基于CEEMDAN-LZC 和SOA-ELM 的管道信号识别

打开文本图片集

摘要： 针对管道信号特征提取困难， 从而影响分类精度的问题， 提出了一种将信号处理和智能算法相结合的管道信号检测方法。首先， 利用CEEMDAN（Complete Ensemble Empirical Mode Decomposition with AdaptiveNoise）对信号分解， 对分解获得的固有模态（IMFs： Intrinsic Mode Functions）使用相关系数法获取有效的模态分量并进行信号重构; 其次， 计算重构信号的Lempel鄄Ziv 复杂度和裕度作为特征参数; 最后， 将获取的特征参数输入到海鸥优化算法（SOA： Seagull Optimization Algorithm）优化后的极限学习机（ELM： Extreme LearningMachine）进行分类， 并用实验室数据进行验证。（剩余403字）