典型文献
基于多特征信息融合的砂岩破裂状态识别方法
文献摘要：
针对岩体在受外界应力时内部破裂状态靠经验难以准确判断的问题,提出了一种多特征信息融合和最小二乘支持向量机(least square support vector machine,简称LSSVM)的岩石破裂状态识别方法.首先,利用改进集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)对砂岩声发射信号进行分解,得到一组有效的平稳本征模函数(intrinsic mode function,简称IMF)分量,对各IMF分量进行自回归(auto regressive,简称AR)建模,提取AR模型系数作为时域特征向量;其次,通过对双谱矩阵进行奇异值分解,分析了砂岩各破碎状态声发射信号的频域特征;最后,利用局部线性嵌入(locally linear embedding,简称LLE)进行特征约简,并将融合特征向量进行归一化处理作为LSSVM的输入,砂岩破裂状态作为输出,采用粒子群算法(particle swarm optimization,简称PSO)对参数自动寻优,实现对岩石破裂状态的诊断识别.结果表明:融合特征具有较强的鲁棒性,且相对单一时域特征识别率提高了6％.
文献关键词：
砂岩破裂;多特征融合;局部线性嵌入;最小二乘支持向量机;模式识别
中图分类号：
作者姓名：
杨丽荣;江川;刘吉顺;戴聪聪;程铁栋
作者机构：
江西理工大学机电工程学院 赣州,341000
文献出处：
引用格式：
[1]杨丽荣;江川;刘吉顺;戴聪聪;程铁栋-.基于多特征信息融合的砂岩破裂状态识别方法)[J].振动、测试与诊断,2022(03):454-461
A类：
双谱矩阵
B类：
多特征信息融合,砂岩破裂,状态识别,岩体,最小二乘支持向量机,least,square,support,vector,machine,LSSVM,岩石破裂,改进集合经验模态分解,ensemble,empirical,mode,decomposition,EEMD,声发射信号,本征模函数,intrinsic,function,IMF,自回归,auto,regressive,时域特征,特征向量,奇异值分解,频域特征,局部线性嵌入,locally,linear,embedding,LLE,特征约简,融合特征,归一化处理,粒子群算法,particle,swarm,optimization,PSO,诊断识别,特征识别,识别率,多特征融合,模式识别
AB值：
0.36608
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
