【技术实现步骤摘要】
一种基于VMD的时域载荷信号的去噪方法
本专利技术涉及信号处理
，尤其涉及一种基于VMD(变分模态分解)的时域载荷信号的去噪方法。
技术介绍
疲劳破坏是工程结构与机械失效的主要原因之一，对机械结构进行疲劳耐久性分析具有重要意义，而实测载荷信号是疲劳耐久分析的基础。联合收割机的工作环境复杂多变，其测试信号具有非平稳且含有大量噪声的特征，有效去除噪声，获取真实载荷信号具有重要意义。目前常用的工程信号去噪方法主要包括小波阈值去噪(WTD)、经验模态分解(EMD)等。其中，WTD的去噪效果过分依赖于小波基与分解层数的选取，且其对低信噪比的信号去噪效果较差；EMD虽可以将信号自适应地分解为多个模态函数，但是其自身存在的模态混叠缺陷严重制约了其信号分解能力，同时也限制了其去噪能力。VMD作为一种新兴的自适应信号分解方法，通过迭代求解变分问题将信号分解为一组有限带宽的模态函数，有效地解决了模态混叠问题，同时具有很好的噪声鲁棒性。但是，VMD在使用前必须给定模态数量，如果模态数量选择过小，很难将信号中的各分量分解开，如...
【技术保护点】
1.一种基于VMD的时域载荷信号的去噪方法，其特征在于，所述方法包括以下步骤：/n利用消除趋势波动分析算法获取时域载荷信号的分形标度值；/n通过所述分形标度值获取归一化互信息阈值，并通过互信息准则和VMD将时域载荷信号自适应地分解为一系列有限带宽的模态函数；/n计算各模态分量的加权排列熵，并根据加权排列熵选出相关模态分量；/n累加所有相关模态分量，得到去噪后的信号。/n
【技术特征摘要】
1.一种基于VMD的时域载荷信号的去噪方法，其特征在于，所述方法包括以下步骤：
利用消除趋势波动分析算法获取时域载荷信号的分形标度值；
通过所述分形标度值获取归一化互信息阈值，并通过互信息准则和VMD将时域载荷信号自适应地分解为一系列有限带宽的模态函数；
计算各模态分量的加权排列熵，并根据加权排列熵选出相关模态分量；
累加所有相关模态分量，得到去噪后的信号。
2.根据权利要求1所述的一种基于VMD的时域载荷信号的去噪方法，其特征在于，所述互信息准则为：
其中，δ为互信息阈值；α0为分形标度值。
3.根据权利要求1所述的一种基于VMD的时域载荷信号的去噪方法，其特征在于，所述通过互信息准则和VMD将时域载荷...
【专利技术属性】
技术研发人员：付景静，牛文铁，才福友，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。