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...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。展开更多
文摘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。
