基于EMD的胶合板损伤声发射信号特征提取和神经网络模式识别.pdfVIP

振 动 与 冲 击 31 15 JOURNAL OF VIBRATION AND SHOCK Vol． 31 No． 15 20 12 第 卷第 期  基于EMD 的胶合板损伤声发射信号特征提取及神经网络模式识别 ， 徐 锋 刘云飞 ( ， 210037) 南京林业大学 信息科学技术学院 南京 摘 要: ， 针对胶合板损伤声发射信号的非平稳性和损伤类别特征相互重叠的实际情况 提出了基于经验模态分解 BP 。 EMD ， 和 神经网络相结合的信号特征提取和识别方法 首先对损伤声发射信号进行 分解 筛选出包含主要信息的本 ; IMF ; 征模态函数分量 其次构建以各 分量的能量占比作为表征各损伤信号的特征向量 最后以提取的特征向量为输入样 ， BP 。 ， 本 建立 神经网络模式分类器对四类胶合板损伤信号进行识别 五层胶合板损伤的实测数据表明 该方法能够准确 地提取出声发射信号特征并对其损伤类型进行有效地识别。 : ; ; ; ; 关键词 声发射 经验模态分解 神经网络 特征提取 模式识别 中图分类号:TB52 + 9 文献标识码:A Feature extraction and pattern recognition of acoustic emission signals generated from plywood damage based on EMD and neural network X U Feng ，LI U Yun-f ei (College of Information Science and Technology ，Nanjing Forestry University ，Nanjing 210037 ，China) Abstract : Aiming at the non-stationary features of acoustic emission (AE)signals generated from plywood damage and considering the overlapping of damage features in practice ，a method of feature extraction and pattern recognition was proposed based on empirical mode decomposition (EMD )and BP neural network． The original AE signals were decomposed by EMD ，and the intrinsic mode function (IMF)including the main feature information was selected． The energy ratios of IMF were cons