(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111657460.8 (22)申请日 2021.12.3 0 (71)申请人 南昌大学 地址 330000 江西省南昌市东湖区红谷滩 新区学府大道 999号 (72)发明人 李火坤　柳波　王刚　 (74)专利代理 机构 南昌青远专利代理事务所 (普通合伙) 36123 专利代理师 唐棉棉 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/00(2022.01) G06F 111/04(2020.01) (54)发明名称 一种基于改进变分模态分解的泄流结构振 动信号降噪方法 (57)摘要 本发明涉及一种基于改进变分模态分解的 泄流结构 振动信号降噪方法， 通过对泄流结构 进 行原型振动测试， 获取相应测点的原型振动信 号， 基于变分模态分解VMD方法构造变分约束模 型； 基于奇异熵和频率稳定的结构 模态数自适应 确定方法， 确定并输出含有N ″个稳定IMF分量的 结构模态数； 根据保证信号重构精度的样本熵阈 值， 实现对二次惩罚因子的自动筛选， 并利用 BAS‑PSO算法来寻求最优的二次惩罚因子； 将上 述确定的结构模态数和最优二次惩罚因子代入 到变分约束模型中对泄流结构振动信号响应进 行降噪处理。 本发明方法能够 有效地滤除低频水 流噪声和高频白噪声， 抑制结构密频分量的模态 混叠， 并得出结构各振动分量的时程线， 为运行 期泄流结构振动信号降噪提供了一种新的思路。 权利要求书3页 说明书9页 附图5页 CN 114626193 A 2022.06.14 CN 114626193 A 1.一种基于改进变分模态分解的泄流结构振动信号降噪方法， 其特征在于， 包括如下 步骤： 步骤1、 对泄流结构进行原型振动测试， 获取泄流结构相应测点的原型振动信号， 基于 变分模态分解VMD方法将对原型振动信号的处理问题转化为对变分模型的求解问题： 以每 个模态的中心频率附近的窄带信号为准则构造变分约束模型， 通过 交替方向乘子算法在信 号频域进行迭代求解， 将输入信号分解成一组本征模态函数 的线性组合,进而实现对振动 信号的降噪处 理， 其中所述的变分约束模型为： 上式中， δ(t)— —狄拉克分布； uk(t)——第k个本征模态函数； j——复数单位； 步骤2、 基于奇异熵和频率稳定的结构模态数自适应确定方法， 实现振动信号中结构各 振动分量和噪声分量的自适应分离， 确定并输出含有N ″个稳定IMF分量的结构模态数K， 所 述振动分量包括密频分量和高频分量； 步骤3、 根据保证信号重构精度的样本熵阈值， 实现对二次惩罚因子的自动筛选， 构建 基于样本熵和互信息系数的二次惩罚因子优化目标函数， 并利用BAS ‑PSO算法来寻求使目 标函数达 到最小值的最优二次惩罚因子α； 步骤4、 根据步骤2和步骤3中确定的变分模态分解VMD算法中的结构模态数K和最优二 次惩罚因子α， 将其代入到步骤1中的变分约束模型中， 利用所得变分约束模型对泄流结构 振动信号响应进行处 理， 以滤除信号中的低频 水流噪声和高频白噪声。 2.根据权利要求1所述的一种基于改进变分模态分解的泄流结构振动信号降噪方法， 其特征在于， 步骤2 中所述确定并输出含有N ″个稳定IMF分量的结构模态数K， 结构模态数K 的确定步骤如下： a1.对含噪振动信号矩阵Qpq进行奇异值分解， 采用奇异熵理论进行模态系统定阶， 采取 奇异熵增量斜率Δli作为阈值， 判别结构系统阶次， 其奇异 熵增量斜率表示为： 上式中， ΔEi为奇异熵在阶次i处的增量； b1.当Δli＞‑0.05且Δli+l＞‑0.05,(l＝1,2, …,q‑i‑2)时， 则认为系统已经稳定， 此时 i＝m认为是结构系统的阶次， 而结构模态阶次N ″＝m/2， 表明结构振动信号包含N ″个结构 IMF分量和若干个噪声分量； c1.对结构模态数K从N ″开始由小到大遍历， 计算IMF分量的中心频率ωk和瞬时频率均 值 分析其在不同结构模态数下的稳定情况， 确定并输出含有N ″个稳定IMF分量的结权　利　要　求　书 1/3 页 2 CN 114626193 A 2构模态数 K。 3.根据权利要求1所述的一种基于改进变分模态分解的泄流结构振动信号降噪方法， 其特征在于， 步骤3中所述根据保证信号重构精度的样本熵阈值， 实现对二次惩罚因子的自 动筛选， 构建基于样本熵和互信息系 数的二次惩罚因子优化 目标函数， 目标函数 的构建过 程步骤如下： a2.给定二次惩罚因子取值范围 采用实验设计方法在该区间内生成包含Sα 个二次惩罚因子的样本集； b2.基于频率稳定图所确定的结构分量中心频率来甄别信号是否出现了分解不足或过 度分解的现象， 若 有则剔除该二次惩罚因子样本并重新取样， 直至有效的样本个数达 到Sα； c2.计算样本集中各结构信 号分量样本所对应的样本熵SampEnf， 并将Sα个结构信号分 量样本的样本熵从大到小排序， 设定样本熵阈值为第0.95 ×Sα个样本熵， 从而筛选二次惩 罚因子样本， 以此来保证重构信号的精度； d2.基于样本熵和互信息系数指标， 构建二次惩罚因子优化目标函数J， 其表达式如下： 上式中， Iα(i,j)为互信息系数指标， 其计算公式如下： Iα(X′,Y′)＝H′(X′)+H′(Y′)‑H′(X′Y′)     (4) 上式中， Iα(X′,Y′)表示二次惩罚因子α 所得的结构振动分量的互信息系数； H ′(X′)和H′ (Y′)分别是本征模态分量X ′和Y′的熵； H′(X′Y′)是本征模态分量X ′和Y′的联合熵。 4.根据权利要求1所述的一种基于改进变分模态分解的泄流结构振动信号降噪方法， 其特征在于， 步骤3中所述利用BAS ‑PSO算法来寻求使目标函数达到最小值的最优二次惩罚 因子α， 其 寻优步骤如下： a3.初始化粒子群： 定义PS O算法所需的参数， 生成二次惩罚因子的初始化粒子群， 并将 二次惩罚因子α 视作天牛个 体； b3.随机生成表示二次惩罚因子的天牛朝向： 天牛在每一步行动之前其朝向是随机的， 生成一个随机的向量表示天牛的朝向； c3.定义天牛个体位置并更新天牛位置： 基于公式(3)确定寻求最优二次惩罚因子的适 应度目标函数， 计算天牛左右须的适应度Jl和Jr， 通过对比其大小来更新天牛个 体的位置： 上式中， 为更新后天牛个 体位置； τt′为第t′次迭代中步长； sign表示符号 函数； e3.求解二次惩罚因子个体极值和全局最优解： 计算当前天牛个体最优的适应度值， 从 个体历史最优解中确定全局最优解； f3.更新个体的速度和位置： 通过自 己的经历和群体经验来决定下一步的运行方向和 速度， 按公式(6)和(7)更新粒子的速度和位置：权　利　要　求　书 2/3 页 3 CN 114626193 A 3