基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法

• 作者: 谢学斌 王小平 刘涛
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 声发射事件 模式识别 改进的完全集合经验模态分解 多通道卷积神经网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 职业安全卫生管理与技术|Occupational Safety and Health Management and Technology
• 页码范围: 113-118
• 页数: 6页
• 分类号: X936
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2022.02.017

摘要

为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性.结果表明:基于ICEEMDAN和MC-CNN模型分类识别正确率为97.64％,与其他传统识别方法相比能精准有效地对地下矿山声发射信号进行识别分类,显著提高卷积神经网络的波形识别正确率.研究结果可为地下矿山声发射事件识别分类提供借鉴.