典型文献
基于VMD-SVM的管道漏磁检测信号特征辨识
文献摘要：
传统管道漏磁检测信号处理出现混叠、过包络发散、低频异变等问题,导致缺陷信号特征量提取与识别效果不理想.针对上述问题,基于变分模态分析-支持向量机(Variational Mode Decom-position-Support Vector Machines,VMD-SVM)算法完成管道漏磁信号特征辨识.采用四阶VMD处理管道漏磁信号,解决了经验模态分解(Empirical Mode Decomposition,EMD)的过包络引发的信号发散问题,也解决了小波分解(Wavelet Transform,WT)的低频信号异变问题.同时,以峭度最大原则选择最佳的模态分量(IMFm),提取模态分量的特征量,建立样本集.最后,采用SVM算法对信号特征量进行辨识分类,优选核函数,提高辨识精度.利用现场采集信号进行验证,结果表明:VMD-SVM算法抗干扰性强、识别精度高.
文献关键词：
VMD-SVM;管道缺陷;漏磁检测;特征识别
中图分类号：
作者姓名：
张敏;王德国;郭岩宝;张咪;张政
作者机构：
中国石油大学(北京) 机械与储运工程学院,北京 102249
文献出处：
引用格式：
[1]张敏;王德国;郭岩宝;张咪;张政-.基于VMD-SVM的管道漏磁检测信号特征辨识)[J].石油矿场机械,2022(06):9-17
A类：
信号特征辨识,IMFm
B类：
VMD,漏磁检测,检测信号,统管,信号处理,包络,发散,异变,特征量提取,变分模态,模态分析,Variational,Mode,Support,Vector,Machines,成管,漏磁信号,四阶,经验模态分解,Empirical,Decomposition,EMD,小波分解,Wavelet,Transform,WT,频信,峭度,大原,模态分量,取模,样本集,核函数,辨识精度,现场采集,抗干扰性,识别精度,管道缺陷,特征识别
AB值：
0.388348
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。
