进化论动态参量自适应消噪算法

由于以输出信号平均能量的倒数为适应度函数、以及定值克隆系数和定值匹配系数的因素,制约了传统进化论自适应消噪算法的收敛特性,影响了传统进化论自适应算法降噪的有效性。针对该问题,提出了基于动态适应度函数的进化论变系数自适应消噪算法。新算法中,匹配系数与进化代数相关联,克隆系数由进化代数和适应度值决定,并采用动态适应度函数,改善了滤波器的收敛特性和噪声抑制能力。模拟仿真分析表明,新算法较同类进化论算法有较快的收敛速度和良好的消噪效果。物理台架实验数据验证了该算法对故障信号的有效提取能力。

基于样本熵理论的进化论自适应消噪算法

进化论自适应滤波器消噪算法通过有性繁殖和无性繁殖规则可以实现全局最优搜索,从而最优地消除可加性噪声,有效提取故障特征信号。但定值进化系数和以残差信号平均能量的倒数作为适应度函数等因素,约束了该算法的收敛特性和消噪性能。由于样本熵拥有可有效表征信号的不规则性和复杂程度、可较少地依赖时间序列的长度、对于丢失数据不敏感、对瞬态强干扰有较好的承受能力等特性,本文将信号样本熵的倒数作为适应度函数,采用变步长的进化系数提出基于样本熵理论的自适应进化论消噪算法。模拟仿真和实验数据研究表明,本算法有较好的收敛速度和消噪效果。