基于MEEMD-KF-散布熵的油气管道工况识别

来源：电子测量技术杂志2022年第11期北京时间：

作者：张勇，周兴达，王明吉，杨文武，刘洁，韦焱文

单位：1.东北石油大学物理与电子工程学院 大庆 163318;2.东北石油大学人工智能能源研究院 大庆 163318

摘要：针对油气管道泄漏检测过程中，泄漏信号包含大量噪音、特征提取困难等问题，提出一种改进的总体平均经验模态分解联合卡尔曼滤波算法的管道信号去噪方法。首先采用改进的总体平均经验模态算法对采集到的管道负压波信号进行分解，其中利用排列熵和卡尔曼滤波算法对分解后的固有模态分量进行筛选和处理，最后得到重构后的削噪信号。并且提出基于散布熵和峭度的特征提取法，将提取的特征参数作为支持向量机的输入来对输油管道的工况进行分类识别。经采集到的数据验证，改进的总体平均经验模态分解、卡尔曼滤波、散布熵与峭度结合的组合识别方法可以较准确的对管道信号进行分类识别，结果显示其总平均识别准确率达到98.89%，为管道的工况识别研究提供了一种新的途径。

关键词：MEEMD;排列熵;卡尔曼滤波;散布熵;支持向量机

基金资助：国家自然科学基金（61873058）资助、教育部重点实验室开放基金（MECOF2019B02）项目资助