基于特征选择的声发射评价技术研究

发布时间：2020-06-11 07:44

【摘要】：声发射检测技术对设备内部活性缺陷具有较高的灵敏度。随着技术的应用领域扩大,从波形和参量数据中提取更多有价值信息的需求越来越广泛,同时由于噪声的复杂性提高,信号处理的难度也越来越大。应用数学和统计学理论的发展为声发射信号处理技术的发展提供了参考。凸优化能够避免算法初始化、陷入局部极值,在检索步长选择方面表现良好。本文尝试将凸优化理论应用于声发射信号处理技术,结合优化算法、统计学理论以及传统声发射特征分析方法,针对声发射检测的评价问题进行了如下工作:1、根据统计学理论知识,对基于互信息的最大依赖特征选择算法进行优化,转换为最大相关最小冗余特征选择算法,证明了若所选特征之间独立性足够,最大相关最小冗余算法与最大依赖算法等价。结合凸集的特点,设计了一阶增量最优递增搜索算法,以实现mRMR算法。2、基于阀门内漏模拟实验平台,对不同种类,不同尺寸的阀门进行了阀门内漏模拟实验研究。采用傅里叶分析和小波包分解处理实验数据,得到了不同尺寸、类型阀门的实验信号频域特性以及滤波后的实验数据。结合电力学中的电流信号波形参数,将电力学波形参数引申至声学信号处理中,并与传统声发射特性参数相结合,构成了特征选择算法的候选特征集。3、采用加权的mRMR算法从候选特征集中选择评价特征,并采用支持向量机对实验数据进行聚类分析,根据不同数量评价特征条件下的聚类精度,最终确定了用于聚类分析的最佳评价特征集组合。4、分别采用mRMR评价特征集、ReliefF评价特征集以及声发射评价特征集进行数据聚类,并将三者聚类精度进行对比。结果表明,mRMR特征集聚类精度达到了70%,与其他评价特征集聚类精度相比提高了10.2%。
【图文】：

研究路线

图 2.1 线性支持向量机中，两组数据的几何边缘可以表示为22w，而支持向量机算法集合边缘超平面，即求22w的最小值，，也就是求2w 的最小值Min212ws.t .( ) 1i T iy w x b 优化问题中，约束条件为 ( ) 1Ti iy w x b ， i 1,2,...,n，引入拉改成为拉格朗日函数，形式如下：211( , , ) ( [ ] 1)2 ini iiw b a w a y wx b1 2( , ,..., )Tna a a a即拉格朗日乘子，通过将 w 和 b 两个变量的2 的最大值，公式如下：,Minw b ( w, b , a )
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP274.5;O429

【参考文献】

相关期刊论文 前10条

1 蒋鹏;李伟;贾鑫;贾招弟;;基于小波包的阀门内漏声发射信号特征研究[J];化工机械;2015年04期

2 王雅婷;何光宇;刘铠诚;王彬;申洪;;求解状态估计问题的内点半定规划法[J];电网技术;2012年10期

3 汪春峰;黄瑞芳;;求二次规划问题全局解的新加速方法[J];西北大学学报(自然科学版);2012年04期

4 吕雄;李月鲜;吴国荣;;一类半定规划问题的最优性条件[J];内蒙古农业大学学报(自然科学版);2012年02期

5 李光荣;成央金;朱六清;陈峰;;基于内点算法的半定规划灵敏度分析[J];湖南工业大学学报;2011年01期

6 邓艾东;童航;张如洋;蒋章;高N

本文编号：2707596