典型文献
基于VMD和多特征融合的管道信号特征提取方法
文献摘要：
针对管道泄漏检测过程中泄漏特征信息提取困难、泄漏检测准确率低的问题,提出了基于VMD和多特征融合的特征提取方法.首先利用变分模态分解(Variational mode decomposition,VMD)对采集的实验室管道信号进行分解,得到若干个IMFs,利用提出的WCC算法计算相邻模态之间的相似度来确定VMD分解的模态个数;根据有效模态分量与原始信号的相似程度确定特征分量,然后提取特征分量的有效特征参数,构建成基于多特征融合的特征向量组;最后,将特征向量输入到概率神经网络(Probabilistic neural network,PNN)进行工况识别;实验结果表明,与单一特征构成的特征向量相比,本文提出的多特征融合的特征提取方法能够有效地识别出不同的工况信号.
文献关键词：
变分模态分解;多特征融合;概率神经网络;管道泄漏检测
中图分类号：
作者姓名：
路敬祎;李禹琦;褚丽鑫;宋南南;胡仲瑞
作者机构：
东北石油大学 三亚海洋油气研究院,海南三亚 572024;东北石油大学 人工智能能源研究院,黑龙江大庆 163318;黑龙江省网络化与智能控制重点实验室,黑龙江大庆 163318;东北石油大学 电气信息工程学院 黑龙江大庆 163318
文献出处：
引用格式：
[1]路敬祎;李禹琦;褚丽鑫;宋南南;胡仲瑞-.基于VMD和多特征融合的管道信号特征提取方法)[J].压力容器,2022(11):69-77
A类：
B类：
VMD,多特征融合,信号特征提取,管道泄漏检测,检测过程,泄漏特征,特征信息提取,检测准确率,变分模态分解,Variational,mode,decomposition,若干个,IMFs,WCC,算法计算,模态分量,相似程度,提取特征,有效特征,特征向量,向量组,概率神经网络,Probabilistic,neural,network,PNN,工况识别
AB值：
0.332952
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。
