基于VMD和多特征融合的管道信号特征提取方法

摘要：

针对管道泄漏检测过程中泄漏特征信息提取困难、泄漏检测准确率低的问题,提出了基于VMD和多特征融合的特征提取方法.首先利用变分模态分解(Variational mode decomposition,VMD)对采集的实验室管道信号进行分解,得到若干个IMFs,利用提出的WCC算法计算相邻模态之间的相似度来确定VMD分解的模态个数;根据有效模态分量与原始信号的相似程度确定特征分量,然后提取特征分量的有效特征参数,构建成基于多特征融合的特征向量组;最后,将特征向量输入到概率神经网络(Probabilistic neural network,PNN)进行工况识别;实验结果表明,与单一特征构成的特征向量相比,本文提出的多特征融合的特征提取方法能够有效地识别出不同的工况信号.

关键词：变分模态分解、多特征融合、概率神经网络、管道泄漏检测

所属期刊栏目：39

分类号：TH49;TE973.6(气体压缩与输送机械)

资助基金：国家自然科学基金;国家自然科学基金;海南省科技专项;黑龙江省自然科学基金项目

在线出版日期：2023-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：69-77