基于ICEEMDAN-ELM的管道声信号识别方法研究

论文摘要

针对管道声信号的非平稳性和数据处理的多尺度问题,提出一种基于改进型自适应噪声的完全集合经验模态分解(ICEEMDAN)和极限学习机(ELM)相结合的管道脉冲声信号特征识别方法。首先模拟不同状态下的管道运行工况,采集管道在不同运行状态下的脉冲响应声信号并经过ICEEMDAN分解得到若干个不同特征尺度的固有模态函数(IMF)分量;综合相关系数和方差贡献率作为相关判据,筛选出表征管道阻塞信息的IMF分量,选取声压级作为管道运行状态的特征值构造特征向量,最后,通过极限学习机(ELM)对管道阻塞状态进行分类。研究结果表明,该方法可以很好描述管道状态信息,相比于支持向量机(SVM)与BP神经网络计算精度更高,计算时间更短。

论文目录

• 1 信号特征提取与识别理论
•   1.1 ICEEMDAN算法
•   1.2 ELM算法
•   1.3 IMF的选取原则
• 2 基于ICEEMDAN的声信号管道阻塞特征处理与模式识别
•   2.1 声压级
•   2.2 基于ICEEMDAN声压级的管道声信号特征提取与模式识别
• 3 实验与结果分析
•   3.1 实验装置
•   3.2 实验结果
• 4 结语

文章来源

类型: 期刊论文

作者: 别锋锋,都腾飞,庞明军,谷晟

关键词: 声学,管道阻塞,声信号,分解,声压级,极限学习机

来源: 噪声与振动控制 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 江苏省绿色过程装备重点实验室

基金: 国家自然科学基金资助项目(51376026)

分类号: U178

页码: 205-211

总页数: 7

文件大小: 2060K

下载量: 115