《表2 BP神经网络训练结果》
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。
图表编号 | XD00113650300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 郝永梅、杜璋昊、杨文斌、邢志祥、蒋军成、岳云飞 |
绘制单位 | 常州大学环境与安全工程学院、常州大学环境与安全工程学院、常州大学环境与安全工程学院、常州大学环境与安全工程学院、常州大学环境与安全工程学院、江苏省特种设备安全监督检验研究院常州分院 |
更多格式 | 高清、无水印(增值服务) |