【技術實現步驟摘要】
本專利技術涉及信號處理，尤其是一種基于改進的woa-vmd聯合svd的管道泄漏信號去噪方法。
技術介紹
1、聲發射(acoustic?emission，簡稱ae)是指材料局部因能量的快速釋放而發出瞬態彈性波的現象，有時也稱為應力波發射。材料在應力作用下的變形與裂紋擴展，是結構失效的重要機制。這種直接與變形和斷裂機制有關的源，被稱為聲發射源。近年來，流體泄漏、摩擦、撞擊、燃燒等與變形和斷裂機制無直接關系的另一類彈性波源，被稱為其它或二次聲發射源。
2、聲發射是一種常見的物理現象，各種材料的聲發射信號的頻率范圍很寬，從幾hz的次聲頻、20hz～20khz的聲頻到數mhz的超聲頻；聲發射信號幅度的變化范圍也很大，從10-13m的微觀位錯運動到1m量級的地震波。按傳感器的輸出可包括數uv到數百mv，不過，多數情況下用高靈敏傳感器才能探測到的微弱振動。因此，所探測到的聲信號波形是不同路徑到達傳感器聲波的疊加(混響效應)，這種不同波形的疊加使問題趨于復雜。此外，傳感器本身還有所謂“振鈴”效應(傳感器的響應)，從而導致輸出信號更加復雜。在許多情況下，如何從這樣一個比較復雜的信號中獲取有用信息就成了問題的關鍵。
3、在油氣管道系統中，外界噪聲和采集系統的隨機干擾常導致傳感器捕獲的聲波信號中充滿噪聲，這嚴重影響信號的有效分析。因此，在分析之前進行去噪處理非常重要，以提高分析的準確性。油氣管道泄漏信號中的噪聲問題尤為嚴重，因此需要進行有效的去噪處理。在管道泄漏信號處理的現狀中，傳統的去噪方法常常面臨處理效率低和噪聲去除不徹底
4、變分模態分解(vmd)是一種有效的去噪技術，它不僅有堅實的理論基礎，還解決了經驗模態分解(emd)中的模態混疊問題以及小波分解中小波基函數選擇難題。能夠將復雜信號分解成若干個帶限模態函數(intrinsic?mode?functions，imf)，每個模態函數基本上可以視為單一頻率的波形。vmd通過求解一個變分問題，從信號中提取模態成分。求解過程涉及到使得解的帶寬最小化，這樣可以分離出信號中的不同頻率成分。vmd分解的模態數量k和懲罰因子α的確定方法并沒有一種明確的選擇標準，在實際分解過程中往往需要人為設置參數k和α，具有很大的主觀性。
5、woa(鯨魚算法)是一種新興的優化算法，利用模擬鯨魚捕食行為來尋找最優解，具有較好的全局搜索能力。
6、奇異值分解(svd)是一種線性代數技術，可以將任何復雜的數據矩陣分解成三個簡單矩陣的乘積：正交矩陣u、對角矩陣s和正交矩陣v的轉置vt。在svd中，對角矩陣s的對角線元素是奇異值，它們按照從大到小的順序排列。奇異值反映了矩陣在對應的奇異向量方向上的能量或信息。在信號處理中，較大的奇異值通常對應著信號的主要成分，而較小的奇異值則往往和噪聲相關聯。
技術實現思路
1、為了克服上述現有技術中的缺陷，本專利技術提供一種基于改進的woa-vmd聯合svd的管道泄漏信號去噪方法，通過將woa、vmd和svd三種算法結合，形成了一個集成化的信號處理框架，相比單一方法在性能上有了顯著提升。
2、為實現上述目的，本專利技術采用以下技術方案，包括：
3、一種基于改進的woa-vmd聯合svd的管道泄漏信號去噪方法，包括以下步驟：
4、s1，獲取管道缺陷位置的原始聲發射信號即管道泄漏信號；
5、s2，將變分模態分解算法即vmd算法中的懲罰因子α和模態數量k作為鯨魚算法即woa算法的優化目標，尋找vmd算法中的最優懲罰因子α和最優模態數量k；
6、s3，根據步驟s2得到的最優懲罰因子α和最優模態數量k設置vmd算法，并利用vmd算法對步驟s1的管道泄漏信號進行vdm分解，得到k個本征模態分量即imf分量；
7、s4，利用相關系數法對步驟s3得到的k個imf分量進行識別，識別出有效imf分量；
8、s5，采用奇異值分解算法即svd算法分別對各個有效imf分量進行svd分解和去噪處理，去除各個有效imf分量中的噪聲信號；將去噪處理后的各個有效imf分量進行合成，得到去噪后的管道泄漏信號。
9、優選的，步驟s2中，根據適應度值選取優化目標，適應度函數為：
10、
11、其中，a(j)為管道泄漏信號進行vmd分解后得到的本征模態分量經hilbert解調后的包絡信號；j表示包絡信號a(j)中的第j個采樣點，n為采樣點數；pj為a(j)歸一化后得到的概率分布序列；計算概率分布序列pj的熵值，得到包絡熵ep；計算vmd分解后的各個本征模態分量的包絡熵ep，選取最小的包絡熵ep作為適應度值；
12、尋找最小適應度值所對應的懲罰因子α和模態數量k作為最優懲罰因子α和最優模態數量k。
13、優選的，步驟s4中，使用相關系數法計算每個imf分量與管道泄漏信號之間的相關系數，相關系數大于第一閾值的imf分量為有效imf分量；具體如下所示：
14、
15、
16、其中，x(t)表示管道泄漏信號中第t個時刻的信號值；imf(t)表示imf分量中第t個時刻的信號值；t表示時刻，t＝1,2,...,n，n表示信號長度；表示管道泄漏信號的平均信號值；表示imf分量的平均信號值；conf(x,imf)表示imf分量與管道泄漏信號之間的相關系數；
17、第一閾值ηr＝ρ·rmax，其中，rmax為計算得到的最大相關系數，ρ為設定比例。
18、優選的，步驟s5的具體過程如下所示：
19、s51，imf分量表示為{imf(t)|t＝1,2,...,n}；imf(t)為imf分量中第t個時刻的信號值，t表示時刻，t＝1,2,...,n，n為信號長度；
20、將一維的有效imf分量轉換成二維矩陣y：
21、
22、其中，l為二維矩陣y的行數，h為二維矩陣y的列數，h＝n-l+1；
23、s52，對二維矩陣y進行奇異值分解即svd分解，分解為正交矩陣u、對角矩陣s和正交矩陣v的轉置vt；
24、y＝usvt
25、s＝[diag(σ1,σ2,…,σp),0]
26、其中，對角矩陣s為l×h的對角矩陣，對角線元素σ1,σ2,…,σp為非負值，非對角線元素為0，對角矩陣s的對角線元素σ1,σ2,…,σp即為有效imf分量的奇異值；p＝min{l,h}；
27、s53，通過計算各個奇異值的能量微分譜di，對奇異值進行分組，分為信號相關分量和噪聲分量，并設定第二閾值；
28、
29、其中，σi為第i個奇異值，p為奇異值數量；di為第i個奇異值σi的能量微分譜；ησ為第二閾值；
30、將di大于第二閾值ησ的奇異值記為信號相關分量，將di小于本文檔來自技高網...
【技術保護點】
1.一種基于改進的WOA-VMD聯合SVD的管道泄漏信號去噪方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于改進的WOA-VMD聯合SVD的管道泄漏信號去噪方法，其特征在于，步驟S2中，根據適應度值選取優化目標，適應度函數為：
3.根據權利要求1所述的一種基于改進的WOA-VMD聯合SVD的管道泄漏信號去噪方法，其特征在于，步驟S4中，使用相關系數法計算每個IMF分量與管道泄漏信號之間的相關系數，相關系數大于第一閾值的IMF分量為有效IMF分量；具體如下所示：
4.根據權利要求1所述的一種基于改進的WOA-VMD聯合SVD的管道泄漏信號去噪方法，其特征在于，步驟S5的具體過程如下所示：
5.根據權利要求1所述的一種基于改進的WOA-VMD聯合SVD的管道泄漏信號去噪方法，其特征在于，采用改進的WOA算法尋找最優解即最優懲罰因子α和最優模態數量K，具體如下所示：
6.一種計算機程序產品，其特征在于，其包括計算機程序/指令，該計算機程序/指令被處理器執行時實現權利要求1～5任一所述一種基于改進的WOA-VM
7.一種可讀存儲介質，其特征在于，其上存儲有計算機程序，所述計算機程序被執行時實現權利要求1～5任一所述一種基于改進的WOA-VMD聯合SVD的管道泄漏信號去噪方法。
8.一種電子設備，其特征在于，其包括處理器、存儲器及存儲于所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現權利要求1～5任一所述一種基于改進的WOA-VMD聯合SVD的管道泄漏信號去噪方法。
...【技術特征摘要】
1.一種基于改進的woa-vmd聯合svd的管道泄漏信號去噪方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于改進的woa-vmd聯合svd的管道泄漏信號去噪方法，其特征在于，步驟s2中，根據適應度值選取優化目標，適應度函數為：
3.根據權利要求1所述的一種基于改進的woa-vmd聯合svd的管道泄漏信號去噪方法，其特征在于，步驟s4中，使用相關系數法計算每個imf分量與管道泄漏信號之間的相關系數，相關系數大于第一閾值的imf分量為有效imf分量；具體如下所示：
4.根據權利要求1所述的一種基于改進的woa-vmd聯合svd的管道泄漏信號去噪方法，其特征在于，步驟s5的具體過程如下所示：
5.根據權利要求1所述的一種基于改進的woa-vmd聯合svd的...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。