本文主要研究内容
作者别锋锋,都腾飞,庞明军,谷晟（2019）在《基于ICEEMDAN-ELM的管道声信号识别方法研究》一文中研究指出：针对管道声信号的非平稳性和数据处理的多尺度问题,提出一种基于改进型自适应噪声的完全集合经验模态分解(ICEEMDAN)和极限学习机(ELM)相结合的管道脉冲声信号特征识别方法。首先模拟不同状态下的管道运行工况,采集管道在不同运行状态下的脉冲响应声信号并经过ICEEMDAN分解得到若干个不同特征尺度的固有模态函数(IMF)分量;综合相关系数和方差贡献率作为相关判据,筛选出表征管道阻塞信息的IMF分量,选取声压级作为管道运行状态的特征值构造特征向量,最后,通过极限学习机(ELM)对管道阻塞状态进行分类。研究结果表明,该方法可以很好描述管道状态信息,相比于支持向量机(SVM)与BP神经网络计算精度更高,计算时间更短。
Abstract
zhen dui guan dao sheng xin hao de fei ping wen xing he shu ju chu li de duo che du wen ti ,di chu yi chong ji yu gai jin xing zi kuo ying zao sheng de wan quan ji ge jing yan mo tai fen jie (ICEEMDAN)he ji xian xue xi ji (ELM)xiang jie ge de guan dao mai chong sheng xin hao te zheng shi bie fang fa 。shou xian mo ni bu tong zhuang tai xia de guan dao yun hang gong kuang ,cai ji guan dao zai bu tong yun hang zhuang tai xia de mai chong xiang ying sheng xin hao bing jing guo ICEEMDANfen jie de dao re gan ge bu tong te zheng che du de gu you mo tai han shu (IMF)fen liang ;zeng ge xiang guan ji shu he fang cha gong suo lv zuo wei xiang guan pan ju ,shai shua chu biao zheng guan dao zu sai xin xi de IMFfen liang ,shua qu sheng ya ji zuo wei guan dao yun hang zhuang tai de te zheng zhi gou zao te zheng xiang liang ,zui hou ,tong guo ji xian xue xi ji (ELM)dui guan dao zu sai zhuang tai jin hang fen lei 。yan jiu jie guo biao ming ,gai fang fa ke yi hen hao miao shu guan dao zhuang tai xin xi ,xiang bi yu zhi chi xiang liang ji (SVM)yu BPshen jing wang lao ji suan jing du geng gao ,ji suan shi jian geng duan 。
论文参考文献
论文详细介绍
论文作者分别是来自噪声与振动控制的别锋锋,都腾飞,庞明军,谷晟，发表于刊物噪声与振动控制2019年04期论文，是一篇关于声学论文,管道阻塞论文,声信号论文,分解论文,声压级论文,极限学习机论文,噪声与振动控制2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自噪声与振动控制2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：声学论文; 管道阻塞论文; 声信号论文; 分解论文; 声压级论文; 极限学习机论文; 噪声与振动控制2019年04期论文;