APP下载

基于小波变换与RBF网络的声发射信号识别

2015-11-24周俊,王强,伊鸣,王帅

石油化工高等学校学报 2015年3期
关键词:特征提取细节特征

周 俊, 王 强, 伊 鸣, 王 帅

(1.后勤工程学院, 重庆 401331; 2.中国人民解放军65133部队,辽宁沈阳 110043 )



基于小波变换与RBF网络的声发射信号识别

周 俊1, 王 强1, 伊 鸣2, 王 帅1

(1.后勤工程学院, 重庆 401331; 2.中国人民解放军65133部队,辽宁沈阳 110043 )

声发射检测技术不需开罐就能对储油罐安全性在线评估,声发射信号识别是储油罐腐蚀状况分析的基础,针对现有参数分析法的不足,提出一种基于小波变换特征提取与RBF神经网络识别的声发射信号识别方法。利用db2小波对声发射信号6层分解,将6层细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计RBF神经网络,利用已知模式声发射信号训练RBF网络;用RBF神经网络对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,RBF网络的识别率达到93.3%,显示了RBF网络识别声发射信号的优越性。对储油罐安全状况的定量分析具有一定意义。

声发射; 小波; 细节特征; RBF神经网络; 识别

储罐底板腐蚀产生的声发射信号比较微弱,且采集过程中受环境和距离的影响,包含一定的噪声,如何从包含噪声的声发射信号中提取表征腐蚀类型的特征[1],且对提取特征进行有效分类,是声发射信号分析处理的关键问题,对储油罐安全状况的定量分析具有重要意义。早期的声发射信号分析主要采用参数分析方法,典型的声发射信号参数包括幅度、振铃计数、持续时间、能量、门槛电压值、到达时间、撞击数率等[2],随着声发射技术应用研究的深入, 发展了一些新型的参数分析方法。……

登录APP查看全文

猜你喜欢

特征提取细节特征
以细节取胜 Cambridge Audio AXR100/ FOCAL ARIA 906
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
留心细节处处美——《收集东·收集西》
一种基于LBP 特征提取和稀疏表示的肝病识别算法
细节取胜
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
Walsh变换在滚动轴承早期故障特征提取中的应用