰度含量等環(huán)境數(shù)據(jù)進(jìn)行檢測，同時，監(jiān)測機器運行情況。這些數(shù)據(jù)的采集、傳輸都是在現(xiàn)實操作生產(chǎn)里面獲取的。井下特殊的環(huán)境情況非常的危險惡劣，許多干擾因素，如，氣溫、粉塵、濕度對監(jiān)測部件會造成影響，同時，在數(shù)據(jù)進(jìn)行獲取、傳輸、存貯、處理時，還可能有意想不到的情況發(fā)生，如，存儲介質(zhì)發(fā)生事故、傳感器無反應(yīng)、傳輸出現(xiàn)故障、電磁對傳輸產(chǎn)生干擾，另外，還有人員管理方面的原因。因井下特別復(fù)雜環(huán)境因素，還有系統(tǒng)自己的運行錯誤因素等，所以，在監(jiān)控系統(tǒng)獲取的監(jiān)測數(shù)據(jù)并不是任何時候均有作用，還可能存在數(shù)據(jù)失穩(wěn)、缺項還有監(jiān)測準(zhǔn)確度失效等情況，此外，還包括噪聲，體現(xiàn)出比較繁冗的非線性特征。

2 瓦斯監(jiān)測數(shù)據(jù)小波消噪處理

2.1 瓦斯?jié)舛葧r間序列小波分解

若采取小波基函數(shù)，其分解層數(shù)目不一致也會造成消噪結(jié)果效果不一致的現(xiàn)象，所以，有個比較適宜的函數(shù)和分解層數(shù)對于結(jié)果十分重要。在經(jīng)歷序列異常值處理及補缺后，數(shù)據(jù)波動仍然明顯，極大值點分布度一般不理想，所以，具有平滑度好、 sym4低的特點的小波基成了最佳選擇。比照小波原理，高層分解小波系數(shù)和序列低頻部分與之對應(yīng)，有效信號的組成也基本為低頻部分，因此，分解層次顯著度越高，濾掉低頻部分越強。盡管有了很好的去噪效果，但是也造成了不比較大的失真。所以，對瓦斯?jié)舛葧r間序列來說，其分解層數(shù)L太高并不有利，其層數(shù)要低于5時最佳。

1) 小波分解系數(shù)閾值處理

對時間序列消噪來講，因為造成瓦斯?jié)舛炔煌囊蛩囟喾N多樣，會引起濃度監(jiān)測信息數(shù)據(jù)不穩(wěn)定，具有很大的波動性，而且有效信號與噪聲之間有疊加，造成一定的干擾。在不同的過程中，一些監(jiān)測數(shù)據(jù)不具有很好的規(guī)律性，因此進(jìn)行閾值確定時，采取具有自適應(yīng)能力的無偏風(fēng)險估計方法比較適宜，這樣有利于使有效信號大部分保留。這樣確定閾值的方法則參考 Stein無偏似然估計原理，以此為基準(zhǔn)進(jìn)行閾值選取，對設(shè)定的閾值l，風(fēng)險值最低就可選取。估計算法對分解得到的小波系數(shù)平方值從低至高排列成向量，見式(1)：

W={w(k),k=1,2,Λ,Nk}

(1)

對向量中的各個元素，風(fēng)險值定義為式(2)：

(2)

2) 小波逆變換重新構(gòu)建

經(jīng)過采用小波逆變換方法，處理過閾值，待重新構(gòu)建后，能夠得到消噪的濃度時間序列。

2.2 時間序列HHT研究

因處于實際操作生產(chǎn)過程里，采用HHT能夠解決那些具有高復(fù)雜度且平穩(wěn)度不好的時間序列問題，我們通過展開瓦斯監(jiān)測數(shù)據(jù)組成的瓦斯?jié)舛葧r間序列，提出瞬時特征，對內(nèi)部包括的時間序列規(guī)律分量、趨勢項及含噪聲高頻分量進(jìn)行建模，接著開展預(yù)測，然后結(jié)果合成，使最后的預(yù)測比較簡單快捷[3]。通過預(yù)處理而形成時間均勻分布的時間序列，首先，經(jīng)HHT進(jìn)行EMD處理，將序列變?yōu)椴灰恢骂l率IMF分量，然后，經(jīng)Hilbert變換得到各分量瞬頻，將瓦斯?jié)舛葧r間序列，參考各分量瞬時頻率后，將其分成高頻、低頻與趨勢項，過程如下。

2.3 瓦斯?jié)舛葧r間序列分解

把經(jīng)預(yù)處理的瓦斯?jié)舛葧r間序列{xt,t=1,2,Λ,Nx}采用EMD法，能夠獲得IMF分量{imf1,imf2,Λ,imfM}及余項{xn(t),M<[log2Nx]+1,imfi}，與由原始數(shù)據(jù)分解后得到的時間序列{ct(t),t=1,2,L,Nx}相對應(yīng)，表示瓦斯?jié)舛葧r間序列包括的頻率自上而下分量。

1) 分解序列Hilbert變換

對于{imf1,imf2,Λ,imfM}，經(jīng)Hilbert變換獲得各個IMF分量瞬時頻率{f1,f2,Λ,fM}。需要注意的是，各個fi對應(yīng)一個序列{ft(t),t=1,2,Λ,Nx}，因瞬時頻率為時間函數(shù)，表現(xiàn)的是序列某時的局部頻率，因此，{f1,f2,Λ,fM}式中各fi表示時間序列分量局部瞬時特性，IMF在fi的劃分下，變成分布規(guī)律的低頻部分與波動性強烈的高頻部分。

2) 由瞬時頻率來劃分分量

2.4 瓦斯監(jiān)測數(shù)據(jù)預(yù)處理驗證模型

經(jīng)對原始監(jiān)測數(shù)據(jù)預(yù)處理獲得還算整齊的濃度數(shù)據(jù)，時間序列樣本信息；通過采取EMD法分解時間序列同時進(jìn)行Hilbert變換；把分解后獲得的IMF參考其瞬時頻率高低得出新的高低頻分量，同余項進(jìn)行順序性預(yù)測，將三者進(jìn)行相加得到最后數(shù)據(jù)信息。此流程參照第115頁圖1，詳細(xì)過程如下：

1) 監(jiān)測數(shù)據(jù)初步預(yù)處理。上線在監(jiān)測數(shù)據(jù)中會有不正常數(shù)據(jù)出現(xiàn)的現(xiàn)象；對時間間隔均勻不夠好的監(jiān)測數(shù)據(jù)變換成的時間間隔相對均勻的，再次參考巡檢周期，用某倍數(shù)再一次進(jìn)行樣獲取，得到整齊度比較好的時間序列，同時進(jìn)行消噪。

2) 在EMD法上的時間序列進(jìn)行分解。比照1)得到的序列進(jìn)行EMD過程，最終能夠獲取每個IMF分量{imf1,imf2,Λ,imfM}與表現(xiàn)濃度時間序列走勢的余項Xt(n)。

4) 在HHT法的角度開展預(yù)測。結(jié)合之前的預(yù)測途徑，對于較高頻xh分量、低頻l分量、余項xn采取依次順序的預(yù)測。

5) 獲得最后結(jié)果。將4)里3部分?jǐn)?shù)據(jù)結(jié)果相加獲得最早預(yù)測數(shù)據(jù)信息。

圖1 預(yù)測驗證模型流程圖

3 現(xiàn)實礦井條件下的預(yù)處理驗證

在進(jìn)行某礦的實際調(diào)查中，將其中2336瓦斯監(jiān)測點進(jìn)行分析，總共持續(xù)33 d，時間達(dá)2 847 547 s，間隔差最大43 852 s，均時98.37 s，獲取數(shù)據(jù)節(jié)點28 947個，最高瓦斯?jié)舛?.34%，最低為0。對于以上數(shù)據(jù)應(yīng)用瓦斯監(jiān)測數(shù)據(jù)預(yù)處理法來展開分析研究。獲得前30 d濃度數(shù)據(jù)，并以之為樣本，提前構(gòu)建好3種SVMR、RBFNN、AR預(yù)測模型；把最后3 d數(shù)據(jù)作為預(yù)測樣本，選取軟件MATLAB進(jìn)行編程運行，對比預(yù)測結(jié)果與實際數(shù)據(jù)，得出預(yù)測誤差，并以得到的結(jié)果來證實文中提出的預(yù)處理方法的可靠性。圖2為原始瓦斯?jié)舛葦?shù)據(jù)時間序列。在經(jīng)過對時間序列的不正常狀態(tài)進(jìn)行處理與數(shù)據(jù)補齊后，需要重新采集數(shù)據(jù)，因為巡檢周期范圍為10 s～30 s，所以本次采取樣本的頻率為每分鐘取1點，重采序列見圖3，然后，進(jìn)行小波消噪，結(jié)束之后時間序列見圖4。經(jīng)過零值替代最初時間序列，經(jīng)過插值處理后時間間隔就顯得普遍平滑均勻，和最初的數(shù)據(jù)信息趨勢保持相似，再經(jīng)軟閾值消噪，獲取的曲線又變得平整了一點，瞬時特征在此時就很容易提取。

采取EMD途徑警告處理后的數(shù)據(jù)如圖5。經(jīng)分解獲得的各IMF經(jīng)過Hilbert變換獲得瞬時頻率如第116頁表1。因為IMF7的瞬時頻率比IMF6幅度較低，把較高頻分量段設(shè)為IMF1～I(xiàn)MF6，較低頻分量設(shè)為IMF7～I(xiàn)MF12，接著，這兩頻分量分別進(jìn)行求和組成新高頻分量與低頻風(fēng)量，對高頻、低頻分量和余項采取10 min重采樣構(gòu)成新的樣本。在經(jīng)過AR、SVMR、RBFNN等模型進(jìn)行預(yù)測的高頻、低頻分量及余項。

圖2 原始數(shù)據(jù)時間序列

圖3 異常值處理、數(shù)據(jù)補缺后新采樣序列

圖4 消噪后序列

圖5 EMD處理結(jié)果

將后面的3 d劃分為9個8 h，與現(xiàn)場每班8 h組成1次相對應(yīng)預(yù)測模型，獲得結(jié)果，添加前8 h的數(shù)據(jù)開始1次模型構(gòu)建，然后，就通過以10 min的間隔開始進(jìn)行一次的預(yù)測。在經(jīng)過EMD進(jìn)行分解之后，得到了較高頻、較低頻這兩者分量求和結(jié)果，以及得到了余項預(yù)測結(jié)相對的IMF分量求和比照圖，如第116頁圖6所示。

表1 瞬時頻率表

圖6 各分量預(yù)測結(jié)果

4 結(jié)束語

通過研究實際生產(chǎn)中礦井瓦斯?jié)舛缺O(jiān)測信息數(shù)據(jù)特性，并以此為參考方向，重點研究了瓦斯監(jiān)測數(shù)據(jù)預(yù)處理的解決方法。主要過程包括：

1) 研究了礦井監(jiān)測數(shù)據(jù)的特征，得出其濃度時間序列復(fù)雜多樣性，同時其非線性特性很明顯。

2) 在進(jìn)行了礦井瓦斯?jié)舛葧r間序列HHT分

析之后，獲取了時間序列的瞬時特征，這些數(shù)據(jù)結(jié)果能夠把高度復(fù)雜、非線性的問題轉(zhuǎn)化為簡單且有規(guī)律性的問題，大大減少了工作量，明顯降低了預(yù)測難度。

3) 聯(lián)合分析了AR、RBFNN和SVMR預(yù)測模型，并且同時驗證了井下瓦斯監(jiān)測數(shù)據(jù)預(yù)處理選用方法的可行性，對實際情況的監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理，并把前、后的預(yù)測結(jié)果對比得出結(jié)果，表明，對瓦斯監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理對最后結(jié)果有好處，能夠使預(yù)測結(jié)果更加符合要求，且準(zhǔn)確性高，證實進(jìn)行預(yù)處理有助于提高預(yù)測結(jié)果準(zhǔn)確性。

4) 經(jīng)預(yù)處理和HHT分析驗證其有效性，這些均為以后此類領(lǐng)域的研究提供了有效的幫助。

[1] 陳華友.基于預(yù)測有效度的組合預(yù)測模型近似求解[J].安徽大學(xué)學(xué)報(自然科學(xué)版),2003,27(3):7-10.

[2] 姚恩營，周玉國.基于多尺度小波分解的時間序列預(yù)測方法研究[J].計算機時代,2009(1):4-6.

[3] 董丁穩(wěn)，常心坦.基于HHT方法的礦井瓦斯體積分?jǐn)?shù)預(yù)測[J].中國安全科學(xué)學(xué)報,2011,21(9):100-105.

Study on the characteristics of gas and signal processing based on Hilbert-Huang Transform

FAN Wentao

(Datong Zheneng Majialiang Coal Mine Co., Ltd., Shuozhou Shanxi 036000, China)

Through the study of the actual situation of gas data in coal mine, gas data is detected by analysis method of Hilbert-Huang Transform, this paper refers to instantaneous concentration time, selects appropriate, scientific and reasonable method to forecast, making the final prediction more persuasive and simplifying prediction process, so as to quickly preprocess the gas monitoring information and accurately and scientifically provide effective theoretical basis for future prediction of gas concentration.

gas monitoring; Hilbert-Huang; data processing; prediction accuracy

2017-03-13

樊文濤，男，1984年出生，2015年畢業(yè)于遼寧工程技術(shù)大學(xué)，碩士，助理工程師，從事煤礦安全工程方面的研究。

10.16525/j.cnki.cn14-1109/tq.2017.02.38

TD712

A

1004-7050(2017)02-0113-04

煤礦工程