基于EMD与SVM的泄漏声发射信号识别方法

• 作者: 于蕊 司莉 张寿明 毕贵红
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: 支持向量机 经验模态分解 自回归模型 泄漏声发射信号
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 研究论文
• 页码范围: 1259-1264
• 页数: 6页
• 分类号: TP391.9
• 字数: 6076字
• 语种: 中文
• DOI: 10.11719/com.app.chem20151025

摘要

声发射信号普遍存在于管道、锅炉泄漏事故中,是否能在设备出现裂纹及微小泄漏时有效检测到相关信号是防止事故发生的关键.支持向量机(SVM)有比神经网络更强的泛化能力,其找到的极值解就是全局最优解,同时它还较好地解决了小样本学习分类问题.针对声发射信号的非线性非平稳特征和现实中难以获得大量故障样本的实际情况,提出了一种基于经验模态分解(EMD)、自回归(AR)模型和SVM相结合的泄漏声发射信号分类方法.首先将采集到的信号进行EMD分解,得到若干个固有模态函数(IMF)之和,然后分别对每一阶IMF分量进行AR建模,提取每一个AR模型的参数组成特征向量,最后利用SVM对3种模拟声发射信号进行分类识别.实验表明,该方法比BP神经网络的识别率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张寿明	昆明理工大学信息工程与自动化学院	74	229	7.0	12.0
2	毕贵红	昆明理工大学电力工程学院	76	578	13.0	20.0
4	司莉	昆明理工大学信息工程与自动化学院	4	14	2.0	3.0
7	于蕊	昆明理工大学信息工程与自动化学院	2	10	2.0	2.0