典型文献
基于VMD去噪和散布熵的管道信号特征提取方法
文献摘要：
针对管道声波信号非线性、非平稳性特点和管道泄漏信号特征提取困难的问题,提出一种管道声波信号特征提取方法.首先,采用变分模态分解(VMD)算法对采集到的声波信号进行去噪,在此过程中采用最小巴氏距离法确定VMD分解的模态个数,并通过评估VMD分解后各本征模态函数(IMF)分量与原始信号的概率密度之间的Wasserstein距离(WD)来筛选有效模态,对筛选的有效模态进行重构.然后,对重构的信号计算其散布熵值作为信号特征参数,最后将特征参数输入极限学习机(ELM)进行工况识别.实验结果表明,本文方法能够较准确地分类识别管道信号,总的识别率达到了 100％.
文献关键词：
管道泄漏;变分模态分解;Wasserstein距离;散布熵;特征提取
中图分类号：
作者姓名：
周怡娜;董宏丽;张勇;路敬祎
作者机构：
东北石油大学人工智能能源研究院,黑龙江大庆163318;东北石油大学黑龙江省网络化与智能控制重点实验室,黑龙江大庆163318;东北石油大学三亚海洋油气研究院,海南三亚,572024;东北石油大学电子科学学院,黑龙江大庆163318
文献出处：
引用格式：
[1]周怡娜;董宏丽;张勇;路敬祎-.基于VMD去噪和散布熵的管道信号特征提取方法)[J].吉林大学学报（工学版）,2022(04):959-969
A类：
B类：
VMD,去噪,散布熵,信号特征提取,声波信号,非平稳性,管道泄漏,泄漏信号,变分模态分解,小巴,巴氏距离,本征模态函数,IMF,概率密度,Wasserstein,WD,极限学习机,ELM,工况识别,分类识别,别管,识别率
AB值：
0.297549
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。
