论文部分内容阅读
采用基于奇异值分解和人工神经网络的多传感器数据融合方法对喷水推进泵的空化状态进行了分类识别研究。首先利用基于奇异值分解的权值估计算法分别对水声信号和振动信号在时间上进行数据级融合，提取出各自的特征，然后将所有特征组合起来作为神经网络的输入，利用BP网络和RBF网络进行特征级融合和分类识别。分析结果表明：基于多传感器数据融合的分类识别结果优于单传感器分类识别结果；采用基于奇异值分解的数据融合方法后，分类识别率显著提高，对空化初生微弱特征的识别效果尤佳。