基于VMD-BSA-SVM的海缆振动信号识别方法
作者:尚秋峰; 郭家兴
更新时间:
光电复合电缆的在线状态监测和故障识别是保证跨海传输和通信传输正常运行的关键技术。本文基于布里渊光时域分析(BOTDA)海底电缆振动信号模拟实验系统,获得了在抛锚、冲刷和摩擦三种工况下的海底电缆振动信号。为了避免直接去噪引起的信号失真影响目标特征提取,本文采用变分模式分解(VMD)算法直接从含噪振动信号中提取特征。取三种振动信号200组,得到本征模态函数的分量(IMF),求出各分量的能量、能量熵和峰度的组合作为特征向量。特征向量的大小是600。80%的特征向量被用作训练集,20%的特征向量被用作测试集,输入到鸟类群算法(BSA)的SVM进行分类。为了验证BSA-SVM算法的准确性,将其与粒子群优化-支持向量机(粒子群优化支持向量机,PSO-SVM)、遗传算法优化支持向量机(遗传算法支持向量机,GA-SVM)和基于VMD的网格搜索优化支持向量机(Grid搜索支持向量机,GS-SVM)的算法进行了比较。实验结果表明,BSA-SVM算法的分类准确率为99.17%,优于其他算法,运行时间短。