典型文献
改进VMD去噪与多特征融合的声发射信号识别方法
文献摘要：
针对岩石破裂过程中声发射信号难以识别的问题,提出一种改进变分模态分解(VMD)去噪与多特征融合的声发射信号识别方法.首先,根据奇异值理论确定VMD分解模态数K,实现信号的自适应分解.然后,利用排列熵筛选出最优本征模态分量(IMF)并重构,进而提取重构信号的多个特征向量并融合.最后,将融合特征向量输入到多元宇宙算法优化的支持向量机(MVO-SVM)模型实现声发射信号的识别.实验结果表明,相比同种特征提取方法,基于改进VMD去噪的识别效果优于EEMD去噪和小波阈值去噪;相比单一特征向量,声发射信号的融合特征向量可以取得更高的识别准确率.
文献关键词：
声发射;变分模态分解;排列熵;多特征融合;支持向量机;模式识别
中图分类号：
作者姓名：
程铁栋;王运来;张志钊;易其文;尹宝勇;袁海平
作者机构：
江西理工大学 电气工程与自动化学院,江西 赣州 341000;江西理工大学 理学院,江西 赣州 341000;合肥工业大学 土木与水利工程学院,安徽 合肥 230009
文献出处：
引用格式：
[1]程铁栋;王运来;张志钊;易其文;尹宝勇;袁海平-.改进VMD去噪与多特征融合的声发射信号识别方法)[J].山东科技大学学报（自然科学版）,2022(06):110-119
A类：
B类：
VMD,多特征融合,声发射信号,信号识别,岩石破裂过程,中声,改进变分模态分解,奇异值,解模,排列熵,本征模态分量,IMF,重构信号,特征向量,融合特征,多元宇宙算法,算法优化,MVO,模型实现,EEMD,小波阈值去噪,识别准确率,模式识别
AB值：
0.255357
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。
