10.20030/j.cnki.1000-3932.202304011
基于分数阶傅里叶域特征融合的多工况管道堵塞识别方法
针对排水管道声学检测的实际应用中,声学信号在特征选择缺乏指导的情况下容易提取过高信息重叠度的高维特征导致不同工况管道堵塞识别率低下的问题,基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)原理,提出一种基于FRFT和多核学习(Multiple Kernel Learning,MKL)特征融合的管道多重堵塞识别方法.该方法首先把难以区分的原始数据映射到多阶次分数阶傅里叶变换时频平面,然后计算各阶次的样本熵作为区分度量特征.运用MKL自动学习FRFT样本熵特征的系数,将分数域中阶次选择问题转换为多核网络中的系数交替优化问题,挖掘特征的深层含义,最终将这些信息进行多特征融合,实现了多工况管道堵塞识别.实验结果表明:在与不同阶次集合的融合特征对比后,最终的融合特征提高了不同类别间样本的区分度,能够有效识别复杂运行状态下多工况管道中的堵塞物、三通件和管道尾端,识别准确率达到95%,在多工况管道堵塞识别中相较于传统特征融合模型识别率显著提高.
声学检测、分数阶傅里叶变换、特征融合、多核学习
50
TP274(自动化技术及设备)
2023-08-07（万方平台首次上网日期，不代表论文的发表时间）
共10页
467-476
