基于EEMD-SVM 的混凝土大壩活動裂紋電磁輻射信號識別方法

摘 要： 為解決混凝土大壩活動裂紋電磁輻射信號與電磁干擾信號混淆、識別準確率低的問題，該文提出一種基于集成經驗模態分解（EEMD）-支持向量機（SVM）的混凝土大壩活動裂紋電磁輻射信號識別方法。該方法利用EEMD 將混凝土大壩周圍環境電磁輻射信號分解為多個本征模態函數，構建漢克爾矩陣和奇異值分解方法，獲取不同本征模態函數的平均值、方差和峭度值等信號特征量，結合SVM 識別混凝土大壩活動裂紋電磁輻射信號和周圍環境干擾噪聲。對400 組混凝土活動裂紋電磁輻射信號與干擾噪聲進行比較，所提出的方法識別成功率高，最終識別準確率大于95%，高于其他傳統信號處理算法的識別率，可為混凝土大壩活動裂紋的識別提供參考依據。

關鍵詞： 混凝土大壩; 活動裂紋; 電磁輻射; EEMD-SVM; 信號識別

中圖分類號： TB9 文獻標志碼： A 文章編號： 1674–5124（2025）03–0016–06

0 引 言

混凝土大壩作為重要的水利工程結構，承擔著水資源調控和防洪任務。然而，長期的自然和人為因素的影響，使混凝土大壩存在越來越多的活動裂紋?；顒恿鸭y一旦發生快速擴展，將導致混凝土大壩內部結構破壞，易發生安全事故[1-2]。因此，準確、及時地監測和識別混凝土大壩中的活動裂紋是至關重要的工作。

研究表明，混凝土等脆性材料在開裂過程中，裂紋表面存在電荷的產生和移動，從而產生電磁輻射現象[3-4]。然而，混凝土大壩周圍電磁環境復雜，活動裂紋產生的電磁輻射信號弱，電磁干擾噪聲時域波形與活動裂紋產生的電磁信號類似。若依靠人工方式識別活動裂紋信號，則經常出現漏檢和誤檢的情況。

由于混凝土大壩活動裂紋產生的電磁輻射信號為非平穩信號，傅里葉分析方法不適用于其電磁輻射信號的識別。常用的信號特征提取方法主要有短時傅里葉變換[5]（STFT）、小波變換[6]（WT）、希爾伯特黃變換[7]（HHT）、經驗模態分解[8]（EMD）和經驗小波變換[9]（EWT）。Wei 等[10] 研究了巖石破裂電磁輻射波形的傅里葉譜。結果表明，在不同應力水平下，主頻率隨裂紋的演化而減小。Yin 等[8] 利用希爾伯特黃變換對煤塊破裂的不同階段進行分析，破裂信號的頻率隨階段的變化而降低。Lou 等[11]利用EWT 對巖石破裂產生的電磁輻射信號進行分析，與STFT 和HHT 相比，EWT 在時頻分辨率和克服模態混疊方面具有顯著優勢。Li 等[12] 用連續小波變換方法得到不同干擾噪聲和危險信號在時頻上存在顯著差異。然而現有方法主要應用于煤層或巖石破裂的研究中，而缺乏混凝土材料開裂時電磁輻射信號的研究。

因此，本文提出一種基于集成經驗模態分解（EEMD）-支持向量機（SVM）的混凝土大壩活動裂紋電磁輻射信號識別方法。通過集成經驗模態分解方法將所需識別的電磁輻射信號分解為多個本征模態函數，對每個本征模態函數構建漢克爾矩陣，進行奇異值分解，提取其平均值、峭度值和方差等特征量，結合支持向量機分類方法，構建電磁輻射信號識別模型，最終實現混凝土活動裂紋電磁輻射信號和電磁干擾信號的區分。

1 集成經驗模態分解

經驗模態分解（EMD）作為一種自適應信號分解方法，原理簡單，構造方便，廣泛應用于非線性和非平穩信號分解中。EMD 將非線性和非平穩信號分解成多組本征模態函數，實現信號在不同頻率范圍內的細節層次劃分。與小波分析和短時傅里葉變化等時頻分析方法相比，其對信號局部細節的提取能力不受窗函數和小波基的影響，更具普適性。

但是經驗模態分解方法存在噪聲和模態混疊問題，多頻信號之間存在相互耦合，無法提取單一信號，因此在此基礎上黃鍔學者提出了一種集成經驗模態分解方法[13]，通過在原始信號的多次迭代過程中加入隨機噪聲，以減小模態之間的相互影響和混疊問題。混凝土大壩活動裂紋產生的電磁輻射信號為非平穩信號，頻率成分復雜。因此，本文采用EEMD 方法對原始信號進行處理，其主要步驟流程如圖1 所示。

S1：x（t） 為混凝土大壩周圍環境電磁輻射信號，w（t） 為白噪聲序列，取r（t）=x（t）+ w（t），i=0，k=1；設置終止閾值條件為r（t）lt;δ，取δ=0.2。