Jun 22, 2023
Identificación de las características de vibración de voladura del agua subterránea.
Scientific Reports volumen 13, Número de artículo: 13557 (2023) Citar este artículo 218 Accesos Detalles de métricas La voladura se usa ampliamente en minería, metro, demolición y túneles sellados de agua subterránea, entre
Scientific Reports volumen 13, número de artículo: 13557 (2023) Citar este artículo
218 Accesos
Detalles de métricas
La voladura se usa ampliamente en minería, metro, demolición y túneles sellados de aguas subterráneas; entre ellos, este último es muy preocupante debido a sus numerosos túneles adyacentes, altos requisitos anti-filtración, estricto control de voladuras, etc. La identificación de las características de voladura es de gran importancia para la construcción de voladuras y la evaluación de seguridad del túnel sellado contra el agua subterránea. En vista del problema de que los métodos convencionales de identificación de características son menos explorados en túneles sellados de agua subterránea, se propuso una descomposición de modo empírico de conjunto complementario con ruido adaptativo y entropía de permutación multiescala y el método de transformada de Hilbert-Huang (HHT). Luego, el método propuesto fue verificado mediante la simulación numérica y la ingeniería del túnel sellado con agua subterránea de Huangdao. Los resultados muestran que el método propuesto puede suprimir el aliasing modal y el ruido de la señal e identificar eficazmente las características de voladura del túnel sellado con agua subterránea. Además, se resumió la energía de vibración de la explosión, que representa el 94,7% en el rango de frecuencia de 0 a 200 Hz y el 72,5% en el de 0 a 50 Hz. Además, se evaluó el estado de seguridad de cada punto de monitoreo mediante HHT y se identificó la viabilidad de una voladura de milisegundos. El método propuesto puede identificar eficazmente las características de vibración y el estado de seguridad del túnel sellado con agua subterránea desde la perspectiva del tiempo, la frecuencia y la energía.
La voladura, que es un medio de excavación económico y eficaz, se utiliza ampliamente en minería, ferrocarriles, túneles de carreteras, ingeniería hidroeléctrica, túneles sellados de aguas subterráneas y demolición de edificios urbanos de gran altura1,2,3. El almacenamiento en túnel sellado de agua subterránea se refiere a un sistema espacial subterráneo que utiliza el principio de sellado de agua para almacenar energía de petróleo y gas, excavado en una cierta profundidad de roca por debajo de un nivel estable de agua subterránea. Es conocido por la industria global como un “reservorio de reserva altamente estratégico y seguro” y se ha convertido en el principal método de almacenamiento de energía como el petróleo y el gas licuado a nivel internacional. El túnel sellado con agua subterránea se encuentra en un entorno dinámico de agua subterránea, con muchas cavernas adyacentes, altos requisitos anti-filtración, control estricto de voladuras, etc., lo que hace que la estabilidad del túnel y el control de seguridad sean la base para la construcción y operación segura. Durante su voladura y excavación, una parte de la energía de la explosión se utiliza para romper el macizo rocoso (deformar, destruir, mover y arrojar el macizo rocoso, etc.) mientras se realiza el trabajo en el macizo rocoso alrededor del barreno. Mientras tanto, otra parte de la energía se propagará dinámicamente al macizo rocoso en forma de ondas sísmicas explosivas, provocando vibraciones y daños en los túneles adyacentes y las instalaciones de soporte4,5. La ley de propagación, las características de la forma de onda, las características de energía y la ley de atenuación de las ondas sísmicas explosivas en el medio se pueden revelar monitoreando, extrayendo y analizando la información en la señal de vibración de la voladura y estudiando el espectro de frecuencia y las características de distribución de energía de la señal de vibración de la voladura6 ,7,8. El análisis y la evaluación de las vibraciones de las voladuras son de gran importancia para el efecto de calidad de la construcción de las voladuras y la seguridad y estabilidad de los túneles adyacentes9. Sin embargo, los métodos tradicionales de identificación de características se aplican principalmente a túneles comunes, minas y excavaciones de taludes, que se investigan con menos frecuencia en túneles sellados con agua subterránea. Por lo tanto, es necesario estudiar la identificación de las características de voladura para túneles sellados con agua subterránea.
La señal general de vibración de la voladura presenta características no estacionarias y no lineales debido a la influencia de ciertos factores, como el entorno complejo, la interferencia electromagnética y los errores de los instrumentos de monitoreo10. Algunos estudiosos utilizan ciertas técnicas de análisis de tiempo y frecuencia actuales para identificar y analizar la señal. La transformada rápida de Fourier (FFT) convierte la señal del dominio del tiempo completo al dominio de la frecuencia, analiza el cambio dinámico y las características de atenuación de la energía de las ondas sísmicas explosivas con el tiempo y la frecuencia instantánea y distingue diferentes tipos de formas de onda11. El análisis de wavelets puede realizar análisis de tiempo-frecuencia, análisis multibanda y análisis de características de distribución de energía e identificar las características de distribución de energía de ondas sísmicas explosivas con múltiples bandas de frecuencia en comparación con los métodos anteriores, que solo se pueden analizar a partir de un solo elemento, como el amplitud, frecuencia y duración de las ondas de vibración de las explosiones12. La descomposición de modo empírico (EMD) propuesta por Huang et al.13 puede realizar una descomposición adaptativa multicapa para las características de señales no estacionarias y no lineales y obtener la función de modo intrínseco (IMF)14, que contiene diferentes escalas de tiempo características y tiene su propio significado físico que puede resaltar las características locales de la señal y realizar análisis de resolución múltiple15. Los métodos EMD conjunto (EEMD) y EEMD complementario (CEEMD) se mejoran basándose en EMD añadiendo ruido blanco gaussiano. Estos métodos dividen la señal original en componentes de diferentes escalas en el espacio tiempo-frecuencia, son todos métodos de análisis de datos adaptativos asistidos por ruido16, pueden resolver el problema del aliasing modal hasta cierto punto y realizar descomposición adaptativa y extracción de características tiempo-frecuencia. de señales no estacionarias17. El CEEMD con ruido adaptativo (CEEMDAN), que también se ha mejorado sobre la base del EMD mediante la adición adaptativa de ruido blanco, reduce el fenómeno del aliasing modal, supera el problema del error de reconstrucción y puede reconstruir con precisión la señal original18.
Aunque la transformada de Fourier puede describir toda la distribución de frecuencia, no puede reflejar simultáneamente las características generales o locales de la señal en los dominios del tiempo y la frecuencia. Las condiciones de aplicación son duras y se producen ciertos problemas, como la confusión de los componentes de frecuencia en señales no estacionarias. La transformada wavelet (WT) es un tipo de transformada de Fourier con una ventana ajustable, pero no puede evitar las limitaciones de la transformada de Fourier. Además, la selección de la base de la wavelet afectará los resultados, y la longitud limitada de la wavelet provocará una fuga de energía de la señal, lo que dificultará el análisis cuantitativo de las características de distribución de energía, frecuencia y tiempo de la señal19. La DME a menudo contiene graves efectos de aliasing modal y divergencia de punto final cuando se descomponen ondas sísmicas explosivas ruidosas para obtener IMF, lo que afectará la precisión del análisis de la señal hasta cierto punto20. Aunque EEMD y CEEMD pueden dividir la señal original en diferentes componentes de escala en el espacio tiempo-frecuencia agregando ruido blanco gaussiano, no pueden eliminar completamente el ruido blanco agregado durante la reconstrucción y evitar la influencia del ruido residual, lo que resulta en una distorsión de la señal original21 . CEEMDAN puede resolver el fenómeno de aliasing modal causado por el método de descomposición tradicional, obtener componentes modales principales puros y mejorar la adaptabilidad del análisis HHT posterior22. Sin embargo, CEEMDAN todavía no puede evitar la influencia del ruido residual23. Mientras tanto, el método de análisis de energía tiempo-frecuencia basado en EMD o HHT se utiliza principalmente para identificar y analizar las características de vibración de las voladuras de la ingeniería de túneles y minería convencional, que rara vez se utilizan en la ingeniería de túneles sellados con agua subterránea. La identificación y el análisis de las características de vibración de la voladura de un túnel sellado con agua subterránea tendrán una importancia de gran alcance para el efecto de daño de la vibración del macizo rocoso y el control de seguridad de los túneles adyacentes.
Para resolver los problemas mencionados anteriormente en el procesamiento de señales de vibración de voladuras, analizar y evaluar las características de vibración de voladuras, la seguridad y la estabilidad en túneles sellados con agua subterránea, este trabajo emplea entropía de permutación multiescala (MPE) como método de detección de aleatoriedad y dinámica de señales. mutación para detectar la complejidad y aleatoriedad de los FMI derivados de la descomposición de CEEMDAN, eliminando ruido o componentes espurios para lograr la reducción y purificación del ruido de la señal, y proporcionar viabilidad para la posterior transformada de Hilbert24. El método CEEMDAN-MPE tiene muchas ventajas en términos de eliminación de ruido y discriminación adaptativa en comparación con otros métodos. Mientras tanto, en la extracción y análisis de características, la transformada de Hilbert-Huang (HHT), un nuevo método de procesamiento de señales no lineales y no estacionarias, rompe la limitación del principio de incertidumbre de Heisenberg y refleja con precisión las características de cambio de las señales en el dominio tiempo-frecuencia y energía. Investigaciones anteriores sobre señales de vibración de voladura consideran principalmente factores individuales, como frecuencia o amplitud, a través de FFT, WT, etc. En este trabajo, se emplea el método de análisis HHT para reflejar la distribución específica de la energía de la señal de vibración de manera integral y clara con el tiempo y la frecuencia. e identificar las características de la señal de vibración de voladura desde la perspectiva del tiempo, la frecuencia y la energía de manera efectiva.
En vista del problema de que los métodos tradicionales de identificación de características son menos explorados en túneles sellados de agua subterránea, este trabajo propone un método de identificación de señales anormales y reducción de ruido de CEEMDAN-MPE, que lleva a cabo la descomposición de la señal y la reducción de ruido y construye una señal de simulación analógica para comparar y verificar el método propuesto con EMD, WT y otros métodos relacionados. Luego, los métodos mencionados anteriormente en combinación con el método de análisis de características de energía y tiempo frecuencia HHT se aplican a la ingeniería del túnel sellado de agua subterránea de Huangdao. En primer lugar, se extraen y analizan las características tiempo-frecuencia y energía de las señales de vibración de la voladura. Además, se discuten la distribución tiempo-frecuencia y energía de la señal, la ley de atenuación de la propagación de energía, el estado de seguridad y la identificación del retraso de la voladura del túnel sellado con agua subterránea. Se muestra que el método propuesto en este trabajo puede ayudar a identificar las características de las señales de vibración de las voladuras y evaluar la seguridad del túnel sellado con agua subterránea.
El método CEEMDAN25 descompone la señal añadiendo ruido blanco adaptativo y calculando el único componente residual para eliminar el fenómeno de aliasing modal existente en EMD. Este método también resuelve el problema de la transferencia de ruido blanco de alta frecuencia a baja frecuencia y logra una descomposición adaptativa tiempo-frecuencia de señales no estacionarias y un cierto grado de reducción de ruido. El principio de realización es el siguiente:
Paso 1: Señal original: \(X\left( t \right)\)
\(v^{i} \left( t \right)\) es una señal de ruido blanco gaussiano con distribución normal estándar, y \(\varepsilon\) es la desviación estándar del ruido, sumando pares positivos y negativos de blanco gaussiano ruido a la señal original del experimento. El experimento de tiempo \(i\) se puede expresar como una nueva señal:
donde \(i = 1, 2, 3, \ldots , I\).
Paso 2: \(X^{i} \left( t \right)\) se descompone mediante EMD para obtener \(IMF_{1}\). Luego, se calcula el promedio sumado de los componentes para obtener los componentes modales de primer orden:
Residuales de los componentes modales de primer orden:
Paso 3: Se suma un ruido blanco gaussiano emparejado positivo y negativo \(\varepsilon v^{i} \left( t \right)\) al residuo \(r_{1} \left( t \right)\), y \(i\) se realizan experimentos de tiempo para obtener:
Se realiza EMD para obtener \(IMF_{2}\). Luego, se calcula el promedio sumado de los componentes para determinar el componente modal de segundo orden:
Residuales de los componentes modales de segundo orden:
Paso 4: Los pasos 2 y 3 se repiten hasta que el componente residual sea una función monótona y la descomposición no pueda continuar. Entonces, el algoritmo termina. El número de modos propios actualmente es \(K\). Posteriormente, la señal \(X\left( t \right)\) se puede descomponer en:
CEEMDAN puede realizar una descomposición adaptativa tiempo-frecuencia de señales no estacionarias y una reducción de ruido hasta cierto punto. Sin embargo, este algoritmo no aísla el ruido residual. En consecuencia, el ruido blanco añadido siempre se puede transferir de alta frecuencia a baja frecuencia, lo que da como resultado una señal de ruido blanco residual IMF. El MPE26 es un método para detectar la aleatoriedad y la mutación dinámica de la señal. La complejidad y aleatoriedad de cada componente descompuesto se puede detectar mediante MPE y el componente de ruido se puede eliminar para lograr la reducción del ruido de la señal. MPE realiza un análisis grueso de múltiples escalas de la serie temporal y calcula su entropía de permutación. El principio de implementación es el siguiente:
Paso 1: Se realiza un procesamiento de grano grueso en la secuencia \(X = \left\{ {x\left( i \right),i = 1,2,3,...,n} \right\}\) para obtener la secuencia de grano grueso procesada:
donde \(s\) es el factor de escala y \(y^{s} \left( j \right)\) es la serie de tiempo bajo diferentes factores de escala.
Paso 2: Se reconstruye la serie temporal \(y^{s} \left( j \right)\) para obtener:
donde \(m\) es la dimensión de incrustación y \(t\) es el tiempo de retraso.
Paso 3: Se calcula la entropía de permutación de la serie temporal bajo el factor de escala \(s\):
donde \(P_{j}\) es la probabilidad de que ocurra en el tiempo la secuencia de símbolos.
Paso 4: Se normaliza la entropía de permutación calculada anteriormente:
HHT13 es un nuevo método para tratar señales no lineales e inestables. Este método genera secuencias con características distintas al descomponer señales en varias escalas, lo que puede reflejar con precisión la ley de distribución de señales en diferentes espacios o escalas de tiempo. HHT se compone de dos partes: EMD y transformada de Hilbert. La señal se descompone en diferentes IMF a través de EMD para proporcionar un significado físico real a la frecuencia instantánea. Mientras tanto, la transformada de Hilbert se realiza en diferentes IMF para obtener el espectro de Hilbert y describir de manera integral el espectro de tiempo, frecuencia y energía de la señal. La transformada de Hilbert es la siguiente:
Para series de tiempo: \(F\left( t \right)\), la transformada de Hilbert es la siguiente:
donde \(K\) es el valor principal de Cauchy, cuando \(F\left( t \right)\) y \(G\left( t \right)\) son conjugados complejos y una señal analítica \(P \left( t \right)\) se puede obtener:
donde amplitud instantánea: \(a\left( t \right) = \sqrt {F^{2} \left( t \right) + G^{2} \left( t \right)}\); fase instantánea: \(\alpha \left( t \right) = \arctan \frac{G\left( t \right)}{{F\left( t \right)}}\); y frecuencia angular instantánea: \(\omega = \frac{d\alpha \left( t \right)}{{dt}}\).
La transformada de Hilbert proporciona una función única para encontrar la frecuencia instantánea y la amplitud instantánea. La transformada de Hilbert se realiza en cada componente del FMI para obtener el espectro de Hilbert:
(a) La distribución de amplitud en frecuencia y tiempo se puede obtener a partir de la fórmula anterior. Luego, se integra el espectro de Hilbert con el tiempo para obtener el espectro marginal:
El espectro marginal de Hilbert representa la acumulación de amplitud o energía en cada frecuencia en el tiempo y puede reflejar la concentración de energía en cada frecuencia.
(b) El cuadrado de la amplitud en el tiempo se integra para determinar el espectro de energía:
El espectro de energía de Hilbert refleja la acumulación de energía de cada frecuencia durante todo el tiempo.
(c) El cuadrado de la amplitud frente a la frecuencia se integra para obtener el espectro de energía instantáneo:
El espectro de energía instantánea de Hilbert refleja la acumulación y variación de la energía de la forma de onda en todo el dominio de la frecuencia en cada momento.
Se construye una señal de simulación analógica para verificar la viabilidad del filtrado de reducción de ruido CEEMDAN-MPE y la identificación de características propuestas en este trabajo. La señal está compuesta por una función seno estacionaria con una frecuencia de f = 100 Hz y un ruido blanco gaussiano con RMSE = 0,2. La frecuencia de muestreo es de 4 kHz, el tiempo de muestreo es t = 2 s y el número de puntos de muestreo es N = 8000. La señal sintética, la señal sinusoidal y el ruido se obtienen como se muestra en la Fig. 1.
(a) Señal de simulación. (b) Señal sinusoidal. (c) Señal de ruido.
Se utilizan cuatro métodos, a saber, EMD, EEMD, CEEMDAN y CEEMDAN-MPE, para el procesamiento de señales de las señales analógicas anteriores para obtener los primeros seis componentes IMF descompuestos y el espectro marginal de Hilbert de cada componente, como se muestra en la Fig. 2.
(a) Descomposición de la DME. (b) Espectro marginal de Hilbert.
Después de eliminar el ruido de la señal simulada por CEEMDAN, se calcula el MPE de cada FMI, como se muestra en la Tabla 1, y se evalúa la aleatoriedad y complejidad de cada componente del FMI. Después de muchos cálculos de prueba y referencias27, determinamos que este componente puede considerarse un componente anormal con una aleatoriedad considerable cuando MPE > 0,6 y debe eliminarse. Después de eliminar los componentes anormales, se obtiene una nueva señal mediante reconstrucción. Luego, se realiza CEEMDAN para obtener el espectro marginal de Hilbert y IMF final, como se muestra en la Fig. 5, y las señales antes y después del procesamiento se comparan en la Fig. 6.
Además, para verificar la capacidad de procesamiento del método CEEMDAN-MPE para la señal de simulación, se compararon los efectos de eliminación de ruido de Wavelet y Wavelet Package, y los resultados se obtuvieron de acuerdo con la SNR (relación señal a interferencia más ruido) y Indicadores RMSE (error cuadrático medio) como se muestran en la Tabla 2. Se puede ver que el método propuesto tiene la SNR más alta y el RMSE más bajo, lo que puede extraer mejor los componentes de la señal real de la señal de simulación y proporcionar una base para funciones posteriores. extracción.
Se pueden extraer las siguientes conclusiones analizando las Figs. 2, 3, 4, 5 y 6:
(a) Descomposición EEMD. (b) Espectro marginal de Hilbert.
(a) Descomposición de CEEMDAN. (b) Espectro marginal de Hilbert.
(a) Descomposición CEEMDAN-MPE. (b) Espectro marginal de Hilbert.
Comparación antes y después de CEEMDAN-MPE. (a) Señal original. (b) Señal procesada.
(1) Los componentes de alta frecuencia descompuestos por EMD tienen un fenómeno de alias modal obvio. EEMD y CEEMDAN tienen componentes falsos bajo la interferencia del ruido (es decir, componentes superiores a 250 Hz) y los componentes falsos son difíciles de identificar. El aliasing modal que se produce en las altas frecuencias todavía existe en el componente.
(2) Los primeros cuatro componentes de EMD, los primeros tres componentes de EEMD y los primeros cuatro componentes de CEEMDAN tienen un fenómeno de aliasing modal obvio. Según el análisis del espectro marginal de Hilbert correspondiente a cada componente, las frecuencias de los tres primeros componentes de EMD, EEMD y CEEMDAN superan los 250 Hz, superando ampliamente los 100 Hz de frecuencia de la señal real. Este hallazgo indica que este componente contiene un ruido de alta frecuencia considerable, pero su componente de baja frecuencia es relativamente estable.
(3) El fenómeno de aliasing modal todavía existe en el uso simple de CEEMDAN, y los tres primeros IMF tienen componentes de ruido de alta frecuencia. Se adopta MPE para detectar la aleatoriedad y la complejidad de cada componente. Después de eliminar los componentes anormales, las señales restantes se reconstruyen y descomponen para obtener siete FMI y un elemento de tendencia R como se muestra en la Fig. 5, donde se suprime el fenómeno de aliasing modal de los FMI descompuestos. Según el análisis del espectro marginal de Hilbert de cada componente, la frecuencia de cada componente está dentro de la señal de 100 Hz de la señal simulada y la energía de la señal se concentra principalmente en los primeros cinco componentes.
(4) El resultado de la comparación de la señal original y la señal procesada por CEEMDAN-MPE (Fig. 6) demuestra que el método de descomposición y reducción de ruido propuesto en este trabajo puede reducir efectivamente las rebabas e irregularidades en la señal manteniendo la Información sobre las características de la señal original y refleja mejor las características de la forma de onda de la señal.
En resumen, el método CEEMDAN-MPE diseñado en este trabajo puede eliminar el fenómeno de aliasing modal de la señal original, detectar eficazmente componentes anormales, eliminar el ruido de alta frecuencia, retener información real y mejorar la precisión del análisis en comparación con el método tradicional. Este método puede proporcionar un enfoque científico y eficaz para la identificación y análisis de las características de las señales de vibración de voladura posteriores.
La ingeniería de voladura del túnel sellado con agua subterránea de Huangdao está ubicada en el distrito de Huangdao, ciudad de Qingdao. Este proyecto es el primer depósito de petróleo de túnel sellado con agua subterránea a gran escala en China. La capacidad de almacenamiento diseñada es de 3 millones de m3, que se divide en dos proyectos individuales: subterráneo y aéreo. El proyecto subterráneo cuenta con un total de tres grupos de túneles, compuesto por nueve túneles principales, cinco túneles de cortina de agua, seis pozos de proceso, túneles de construcción, túneles de ventilación, etc. La sección del túnel principal es de muro recto y arco circular, con una luz de 20 m, una altura de 30 my una longitud total de 5,6 km. El tipo de macizo rocoso es principalmente grado II.
La disposición de los puntos de medición de monitoreo de vibraciones de voladura en el sitio se muestra en la Fig. 7. En la parte trasera del área de voladura, los puntos de medición 1# y 3# están dispuestos en la pared de roca al pie de la pared lateral; el punto de medición 2# está dispuesto en el perno de la pared lateral; el punto de medición 4# está dispuesto en la parte superior del túnel principal; y el punto de medición 5# está dispuesto en el túnel adyacente. El diseño de la sección de voladuras se muestra en la Fig. 8. Para el monitoreo se utiliza el registrador de voladuras BJY-III desarrollado independientemente. Se establece el sistema de monitoreo que se muestra en la Fig. 9, la frecuencia de muestreo es f = 5 kHz y cada punto de medición recopila la velocidad de vibración de las partículas en tres direcciones. El monitoreo de vibraciones de la voladura en sitio se muestra en la Fig. 10. Los parámetros de diseño de la voladura, la etapa de inicio del detonador y la carga de la sección se muestran en las Tablas 3 y 4.
El diseño del punto de medición de vibraciones de voladura.
El diseño de la sección de voladura.
El medidor de vibraciones de voladura y el sistema de monitoreo.
El seguimiento de las vibraciones de las voladuras en el túnel sellado por aguas subterráneas.
En combinación con el sistema de monitorización de vibraciones de voladura in situ, se selecciona como ejemplo un punto de medición típico, el llamado punto de medición 4#, para la extracción y análisis de señales. Las señales originales de monitoreo de vibraciones radiales, tangenciales y verticales se muestran en la Fig. 11.
Serie temporal de velocidades de vibración de voladuras. (a) Componente radial. (b) Componente tangencial. (c) Componente vertical.
El método CEEMDAN-MPE propuesto en este trabajo se adopta para procesar la señal en la dirección radial del punto de medición 4#, como se muestra en la Fig. 12. En la Fig. 12, la forma general de la señal después del filtrado y la reducción de ruido es intacto y se elimina el ruido.
Comparación entre los datos originales y los datos procesados. (a) Datos originales. (b) Datos procesados.
Se compara el espectro de Hilbert antes y después del procesamiento de la señal de vibración de la voladura, como se muestra en la Fig. 13. La frecuencia de la señal original está entre 0 y 2000 Hz, y la de la señal procesada está entre 0 y 500 Hz. Las señales de ruido superiores a 500 Hz se han eliminado de forma efectiva, lo que es coherente con la ley de distribución general de la frecuencia de vibración de las voladuras de túneles28.
El espectro de Hilbert. (a) Ante CEEMDAN-MPE. (b) Después de CEEMDAN-MPE.
El espectro marginal de Hilbert se obtiene a partir de la componente radial del punto de medición típico 4# mediante el método propuesto en este trabajo, y la distribución de amplitud de diferentes bandas de frecuencia se muestra en la Fig. 14. Mientras tanto, la frecuencia de vibración se divide en seis frecuencias. bandas para describir cuantitativamente la energía transportada por cada banda de frecuencia: 0–50 Hz, 50–100 Hz, 100–200 Hz, 200–300 Hz, 300–400 Hz y 400–500 Hz. Los cuadrados de los espectros de Hilbert radial, tangencial y vertical de los puntos de medición 1#–5# se integran en cada intervalo de banda de frecuencia, y la relación de energía de cada intervalo de banda de frecuencia se cuenta para obtener los datos que se muestran en la Tabla 5. Se cuenta la proporción de energía promedio de las tres primeras bandas de frecuencia (0–200 Hz) y se obtiene la proporción de energía de cada banda de frecuencia en cada punto de medición, como se muestra en la Fig. 15.
El espectro marginal de Hilbert del punto de medición 4# en la componente radial.
La relación de energía (%) de cada banda de frecuencia en cada punto de medición.
(1) La Fig. 13 muestra que la energía de la señal de vibración de la explosión se concentra principalmente en la región de baja frecuencia dentro de los 200 Hz. La amplitud acumulada es relativamente grande en el rango de frecuencia inferior a 86 Hz. Este hallazgo demuestra que la frecuencia de vibración de la voladura se desarrollará hacia la dirección de baja frecuencia (< 86 Hz), la amplitud cae rápidamente después de 86 Hz y la amplitud se atenuará progresivamente y tenderá a cero después de 200 Hz.
(2) La Tabla 5 y la Fig. 14 demuestran que la frecuencia entre 0 y 50 Hz transporta la mayor cantidad de energía promedio, representando el 72,5% de la energía total, lo que indica que es la banda de frecuencia principal. La frecuencia dentro de 200 Hz ocupa la mayor parte de la energía de la señal, representando el 94,7%, lo que indica que la frecuencia de vibración de la vibración de voladura está dentro de 200 Hz.
(3) Cuando se comparan las proporciones de energía promedio de los componentes radial, tangencial y vertical de los puntos de medición 1#–5# en la Tabla 5, la proporción de energía del componente vertical es la mayor en la banda de frecuencia principal (0–50 Hz). . Este resultado indica que la carga de vibración causada por la dirección vertical es la mayor y la dirección vertical del macizo rocoso del túnel es más probable que se dañe. Sin embargo, el punto de medición 5# en el túnel adyacente tiene la mayor proporción de energía del componente radial y su dirección radial tiene el mayor impacto.
El cuadrado del espectro de Hilbert en la componente radial de los puntos de medición 1#–5# se integra en todo el rango de frecuencia mediante el método propuesto en este trabajo. Se puede obtener el espectro de energía instantánea de Hilbert (cm2 s−2) de cada punto de medición en la componente radial, como se muestra en la Fig. 16.
El espectro instantáneo de Hilbert. (a) 1# punto de medición. (b) Punto de medición 2#. (c) Punto de medición 3#. (d) Punto de medición 4#. (e) Punto de medición 5#.
La identificación precisa del tiempo de retraso en la voladura diferencial es de gran importancia para la optimización del diseño de la voladura y la reducción de los efectos de las vibraciones de la voladura29. Tomando como ejemplo la dirección vertical del punto de medición 4#, el espectro de energía instantánea de Hilbert obtenido se muestra en la Fig. 16d. Cada pico del espectro de energía instantánea representa la liberación de energía provocada por la explosión del detonador. Los cinco picos representan el tiempo de detonación del detonador primero, tercero, quinto, séptimo y decimoquinto. Mientras tanto, se cuentan el tiempo de retardo teórico, el tiempo de retardo real y el intervalo de cada sección del detonador, como se muestra en la Tabla 6.
Según la Fig. 16 y la Tabla 6:
(1) La energía instantánea de la vibración de la explosión aumenta primero y luego disminuye, y aparecen varios subpicos después del pico. Tomando como ejemplo la componente vertical del punto de medición 4#, la energía instantánea de la señal de vibración de la explosión dura de 0,51 a 0,86 s después de la detonación. La duración es de 0,35 s y alcanza el pico a los 0,58 s. A continuación se hacen evidentes tres subpicos más, cuyo intervalo es de aproximadamente 100 ms. La energía de la señal muestra una tendencia de disminución gradual y se ajusta a la ley del intervalo de tiempo de voladura diferencial de 50 a 110 ms20.
(2) El pico de energía instantáneo representa la carga máxima de vibración de la voladura, lo que provoca un gran incremento de desplazamiento estructural30. Si la energía instantánea es considerablemente grande, entonces la estabilidad del macizo rocoso puede verse afectada fácilmente. Los picos de energía instantánea de los puntos de medición 1#, 2# y 3# (de cerca a lejos del área de voladura) ubicados al pie de la pared lateral y en el perno de la pared lateral son 0,077, 0,05 y 0,049 cm2 s−2, respectivamente , que son menores que 0,131 cm2 s−2 de los puntos de medición 4# (en el arco superior del túnel) y 0,107 cm2 s−2 de los 5# (en el túnel adyacente). Podemos concluir preliminarmente que la vibración de la voladura tiene poca influencia en la seguridad de la pared lateral así como en el soporte del perno de la pared lateral, y el efecto del soporte del perno es obvio. Además, el punto de medición 5# no tiene fluctuaciones de energía obvias después de alcanzar el pico de energía en 0,58 s, y su amplitud de atenuación de vibración es la mayor en comparación con otros puntos de medición. Esta noción indica que la vibración de la voladura tiene menos impacto en el túnel adyacente, lo que puede garantizar la estabilidad del macizo rocoso en el túnel adyacente durante la excavación con voladura.
(3) La energía instantánea del punto de medición 4# ubicado en el arco superior del túnel es la más grande (0,131 cm2 s−2), que es mayor que la de todos los demás puntos de medición. Esta noción indica que el impacto de la vibración de la voladura en el arco superior del túnel es mayor que el de la pared lateral del túnel. Lo mejor es reforzarlo con soporte y control del arco del techo.
(4) En todo el transcurso del tiempo de vibración, el segundo pico es el más grande, el tercer pico es más pequeño que el segundo y el cuarto pico es más pequeño que el tercer pico, lo cual es consistente con la carga de diseño de la tercera sección con el carga más grande y la séptima sección con una carga menor que la quinta sección. Mientras tanto, la Tabla 6 ilustra que los intervalos de retardo reales de las primeras cuatro secciones de detonadores están básicamente dentro del rango de los intervalos de retardo teóricos. El tiempo de detonación real calculado de cada detonador también está dentro del tiempo de detonación teórico y el efecto general de la voladura es bueno. Sin embargo, la cantidad de carga en la sección 15 es considerablemente grande, el pico de energía es pequeño y se produce una explosión prematura, lo que indica que la estructura de carga del detonador de la sección 15 debe mejorarse aún más (material suplementario).
En vista del problema de que los métodos tradicionales de identificación de características son menos explorados en túneles sellados con agua subterránea, en este trabajo se propuso el método CEEMDAN-MPE-HHT. El método apunta a sus características de excavación con voladuras y requisitos de protección de seguridad, combinando la adaptabilidad de la descomposición de la señal y la capacidad de detectar anomalías de la señal, y puede identificar las características de vibración y el estado de seguridad desde la perspectiva del tiempo, la frecuencia y la energía de manera efectiva. Se pueden sacar las siguientes conclusiones:
(1) El método propuesto puede suprimir eficazmente el aliasing modal y el ruido de la señal durante el procesamiento de la señal de vibración de voladura en comparación con los métodos tradicionales EMD, WT y otros métodos relacionados. Además, puede identificar las características de vibración de las voladuras de túneles sellados con agua subterránea desde la perspectiva del tiempo, la frecuencia y la energía de manera precisa y efectiva, y proporciona una base de referencia para mejorar la calidad de las excavaciones con voladuras y la seguridad de la construcción.
(2) La energía promedio acumulada de la vibración de las voladuras en el rango de frecuencia de 200 Hz ocupa el 94,7% de la energía total y el 72,5% de la energía total en el rango de frecuencia de 0 a 50 Hz, que es la banda de frecuencia principal. Entre las componentes radial, tangencial y vertical, la energía vertical representa la mayor proporción.
(3) Los resultados de la comparación del tiempo de retardo e intervalo teórico-real de la carga de voladura son consistentes, verificando la factibilidad del método de extracción y análisis de características propuesto en este trabajo para identificar voladuras diferenciales de milisegundos, y que tiene mejor resolución. y capacidad de identificación para emitir señales de vibración.
(4) La vibración de la voladura libera la mayor energía en el arco superior del túnel, y se deben reforzar el soporte y las precauciones de seguridad del arco superior. La liberación de energía de la pared lateral y los pernos de la pared lateral son los más pequeños, lo que tiene poco efecto en la seguridad del macizo rocoso del túnel, y la energía de vibración del túnel adyacente se atenúa más rápido, pero ninguno de ellos excede las normas de seguridad de voladuras (GB6722 -2014 Reglamento de Seguridad para Voladuras, China).
Cabe señalar que el método propuesto debe seleccionar parámetros apropiados para la detección de aleatoriedad de MPE después de la descomposición adaptativa de CEEMDAN. Por lo tanto, se requieren múltiples ensayos y literatura de referencia sobre la vibración en las voladuras.
Todos los datos generados o analizados durante este estudio se incluyen en este artículo publicado.
Wang, K., Liu, Z., Qian, X. & He, Y. Características dinámicas y reconocimiento de daños de la vibración del suelo inducida por explosiones para tuberías de transmisión de gas natural y sus sistemas integrados. Mec. Sistema. Proceso de señal. https://doi.org/10.1016/j.ymssp.2019.106472 (2020).
Artículo de Google Scholar
Luo, Y. et al. Distribución PPV de paredes laterales inducida por excavación de voladuras en cavernas subterráneas. Ciencia. Rep. 11, 6647. https://doi.org/10.1038/s41598-021-86055-y (2021).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Wu, L., Liang, Z. y Chen, M. Experimentos y simulación del movimiento de bloques en voladuras de banco submarinas. Ciencia. Rep. 13, 4703. https://doi.org/10.1038/s41598-023-31656-y (2023).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Jiang, N. y col. Efecto de la vibración de la voladura en la tubería enterrada: una breve descripción. Ing. Fallar. Anal. https://doi.org/10.1016/j.engfailanal.2021.105709 (2021).
Artículo de Google Scholar
Luo, Y. et al. Características de velocidad y frecuencia de vibración de la roca circundante del túnel adyacente bajo excavación con voladura. Ciencia. Rep. 12, 8453. https://doi.org/10.1038/s41598-022-12203-7 (2022).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Wang, X., Li, J., Zhao, X. y Liang, Y. Características de propagación y predicción de vibraciones inducidas por explosiones en túneles de roca muy espaciados. Tunn. Subgraduado. Tecnología espacial. https://doi.org/10.1016/j.tust.2022.104416 (2022).
Artículo de Google Scholar
Ding, X. y col. La ley de propagación de ondas de tensión explosivas y desarrollo de fracturas en rocas compuestas blandas y duras. Ciencia. Rep. 12, 17120. https://doi.org/10.1038/s41598-022-22109-z (2022).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Jia, B., Zhou, L., Cui, J. y Chen, H. Modelo de atenuación de la velocidad de vibración de la explosión de un túnel basado en la influencia de la superficie libre. Ciencia. Rep. 11, 21077. https://doi.org/10.1038/s41598-021-00640-9 (2021).
Artículo ADS PubMed PubMed Central Google Scholar
Jiang, Y. & Niu, G. Un filtro iterativo de seguimiento de envolvente en el dominio de la frecuencia para la descomposición de señales dispersivas en el monitoreo de la salud estructural. Mec. Sistema. Proceso de señal. https://doi.org/10.1016/j.ymssp.2022.109329 (2022).
Artículo de Google Scholar
Wang, H. y col. El método de eliminación del elemento de tendencia de la señal de vibración de voladura y el ruido. Vibración de choque. 2021, 1–10. https://doi.org/10.1155/2021/1645380 (2021).
Artículo de Google Scholar
Li, B. y col. Discriminación de diferentes formas de onda microsísmicas de voladuras y minas mediante FFT, SPWVD y método multifractal. Reinar. Ciencia de la Tierra. https://doi.org/10.1007/s12665-020-09330-7 (2021).
Artículo de Google Scholar
Huang, D., Cui, S. y Li, X. Análisis de paquetes Wavelet de la señal de vibración de voladura de un túnel de montaña. Din. del suelo. Tierraq. Ing. 117, 72–80. https://doi.org/10.1016/j.soildyn.2018.11.025 (2019).
Artículo de Google Scholar
Huang, NE y cols. La descomposición del modo empírico y el espectro de Hilbert para análisis de series temporales no lineales y no estacionarias. Proc. R. Soc. Una Matemática. Física. Ing. Ciencia. 454, 903–995. https://doi.org/10.1098/rspa.1998.0193 (1998).
Artículo ADS MathSciNet MATH Google Scholar
Bi, F., Ma, T. & Wang, X. Desarrollo de un nuevo método de detección de características de detonación para motores de gasolina basado en la eliminación de ruido de ondas y la descomposición de EMD. Mec. Sistema. Proceso de señal. 117, 517–536. https://doi.org/10.1016/j.ymssp.2018.08.008 (2019).
ADS del artículo Google Scholar
Lu, L., Ren, W.-X. y Wang, S.-D. Transformada fraccionaria de Fourier: representación tiempo-frecuencia e identificación estructural de frecuencia instantánea. Mec. Sistema. Proceso de señal. https://doi.org/10.1016/j.ymssp.2022.109305 (2022).
Artículo de Google Scholar
Liu, X., Shi, G., Liu, W. y Wu, W. Un método mejorado de descomposición de modo empírico para señales de vibración. Alambre. Comunitario. Multitud. Computadora. 2021, 1–8. https://doi.org/10.1155/2021/5525270 (2021).
Artículo de Google Scholar
Yin, C. y col. Extracción de características de fallas débiles de rodamientos basada en EMD mejorado con reconstrucción de ruido en conjunto y eliminación de ruido de umbral adaptativo. Mec. Sistema. Proceso de señal. https://doi.org/10.1016/j.ymssp.2022.108834 (2022).
Artículo de Google Scholar
Peng, Y., Liu, Y., Zhang, C. y Wu, L. Un novedoso modelo de eliminación de ruido de señal de vibración de perforación y voladura submarina basado en CEEMDAN. Árabe. J. Ciencias. Ing. 46, 4857–4865. https://doi.org/10.1007/s13369-020-05274-z (2021).
Artículo de Google Scholar
Li, X. y col. Análisis de terremotos y explosiones de minerales naturales basado en la transformada de Hilbert-Huang (HHT). J. Aplica. Geofís. 128, 79–86. https://doi.org/10.1016/j.jappgeo.2016.03.024 (2016).
ADS del artículo Google Scholar
Wu, J., Wu, L., Sun, M., Lu, Y.-N. y Han, Y.-H. Análisis e investigación sobre el retraso de la red de voladuras en la zona de falla del cruce del túnel de desvío profundamente enterrado basado en EP-CEEMDAN-INHT. Geotecnología. Geol. Ing. 40, 1363-1372. https://doi.org/10.1007/s10706-021-01968-9 (2021).
Artículo de Google Scholar
Sun, M. y col. Modelo fluido de eliminación de ruido de señales de ondas sísmicas basado en un algoritmo de eliminación de ruido de dos etapas. Geosistema. Ing. 23, 234–242. https://doi.org/10.1080/12269328.2020.1778543 (2020).
Artículo CAS Google Scholar
Zhao, Y., Shan, RI y Wang, Hola. Investigación sobre el efecto de vibración de la voladura de túneles basada en una transformada mejorada de Hilbert-Huang. Reinar. Ciencia de la Tierra. https://doi.org/10.1007/s12665-021-09506-9 (2021).
Artículo de Google Scholar
Zhao, Y., Shan, R.-L., Wang, H.-L., Tong, X. y Li, Y.-H. Análisis de regresión del efecto de las vibraciones de voladura en túneles transversales. Árabe. J. Geosci. https://doi.org/10.1007/s12517-021-08257-y (2021).
Artículo de Google Scholar
Ma, H. y col. Investigación sobre tecnología de identificación de vibraciones explosivas basada en entropía energética EEMD y multiclasificación SVM. Vibración de choque. 2020, 1–10. https://doi.org/10.1155/2020/7893925 (2020).
Artículo de Google Scholar
Torres, ME, Colominas, MA, Schlotthauer, G., Flandrin, P. & IEEE. En la Conferencia Internacional IEEE sobre Acústica, Habla y Procesamiento de Señales (ICASSP) 4144–4147 (2011).
Aziz, W., Arif, M. e IEEE. En la Novena Conferencia Internacional Multitemática de Pakistán 368–373 (2005).
Li, J. & Li, Q. Pronóstico de carga eléctrica a mediano plazo basado en entropía de permutación CEEMDAN y ESN con neuronas integradoras con fugas. Control eléctrico de Mach 19, 70–80 (2015).
Google Académico
Hao, X., Xu, Y. & Liu, H. Estudio sobre las características de propagación de ondas sísmicas en voladuras de excavación de túneles de roca. Conferencia de la PIO. Ser. Entorno terrestre. Ciencia. https://doi.org/10.1088/1755-1315/455/1/012166 (2020).
Artículo de Google Scholar
Shi, X.-Z. et al. Aplicación de la identificación del tiempo de retardo basada en la transformada de Hilbert-Huang en la optimización de voladuras de milisegundos cortos. Trans. Met no ferroso. Soc. China 26, 1965-1974. https://doi.org/10.1016/s1003-6326(16)64310-8 (2016).
Artículo de Google Scholar
Zhao, H.-B., Long, Y., Li, X.-H. & Lu, L. Investigación experimental y numérica del efecto de la vibración inducida por la explosión del túnel adyacente en el túnel existente. KSCE J. Civilización. Ing. 20, 431–439. https://doi.org/10.1007/s12205-015-0130-9 (2015).
Artículo de Google Scholar
Descargar referencias
Se agradece el apoyo financiero de la Fundación Nacional de Ciencias Naturales de China bajo la Subvención No. 42174052.
Escuela de Geodesia y Geomática, Universidad de Wuhan, Wuhan, 430079, China
Xiaokang Rao y Shengxiang Huang
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
XR: responsable de la adquisición de datos, análisis y redacción del manuscrito. SH: responsable del diseño de este estudio y de la interpretación de los resultados. Todos los autores revisaron el manuscrito.
Correspondencia a Shengxiang Huang.
Los autores declaran no tener conflictos de intereses.
Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.
Reimpresiones y permisos
Rao, X., Huang, S. Identificación de las características de vibración de la voladura del túnel sellado con agua subterránea. Representante científico 13, 13557 (2023). https://doi.org/10.1038/s41598-023-40728-y
Descargar cita
Recibido: 15 de junio de 2023
Aceptado: 16 de agosto de 2023
Publicado: 21 de agosto de 2023
DOI: https://doi.org/10.1038/s41598-023-40728-y
Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:
Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.
Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt
Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.