LMD特征融合与SVM的供水管道堵塞识别

• 作者: 冯早 吴建德 闫菁 马军
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 供水管道 堵塞物识别 局域均值分解 特征融合 支持向量机
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 研究与探讨
• 页码范围: 57-61
• 页数: 5页
• 分类号: TH165.3
• 字数: 4047字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2017)07-0057-05

摘要

针对城市供水管道早期堵塞难以检测的问题,提出了一种基于局部均值分解(LMD)的分量信号特征提取,结合支持向量机(SVM)的堵塞故障识别方法.先对声响应信号进行LMD,得到若干乘积函数(PF)分量,进而采用相关分析法选取有效PF分量,对有效PF分量分别提取能量熵、近似熵和平均声压三个指标的特征,构建分类特征集.最后利用交叉验证(CV)方法优化参数的SVM分类器识别堵塞故障信号.实验结果表明:采取基于LMD特征融合和通过CV优化的SVM相结合的方法可以有效识别供水管道的初期堵塞.与基于LMD特征融合和BP神经网络的方法进行了对比,结果表明:本文方法具有更好的堵塞故障识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建德	昆明理工大学信息工程与自动化学院	53	158	7.0	10.0
5	马军	昆明理工大学机电工程学院	13	30	3.0	5.0
6	冯早	昆明理工大学信息工程与自动化学院	18	26	3.0	4.0
10	闫菁	昆明理工大学信息工程与自动化学院	3	4	1.0	1.0