可变模态分解算法及其在天然气管道泄漏检测中的应用

对可变模态分解算法在天然气管道泄漏信号检测中的应用做了研究。通过对其噪声鲁棒性、过度分解和不饱和分解特性的分析,并与经验模态分解和小波分解进行对比,证明可变模态分解算法在天然气管道泄漏信号检测与分析方面的可行性和有效性,并且可变模态分解具有更好的噪声鲁棒性和泄漏信号检测效果。

气体管道运行状态特征提取与状态识别

研究了气体管道各种运行状态下的声波信号特征参数,通过仿真分析验证可变模态分解(VMD)后前两个分量的中心频率IMF1和IMF2,以及经VMD-Wavelet处理后重构信号的云模型特征熵En和重心频率FC可以作为气体管道运行状态识别的特征参数;研究了反向传播神经网络,提出VMD-En-BP模型,通过测试分析发现,该模型能够准确识别气体管道的正常运行、敲击、渗漏、小泄漏和大泄漏等五种运行状态。

改进灰狼算法的核极限学习机的风功率预测

针对风能的波动性、非平稳性导致风电功率预测精度不高的问题,研究并提出一种基于可变模式分解(VMD)技术和改进灰狼算法(DIGWO)优化核极限学习机(KELM)的短期风电功率预测模型。将功率信号进行分解得到若干个不同带宽的模式分量,对各个模式分量建立核极限学习机预测模型。为提高核极限学习机的寻优能力,采用改进的灰狼算法对核极限学习机的参数进行优化,得到各个模式分量的预测值,将分量预测值进行叠加后得到风电功率最终预测。采用实际风电功率数据进行实验仿真,实验结果表明,该模型的RMSE和MAE分别是1.5%和1.16%,相比其他模型提高了风电功率预测精度。

基于BAS-2D-VMD的图像去噪算法

针对2D-VMD(2D-Variational Mode Decomposition)算法需要人为预设K值的问题,提出了一种基于BAS-2D-VMD(Beetle Antennae Search Algorithm-2D-Variational Mode Decomposition)的图像去噪算法。该方法首先用BAS算法搜寻2D-VMD参数K的最佳值,然后对图像进行2D-VMD分解,得到K个子模态,最后将对计算各个模态与原图像的相关系数进行模态筛选,并将选中的模态进行重构,得到去噪后的图像。仿真实验表明,该方法与中值滤波和维纳滤波相比取得了较高的峰值信噪比。将该算法应用到架空输电线图像处理领域,对无人机采集到的线路图像进行去噪,与传统的算法对比取得较好的去噪效果,解决了线路图像噪声难以去除的问题。

改进VMD算法在管道泄漏检测中的应用

针对VMD(Variational Mode Decomposition)算法分解后的有效模态分量选择困难以及去噪效果不理想的问题,提出了一种改进的VMD算法。将VMD算法和相关系数以及峭度结合选择有效模态分量,利用小波变换去除筛选后分量的高频噪声,最后将有效模态分量与滤波后的模态分量进行重构。实验结果表明,与其他算法相比,改进的VMD算法能较精确地选取有效模态分量,具有较好的去噪效果,验证了在管道泄漏检测中的有效性。

一种基于VMD和小波去噪的管道泄漏检测算法

为了更好地消除混杂在管道泄漏信号中的噪声,提出了一种基于VMD和小波去噪的管道泄漏检测算法。首先对信号中的噪声进行小波变换预处理。接着把经过小波变换处理后的高频成分与低频成分进行叠加得到重构信号,即完成信号去噪。然后将去噪信号进行可变模态分解(VMD)得到所有IMF分量。最后,通过相关系数准则判断有效IMF分量,将有效分量重构,通过计算信噪比和均方误差来验证该方法的有效性。本文将这种算法应用于实际天然气管道泄漏信号的检测分析中,实验结果表明,该算法同时结合小波与VMD的优点,能更好的消除噪声,最大限度的保留有用信号,并提高信号的信噪比。

一种基于2D-VMD的医学图像去噪算法

为了更好地去除掺杂在图像信号中的噪声,提出了一种基于2D-VMD的图像去噪算法。首先对含有噪声信号的图像进行2D-VMD分解。然后利用信噪比与均方误差值将分解后的各IMF分量进行计算筛选,确定噪声项。最后将噪声项去除后,将有效IMF分量进行重构,即完成图像去噪。最后,通过计算去噪前后图像的信噪比和均方误差来验证该方法的有效性。文中将这种算法应用于医学图像处理的信号去噪中,实验结果表明,该算法能很好的将图像中的噪声项去除以达到去噪效果,最大限度上保留了原始信号中的有效成分,并提高图像的信噪比与均方误差值。