典型文献
基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法
文献摘要：
为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性.结果表明:基于ICEEMDAN和MC-CNN模型分类识别正确率为97.64％,与其他传统识别方法相比能精准有效地对地下矿山声发射信号进行识别分类,显著提高卷积神经网络的波形识别正确率.研究结果可为地下矿山声发射事件识别分类提供借鉴.
文献关键词：
声发射事件;模式识别;改进的完全集合经验模态分解;多通道卷积神经网络
中图分类号：
作者姓名：
谢学斌;王小平;刘涛
作者机构：
中南大学 资源与安全工程学院,湖南 长沙410083
文献出处：
引用格式：
[1]谢学斌;王小平;刘涛-.基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法)[J].中国安全生产科学技术,2022(02):113-118
A类：
改进的完全集合经验模态分解
B类：
ICEEMDAN,MC,声发射信号,信号识别,识别分类,分类方法,精准识别,地下矿山,声发射事件,集合经验模态分解模型,多通道卷积神经网络,峭度值,不同权重,输入数据,五折,交叉实验,实验方法,方法验证,分类识别,模型分类,比能,地对地,波形识别,事件识别,模式识别
AB值：
0.264025
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。
