典型文献
基于MEEMD-KF-散布熵的油气管道工况识别
文献摘要：
针对油气管道泄漏检测过程中,泄漏信号包含大量噪音、特征提取困难等问题,提出一种改进的总体平均经验模态分解联合卡尔曼滤波算法的管道信号去噪方法.首先采用改进的总体平均经验模态算法对采集到的管道负压波信号进行分解,其中利用排列熵和卡尔曼滤波算法对分解后的固有模态分量进行筛选和处理,最后得到重构后的削噪信号.并且提出基于散布熵和峭度的特征提取法,将提取的特征参数作为支持向量机的输入来对输油管道的工况进行分类识别.经采集到的数据验证,改进的总体平均经验模态分解、卡尔曼滤波、散布熵与峭度结合的组合识别方法可以较准确的对管道信号进行分类识别,结果显示其总平均识别准确率达到98.89％,为管道的工况识别研究提供了一种新的途径.
文献关键词：
MEEMD;排列熵;卡尔曼滤波;散布熵;支持向量机
中图分类号：
作者姓名：
张勇;周兴达;王明吉;杨文武;刘洁;韦焱文
作者机构：
东北石油大学物理与电子工程学院 大庆163318;东北石油大学人工智能能源研究院 大庆163318
文献出处：
引用格式：
[1]张勇;周兴达;王明吉;杨文武;刘洁;韦焱文-.基于MEEMD-KF-散布熵的油气管道工况识别)[J].电子测量技术,2022(11):64-71
A类：
B类：
MEEMD,KF,散布熵,油气管道,管道工,工况识别,管道泄漏检测,检测过程,泄漏信号,噪音,经验模态分解,联合卡尔曼滤波,卡尔曼滤波算法,信号去噪,去噪方法,负压波,排列熵,固有模态分量,峭度,提取法,输油管道,分类识别,数据验证,组合识别方法,识别准确率
AB值：
0.299428
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。
