1. 单孔爆破振动监测数据整理与PPV初算

单孔爆破振动记录的数据结构

现场振动监测仪通常按“通道—采样点”方式记录，一次单孔爆破会得到三通道（径向 L、切向 T、垂向 V）的离散速度时程。整理阶段要解决三件事：把仪器原始记录转成统一字段、逐采样点合成峰值速度、再从合成时程中提取 PPV 及其对应时刻。PPV 的定义为各采样点三向合速度的最大值：

v_R(i) = √( v_L(i)² + v_T(i)² + v_V(i)² )，PPV = max_i v_R(i)

注意 PPV 不是三个通道各自峰值再合成，而是先逐点合成再取最大，两者结果不同，后者会系统性高估。

清洗与字段规范

整理时先固定字段口径，避免后续回归时混用不同来源的记录。建议每条记录至少包含：爆次编号、孔号、测点编号、单段药量 Q（kg）、爆心距 R（m）、三通道峰值、合成 PPV（mm/s）、峰值时刻（ms）、采样率与仪器编号。清洗动作按以下顺序执行：

1. 去基线：取触发前 200 ms 的平均值作为零漂，三通道分别减去该值，避免直流偏置抬高合速度。
2. 截取有效段：以触发点为起点，保留至振动幅值衰减到峰值的 5% 以下，防止尾部噪声参与峰值搜索。
3. 时间对齐：三通道采样率一致时按索引对齐；若存在通道延迟，按仪器标定的通道时差平移后再合成。
4. 单位统一：全部换算为 mm/s，药量统一为 kg，距离统一为 m，避免回归时量纲错位。

PPV 初算的实现

下面用一段可直接运行的 Python 代码完成从原始三通道记录到标准表的全过程。示例数据为教学构造，运行后应得到 PPV = 4.48 mm/s、峰值时刻 6 ms。

import numpy as np
import pandas as pd

# 教学示例：单孔爆破，采样间隔 2 ms，三通道速度 (mm/s)
raw = pd.DataFrame({
    "t_ms": [0, 2, 4, 6, 8, 10],
    "L":    [0.0, 0.8, 2.1, 3.6, 2.9, 1.1],
    "T":    [0.0, -0.5, -1.4, -2.2, -1.8, -0.7],
    "V":    [0.0, 0.3, 0.9, 1.5, 1.2, 0.4],
})

# 1) 去基线：用触发前首点作为零漂参考（示例中为 0）
for ch in ["L", "T", "V"]:
    raw[ch] = raw[ch] - raw[ch].iloc[0]

# 2) 逐点合速度
raw["vR"] = np.sqrt(raw["L"]**2 + raw["T"]**2 + raw["V"]**2)

# 3) 提取 PPV 与峰值时刻
idx = raw["vR"].idxmax()
ppv = raw.loc[idx, "vR"]
t_peak = raw.loc[idx, "t_ms"]

# 4) 组装标准记录
record = {
    "爆次": "B01", "孔号": "1#", "测点": "P1",
    "Q_kg": 12.0, "R_m": 35.0,
    "PPV_mm_s": round(ppv, 2), "t_peak_ms": int(t_peak),
    "采样间隔_ms": 2,
}
print(record)
# {'爆次': 'B01', '孔号': '1#', '测点': 'P1', 'Q_kg': 12.0,
#  'R_m': 35.0, 'PPV_mm_s': 4.48, 't_peak_ms': 6, '采样间隔_ms': 2}

批量处理时把上述逻辑封装为函数，对每个爆次文件循环调用，最后 pd.concat 成一张总表并导出 CSV。关键校验点：

• PPV 必须出现在有效段内，若峰值落在截取边界，说明截取窗口过短，需回看原始波形。
• 三通道峰值时刻应彼此接近（通常相差不超过 1~2 个采样点），若相差过大，检查通道对齐或接线。
• 同一测点、同一爆次的记录不得重复入库，按“爆次+孔号+测点”做唯一性检查。

结果判读与入库前检查