融合VMD算法的多星GNSS-MR雪深反演

针对当前反射信号分离纯度不高,难以准确提取反射信号中地表环境参数的问题,构建了一种融合VMD算法的多星GNSS-MR雪深反演模型。利用VMD算法可有效实现信号的分离,提高反射信号的分离纯度,并与传统的二阶多项式拟合法进行对比分析。下载了美国科罗拉多州NWOT测站2017年172天的GPS卫星信噪比数据进行验证,结果表明:融合VMD算法的多星GNSS-MR反演雪深模型精度优于二阶多项式拟合模型,反演值与实测值的RMSE降低了近50%,决定系数R^(2)高达0.98,在一定程度上有效提高了雪深的反演精度和可靠性。

基于互信息的VMD算法在管道泄漏检测中的应用

针对在管道泄漏检测中,泄漏信号和噪声都与管道状态和环境密切相关,且变分模态分解(VMD)方法不能较好地分解高频部分的信号,存在一定的噪声干扰问题,提出了一种基于互信息的VMD自适应噪声消除算法。首先,通过VMD算法将泄漏信号分解成具有不同特征时间尺度的固有模态函数;然后根据互信息准则,通过依次计算相邻分量之间的互信息值来区分高频和低频信号;最后将经过小波去噪后的高频信号和低频信号一起进行信号重构,得到特征增强信号。试验结果表明,对于信号去噪方面,相对于VMD方法,该方法更具有优越性。

基于互信息改进的VMD算法及管道泄漏信号降噪

为了消除供水管道泄漏信号的噪声,准确定位供水管道泄漏位置,提出将基于互信息优化的VMD算法应用于供水管道泄漏振动信号的降噪处理。在处理前期,根据泄漏信号幅频特性,确定泄漏信号特征频带,并通过分析各模态函数中心频率确定合适的分解参数K。在处理后期引入作为各模态分量的评价指标,选择合适模态分量重构信号,并使用带通滤波器对重构信号进行滤波。经实验和实地测试表明该算法能有效提高定位精度。

VMD算法效果及特性分析

本文针对电力系统的量测信号,讨论不同频带距离、不同相位及信号衰减系数对VMD算法的影响。通过VMD分解法对非密频强衰减与密频强衰减信号进行预处理,观察预处理得到信号模态混叠程度及端点效应的程度,得出影响VMD分解法效果的主要非噪声因素为信号各分量频带的重叠程度。测试表明VMD算法更适用于对频带重叠程度低的信号进行预处理。

基于VMD算法的500kV换流变压器套管引线检测技术

由于当前方法去噪结果和检测结果均不理想,提出一种基于VMD算法的500 k V换流变压器套管引线检测方法。通过VMD对含噪信号进行分解,利用相关系数计算筛选出固有模态函数中的高频分量进行小波阈值去噪,保留高频分量中的回波信息,将其进行和低频IMF进行信号重构。同时采用逆向云发生器计算不同信号的特征熵,结合频域特征—中心频率作为特征参数进行500 kV换流变压器套管引线检测。仿真实验结果表明,所提方法能够有效过滤信号中的噪声,同时获取高精度的检测结果。

基于VMD算法的化工机械——离心压缩机故障诊断

实际诊断离心压缩机故障时,采集得到的故障信号会产生一定的模态变化,导致存在故障信号幅值过小、特征数量过少的问题。结合压缩机实际工作原理,采集离心压缩机故障信号,采用VMD算法处理故障信号为不同的模态组,筛选与特定故障类型最为匹配的故障特征,设置不同的测点并在不同位置放置不同类型的传感器,构建一套故障分析软件,设定一个突发性故障参数后,最终完成对压缩机故障的诊断。搭建一个故障诊断装置,使用已知参数的离心压缩机,规定压缩机的故障类型后,准备故障数据,分别使用不同的故障诊断方法进行实验,结果表明:该故障诊断方法得到的故障信号幅值最大、特征数量最多。

基于VMD算法的ECG信号基线漂移校正研究

针对现有方法校正ECG信号基线漂移的缺陷,提出基于VMD算法校正ECG信号的基线漂移。首先获取含真实基线漂移的ECG信号;然后基于最佳参数的VMD将含噪ECG信号分解为多个IMF分量,利用各IMF分量频谱图的峰值频率判断基线漂移;最后将含基线漂移的IMF分量舍弃,将其他IMF分量叠加得到去除基线漂移的ECG信号。同时将EMD算法和该方法对相同含基线漂移的ECG信号进行去噪,结果表明,该方法能更好地校正ECG信号基线漂移,且去噪后与原信号的相关系数更大。

VMD结合误差能量算法在管道泄漏检测中的应用

为了实现对管道泄漏信号的去噪并进行有效信息的提取,使用变分模态分解(VMD)结合误差能量算法对管道信号进行处理。首先,对采集到的信号进行VMD处理,得到一系列IMF(原始信号经过VMD分解后的分量)。然后,对提取到的IMF的概率密度函数进行误差能量计算,比较所得的误差能量大小,筛选合适的IMF。最后,把所有满足条件的IMF叠加起来,重构原始信号去噪后的有效信息。

基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法研究

实测矿山爆破地震波信号含有大量高频噪声,一定程度上掩盖了真实信号特征,不利于爆破有害效应分析。为了有效降低实测信号的噪声成分,提出了基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法。将原信号进行变分模态分解(intrinsic mode function,VMD)获得本征模态函数(variational mode decomposition,IMF),利用能量差参数ξ自适应确定模态数K,对IMF分量进行多尺度排列熵(multi-scale permutation entropy,MPE)的随机性检测,准确区分出真实IMF和噪声IMF,去除原信号中的噪声IMF以达到降噪目的。对3组实测矿山爆破地震波信号进行降噪处理,结果表明该模型能够较好地去除高频噪声,保留了信号真实成分;其降噪效果均优于EEMD-MPE、CEEMDAN-MPE算法,验证了自适应VMD-MPE降噪方法的有效性。

基于VMD和改进的FastICA算法的旋转机械故障信号分离方法研究

针对分离出的旋转机械故障信号的非线性非平稳性问题,本文提出一种对旋转机械故障信号分离的方法。首先针对以往利用EMD方法分解的特征信号存在的模态混叠问题,利用VMD方法完成对旋转机械故障特征信号的分解。其次,选取相应的分解后特征信号构成观测序列,利用FastICA算法对观测序列进行分离得到源信号,最后针对FastICA算法的收敛性差、对初始值敏感等缺陷进行改进,提出一种基于VMD和改进FastICA算法的旋转机械故障信号分离方法。经实验验证,该方法提高FastICA算法收敛速度,提升旋转机械故障信号分离质量。

PSO-VMD-SVD的改进去噪方法研究

针对VMD(Variational Mode Decomposition)在处理信号时,模态个数K和惩罚参数α的选择会影响信号分解的效果,提出一种改进PSO(Particle Swarm Optimization)优化VMD(PSO-VMD)的算法,通过改进阈值相关系数法选择有效模态分量,根据信号分析对高频噪声进行奇异值去噪重构。对仿真信号和管道泄露信号进行实验,通过选择多个K并结合相关系数法选择模态进行重构,比较不同K对应的重构信号与原信号的信噪比(SNR:Signal to Noise Ratio)、相关系数(CC:Coefficient)、平方绝对误差(SAE:Square Absolute Error)、均方误差(MSE:Mean Square Error)证明改进PSO优化VMD的可靠性。将该方法与改进的PSO-VMD结合豪斯特夫距离和奇异值(HD-SVD:Hustoff Distance-Singular Value Decompositio)、互信息和奇异值(MI-SVD:Mutual Information-Singular Value Decompositio)、相关系数和小波变换(CC-WT:Correlation Coefficient-Wavelet Transform)等方法对比,效果更佳。

变分模态分解和相关系数联合算法在管道泄漏检测中的应用

针对变分模态分解(Variational Mode Decomposition)算法存在难以选取预设尺度K和分解后的有效IMF分量的问题,提出了一种VMD和相关系数联合准则的方法,并将其用于检测管道泄漏信号。首先,通过VMD算法将原始信号分解成具有不同特征时间尺度的固有模态函数(Intrinsic Mode Function),然后利用相关系数法选取预设尺度K和包含故障信息最丰富的IMF分量,最后,对选取的有效IMF分量进行信号重构。试验结果表明,通过VMD和相关系数联合算法可以准确选取出预设尺度K并能得到有效的IMF分量,从而提高了管道泄漏检测的精度。

疲劳裂纹扩展电位信号的最优光滑降噪算法

在采用直流电位降法对疲劳裂纹扩展过程进行实时监测时,由于受到多种噪声干扰使疲劳裂纹扩展电位信号不准确。为了提高其准确性与光滑性,对疲劳裂纹扩展电位信号建立基于变分模态分解(VMD)的最优光滑降噪算法,将裂纹电位信号进行VMD分解后,根据各个模态分量的样本熵、相关系数和均方误差等指标,剔除裂纹电位信号中的噪声分量和对含噪的有效模态分量进行降噪处理;然后选择合适的模态分量进行裂纹电位信号的重构,对比不同信号重构方案,选出最优重构信号;最后对最优重构信号建立不同光滑滤波算法,通过对比光滑度、均方误差、信噪比等指标得出最优光滑降噪模型。分析结果表明该算法模型光滑降噪效果良好,降噪误差比为0.122050,提高了监测信号的光滑性与准确性。

基于GAHE-VMD与SVD-SCEC的管道信号联合去噪法

为了更有效分析管道信号,提出一种基于采用在恶劣环境下的遗传算法(Genetic Algorithms in Harsh Environments,GAHE)优化变分模态分解(Variational Mode Decomposition,VMD)联合奇异值分解(Singular Value Decomposition,SVD)与选择性累计能量贡献率(Selective Cumulative Energy Contribution,SCEC)的互补去噪方法。首先,提出用GAHE算法优化VMD算法并结合相对熵对信号中的中高频噪声进行初步消噪,解决VMD参数难以确定和传统遗传算法收敛慢的问题。其次,提出采用SCEC算法结合SVD算法对信号中残留的中低频噪声进行消噪,解决非线性、非平稳信号中大数量级的直流分量影响奇异值选择的问题。最后,通过实验与分析表明:GAHE优化算法收敛速度更快;SCEC奇异值选择法的抗直流能力更强;所提算法的处理效果较优且算法两部分具有互补特性。

基于VMD-CNN的非侵入式负荷监测方法研究

非侵入式负荷监测通过在总电力接口处安装智能电表,实时采集和分析用户用电信息,从而监测各个用电设备的工作状态。针对电力系统中家庭用户负荷变化呈现的不同特性,提出一种基于VMD-CNN的非侵入式负荷监测方法。首先对采集到的负荷信号进行预处理,用变分模态分解方法将原始负荷功率信号分解成不同频率的有限带宽子序列,然后用Hilbert算法提取低频信号特征并将其输入到卷积神经网络中,再通过网络的自动学习能力学习各模态分量的不同特征,最后用全连接网络对用电设备进行分类,得到各个设备的用电情况。为了验证该方法,采用UK-DALE数据集进行实验验证,并与不同的分类算法进行对比。实验结果证明该方法适用于负荷监测且负荷监测精度达到了0.98。

基于EEMD-VMD-SSA-KELM模型的汛期日径流预测

受气象、气候变化和人类活动等因素的影响,径流序列呈现出非稳态、非线性等特征,给径流精准预测带来新的挑战。为了提高单一径流预测模型的预测精度,文章提出了一种新的基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法、变分模态分解(Variational Modal Decomposition,VMD)算法和麻雀搜索算法(Sparrow Search Algorithm,SSA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)的组合径流预测模型(EEMD-VMD-SSA-KELM)。首先利用EEMD算法将径流序列分解为趋势分量、细节分量和随机分量,接着利用VMD算法将频率最大的随机分量进一步分解为若干个频率不同、较随机分量更加稳定的分量,从而降低径流序列的不稳定性;接着,对每个分量分别建立KELM模型进行预测,并采用SSA优化KELM模型的核参数和惩罚系数;最后,累加所有分量的预测结果得到径流序列的预测结果。提出的模型应用于湖北宜昌寸滩水文站的汛期日径流预测,并与BP神经网络模型、最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型、KELM模型等作对比。结果表明:组合了数据分解算法的预测模型的预测精度明显优于单一的BP模型、LSSVM模型和KELM模型;组合EEMD算法和VMD算法的预测模型的预测精度优于仅组合EEMD算法的预测模型;KELM模型的预测精度优于LSSVM模型;SSA的优化精度优于粒子群优化算法。EEMD-VMD-SSA-KELM模型的预测精度最高,能准确的模拟复杂多频信息的汛期日径流的变化趋势,可为水文预测及相关预测研究提供参考。

自适应VMD联合MOMEDA的滚动轴承故障提取

针对强背景噪声下滚动轴承微弱故障特征提取问题,提出了一种基于参数自适应优化变分模态分解(VMD)与多点最优最小熵解卷积(MOMEDA)相结合的轴承故障特征提取方法。首先对滚动轴承时域振动信号进行VMD分解,然后基于自相关函数脉冲谐波噪声比指标(AIHN)最大化原则进行挑选得到最佳模态分量(BIMF)并对其进行MOMEDA滤波,包络解调后得到故障特征频率,最后将本文所提方法体应用于数值仿真信号上可以明显观察到故障特征频率131.1 Hz,应用于实际轴承故障信号可以有效识别轴承故障特征频率294.5 Hz,与原始包络谱提取的311 Hz以及MCKD提取的320 Hz相比更加接近理论故障特征频率294 Hz。

采用自适应VMD与能量管理控制的混合储能平抑风电波动策略

采用燃料电池/电解槽/储氢罐/超级电容构建混合储能系统来平抑风电功率的波动性,实现风电平滑并网。针对风电功率的波动特性,结合风电并网波动率标准,提出自适应VMD算法,实现风电功率的自适应分解,得到风电并网功率和混合储能系统功率指令,根据燃料电池和电解槽出力需求,结合超级电容的荷电状态和储氢罐的储氢状态,提出一种能量管理控制策略,实现储能系统内部功率分配。算例结果表明,所提算法能自适应实现风电功率的最优分解,所提控制策略能完成储能系统内部功率的合理分配并有效地平滑风电出力波动,同时保证超级电容的荷电状态、储氢罐的储氢状态工作在合理区间。

VMD-Hilbert联合谱分析法在油气管道检测中的应用

针对油气管道特征工况信号噪声大,难以从中提取有效信息的问题,提出使用变分模态分解(Variational Mode Decomposition,VMD)结合Hilbert联合谱分析处理油气管道信号的方法。首先,根据各带限本征模态分量(Band-Limited Intrinsic Mode Function,BIMF)的瞬时频率均值确定最优分解尺度;其次,求得最优分解尺度下各BIMF的Hilbert联合谱,分析其时频特征与能量分布,确定主频分量;最后,根据主频分量对信号重构去噪。经过验证,该方法能有效提取信号特征信息且重构去噪效果明显,具有一定的实际应用意义。

融合计算机学习算法的电力线路紧线用卡线器应用方法

针对传统架空线路施工中卡线器与电缆不匹配、施工效率较差的问题,通过设计便携式采集卡实现卡线器数据的快速采集,并利用WLAN蓝牙连接快速传输数据;建立AM3517检测单元对采集卡数据进行分析,采用可变模式分解(VMD)学习算法对变化中的卡线器数据进行分解,并通过建立的数学模型实现电缆型号与卡线器之间的匹配;生成配准度数据实验表。试验表明,这个综合检测系统配准效率为3.54条/s,算法相对误差为1.684%。