10.11857/j.issn.1674-5124.2020060143
基于EMD的神经网络空耦超声储油罐液位检测
由于仅从信号时域幅值的大小信息虽然能够判断储油罐中不同介质的液位,但是获得的特征信息非常有限,为获得更多储油罐中不同介质信号的特征信息来提高液面识别率,针对储油罐罐壁厚度为5 mm的钢制储油罐为对象,采用空气耦合超声兰姆波同侧相向检测法,并使用A0模态对储油罐进行检测.利用经验模态分解(EMD)对采集储油罐中的不同介质信号进行EMD处理,求得各阶本征模函数(IMF).通过分析各阶IMF分量的时域、频域信号与原始信号的相关性,并且以各IMF分量的时域、频域信号为特征值输入到BP神经网络进行决策.实验结果表明,使用该方法能准确地对储油罐不同介质液位在10 mm范围进行识别与分类,识别率可达99%,其检测范围满足实际检测需求.
储油罐、液位检测、兰姆波、EMD、神经网络
47
TB302.5(工程材料学)
国家自然科学基金;南昌航空大学研究生创新专项资金项目
2021-03-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
9-14