10.13465/j.cnki.jvs.2020.22.029
基于优化VMD和连续隐马尔科夫模型的管道堵塞状态评估
面向U型管堵塞状态演变过程中故障程度的评估问题,提出一种基于低频声压信号分析和连续隐马尔科夫模型(CHMM)的U型管堵塞状态评估方法.该方法利用声波作为激励来观测U型管沉积物的堆积程度,对不同堵塞状态下的低频声压信号进行变分模态分解(VMD),根据分量幅值谱图确定变分模态分解的最佳模态分解数k并通过声压级变换筛选有效的IMF分量;然后提取有效IMF分量的多尺度熵(MSE)特征,构建反映U型管不同程度堵塞状态的特征向量,最后将特征向量用于CHMM模型训练,建立能对U型管堵塞状态进行评估的模型.通过对U型管不同程度堵塞状态的试验数据进行测试,评估结果表明:该模型能准确评估U型管堵塞状态的程度变化,具有一定的工程应用价值.
U型管、声压信号、变分模态分解(VMD)、堵塞状态、连续隐马尔科夫模型(CHMM)
39
TP277;TU992(自动化技术及设备)
国家自然科学基金61563024
2020-12-17(万方平台首次上网日期,不代表论文的发表时间)
共10页
214-222,233