CEEMD-FCM模型下的管道缺陷识别方法

发布时间：2022-08-11 13:17

　　为提高管道缺陷识别精度,利用补充集合经验模态分解方法（CEEMD）和模糊C-均值（FCM）聚类算法,提出CEEMD-FCM的管道缺陷识别模型。首先,分析管道缺陷信号波形特征,引入粒子群优化算法（PSO）改进小波阈值降噪方法,实现管道缺陷信号的降噪;然后,采用CEEMD分解缺陷信号,并借助能量熵原理提取缺陷的特征参量;最后,利用模拟退火算法（SA）和遗传算法（GA）优化FCM,完成管道缺陷的分类。结果表明:基于CEEMD-FCM模型的管道缺陷识别方法的综合识别精度达到87. 5%,可实现石油化工领域管道缺陷模式的精准识别,保障管道安全运行,降低事故发生率。 

【文章页数】：7 页

【文章目录】：
0 引言
1 基于PSO-WTD的缺陷信号降噪
    1.1 PSO-WTD降噪算法原理
    1.2 PSO-WTD降噪效果验证
2 基于CEEMD的缺陷特征提取
3 基于改进FCM的缺陷分类
4 实例分析
5 结论


【参考文献】：
期刊论文
[1]基于CEEMD互近似熵和FCM滚动轴承故障诊断[J]. 凌鹏,陈跃威.  计算机仿真. 2018(03)
[2]一种基于EEMD-SVD和FCM的轴承故障诊断方法[J]. 张立国,康乐,金梅,李盼.  计量学报. 2016 (01)
[3]基于HHT和模糊C均值聚类的轴向柱塞泵故障识别[J]. 姜万录,卢传奇,朱勇.  吉林大学学报(工学版). 2015(02)
[4]基于对应分析的冗余模糊C均值聚类算法研究[J]. 曾山,同小军,桑农,李蓉烨.  华中科技大学学报(自然科学版). 2012(02)
[5]经验模态分解及其在降噪方面的应用[J]. 王思文,郑卫刚.  机械制造. 2011(10)
[6]基于BP神经网络的管道缺陷模式识别与精确定量识别[J]. 洪仁植,王树达,常亮.  大庆石油学院学报. 2008(01)
[7]基于模糊聚类的油田往复压缩机气阀故障诊断研究[J]. 王朝晖,姚德群,段礼祥.  机械强度. 2007(03)



本文编号：3674730