基于CEEMDAN和SVM的混凝土破坏状态声发射信号识别

摘要：

针对混凝土破坏状态复杂多变、声发射(AE)信号难以从背景噪声中分离的问题,将自适应噪声完备集合经验模态分解(CEEMDAN)方法与支持向量机(SVM)方法耦合,对混凝土破坏状态声发射信号进行识别与预测.利用CEEMDAN方法对采集的声发射信号进行分解,获取一定数量的自适应特征模态(IMF)分量,并计算各分量与原声发射信号之间的相关系数,优选出包含原声发射信号主要频域信息的IMF分量.计算各分量的特征参数能量系数和波形系数,并将其分别输入SVM中对混凝土不同破坏状态进行分类识别,结果表明能量系数作为特征参数的预测率为92.39％,波形系数作为特征参数的预测率为91.30％.

关键词：混凝土破坏、自适应噪声完备集合经验模态分解、支持向量机、能量系数、波形系数、声发射

所属期刊栏目：43

分类号：TV331(水工结构)

资助基金：河北省自然科学基金;河北省自然科学基金

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：93-98