典型文献
基于VMD-熵方法的管道信号特征提取方法
文献摘要：
由于仪器设备工作以及室外环境等因素的影响,采集的管道信号中会存在一定的随机噪声,使原始信号失去本身特征,导致无法对管道信号进行准确识别,为此,提出一种基于变分模态分解(VMD:Variational Mode Decomposition)算法-熵方法的特征提取方法.首先基于VMD算法对采集的管道工况信号进行去噪处理,然后从能量、冲击特性、时间序列复杂性3个角度全面提取不同工况下的信号特征,分别计算3种工况信号重构后信号的能量熵、峭度熵以及模糊熵,最后建立特征向量输入到极限学习机中进行工况识别.实验结果表明,该特征提取方法相比其他特征参数能更加准确地分类识别管道工况信号,识别率达到98.33％,证明该方法对管道泄漏信号分类识别的可行性.
文献关键词：
管道泄漏;熵方法;特征提取;极限学习机
中图分类号：
作者姓名：
侯男;张超;路敬祎;宋南南
作者机构：
东北石油大学三亚海洋油气研究院,海南三亚572025;东北石油大学人工智能能源研究院,黑龙江大庆163318;东北石油大学黑龙江省网络化与智能控制重点实验室,黑龙江大庆163318
文献出处：
引用格式：
[1]侯男;张超;路敬祎;宋南南-.基于VMD-熵方法的管道信号特征提取方法)[J].吉林大学学报（信息科学版）,2022(06):908-917
A类：
B类：
VMD,熵方法,信号特征提取,仪器设备,室外环境,随机噪声,准确识别,变分模态分解,Variational,Mode,Decomposition,管道工,去噪处理,冲击特性,不同工况,信号重构,能量熵,峭度,模糊熵,特征向量,极限学习机,工况识别,别管,识别率,管道泄漏,泄漏信号,信号分类识别
AB值：
0.392972
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
