基于VMD和多特征融合的管道信號特征提取方法

路敬祎，李禹琦，褚麗鑫，宋南南，胡仲瑞

(1.東北石油大學 三亞海洋油氣研究院，海南三亞 572024；2.東北石油大學 人工智能能源研究院,黑龍江大慶 163318； 3.東北石油大學 電氣信息工程學院 黑龍江大慶 163318;4.黑龍江省網絡化與智能控制重點實驗室，黑龍江大慶 163318)

0 引言

在管道泄漏檢測中，油氣管道泄漏信號具有非平穩性以及信號混合性的特點，經驗模態分解簡稱(Empirical Mode Decomposition,簡稱EMD) 算法和變分模態分解簡稱(Variational Mode Decomposition,簡稱VMD) 算法都適用于分析處理非平穩信號，并可對油氣管道泄漏檢測中所采集的信號進行處理[1-6]。為處理非線性平穩信號，變分模態分解(Variational Mode Decomposition,簡稱VMD) 由Dragomiretskiy等[7]提出，它是一種新的多分辨率變分模態分解(VMD)算法，也是一種完全非遞歸的自適應信號分解方法，它不僅對信號中的噪聲具有良好的分離效果，而且可有效地抑制信號分解中的模態混疊，克服了EMD算法的局限性[8]。

在泄漏檢測過程中，提取信號的特征信息對提高管道泄漏檢測精度起著關鍵作用，因此，從管道信號中提取有效特征，對降低誤報率具有重要意義。LU等[9]提出VMD-SVM的天然氣管道泄漏檢測方法，利用相關系數進行信號的預處理，提取信號的時頻域特征和云特征熵作為特征向量組，輸入到SVM中進行工況識別；馬雯萍等[10]提出基于VMD的天然氣管道泄漏信號特征提取與檢測技術研究，通過云模型特征熵提取特征值，利用網格搜索法優化支持向量機(Support Vector Machines,簡稱SVM)的主要參數，提高工況識別的精度和準確度；楊潔等[11]針對雷達信號提出基于VMD和熵特征的輻射源信號識別，熵特征包括近似熵和范數熵，將該特征參數組合輸入到經PSO優化的SVM中對輻射源信號進行識別；……