基于EMD与模糊聚类的桩缺陷特征提取与识别

• 作者: 康维新 李衡
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 桩基 经验模态分解 信息熵 模糊聚类 缺陷 无损检测 特征提取 识别
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 88-93
• 页数: 6页
• 分类号: TU391.4
• 字数: 4910字
• 语种: 中文
• DOI: 10.11991/yykj.201803015

摘要

针对桩基缺陷信号特征提取困难的问题,对缺陷信号进行经验模态分解(EMD)并求取信息熵,构建了一种基于信息熵的均值特征向量;针对特征向量元素数较多,不能真实反映信号的特征以及过多的特征影响识别效率的问题,引入模糊聚类的相关技术方法,对均值特征向量进行相空间重构,对重构矩阵进行模糊聚类,根据聚类的结果构建新的特征向量.通过实验仿真证明了该特征向量取得了很好的识别效果,具有实际应用价值,可以作为一种有效的特征类型;同时验证了通过模糊聚类进行特征向量降维的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康维新	哈尔滨工程大学信息与通信工程学院	35	128	6.0	9.0
2	李衡	哈尔滨工程大学信息与通信工程学院	2	0	0.0	0.0