《表2 BP神经网络训练结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进ELMD和多尺度熵的管道泄漏信号识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

样本的分类结果如图8所示。图8a为预测值与真实值的比较，图8b为误差变化的情况。从图中可以看出，样本的预测值和真实值之间的差距不大，误差非常小。因此，通过多尺度熵值来组成的特征矢量进行BP神经网络训练，其结果与真实的管道泄漏非常接近，达到了对泄漏信号识别的要求。表2是BP神经网络最终的识别结果，从表2可以看出，相较于传统ELMD分解结合样本熵进行BP神经网络识别的方法，文中提出的方法通过对信号进行改进的ELMD分解，得到一系列PF分量，计算分量的多尺度熵值来组成BP神经网络的输入矢量，最终识别率更高。