基于变分模态分解和预测性能的单模态子信号选择方法技术

本发明专利技术公开一种基于变分模态分解和预测性能的单模态子信号选择方法。首先，依据经验确定多个进行变分模态分解(VMD)所必需设定的分解层数的取值；接着，采用VMD将原始机械信号分解为具有不同带宽和时间尺度的时域单模态子信号，进一步变换至频域获得候选单模态子信号频谱集合；最后，基于这些候选单模态子信号频谱集合构建候选磨机负荷参数预测子模型，并进一步构建选择性集成模型获得约简单模态子信号频谱集合，再依据实际需求和模型预测性能选择得到具有较强互补特性的单模态子信号集合。

A method of single-mode sub signal selection based on variational mode decomposition and prediction performance

【技术实现步骤摘要】
基于变分模态分解和预测性能的单模态子信号选择方法
本专利技术属于球磨机
，尤其涉及一种基于变分模态分解和预测性能的单模态子信号选择方法。
技术介绍
球磨机是广泛用于矿石破碎、具有连续旋转和封闭运行等特性的重型机械设备，其主要依靠内部所装载的大量钢球的冲击作用完成磨矿等任务。理论上，钢球分层排列，并以不同的幅值和周期直接或间接冲击磨机衬板并引起筒体振动。磨机负荷及其内部负荷参数与筒体振动的频谱范围分布、振动幅值等特征密切相关，其与磨矿过程的优化控制、节能降耗、甚至磨矿设备的安全运行都密切相关[1]。因此，筒体振动信号蕴含着丰富的磨机负荷信息，并且具有非线性、非平稳和多组分等特点[2]。如何获得具有物理含义的单模态子信号，对构建寓意明确的磨机负荷参数预测模型、洞悉磨机研磨机理和筒体振动信号产生机理的意义重大。理论上，经验模态分解(EMD)及其改进方法[3,4,5]能够将多组分时域信号自适应地分解为具有不同时间尺度的多个子信号，即内禀模态函数(IMF)，其在旋转机械故障诊断和磨机筒体振动信号分析等领域已得到了广泛应用[6,7]；上述这些本文档来自技高网...

【技术保护点】
1.一种基于变分模态分解(VMD)和预测性能的单模态子信号选择方法，其特征在于，/n步骤1、确定多个进行变分模态分解(VMD)所必需设定的分解层数的取值；/n步骤2、，采用VMD将原始机械信号分解为具有不同带宽和时间尺度的时域单模态子信号，进一步变换至频域获得候选单模态子信号频谱集合；/n步骤3、基于这些候选单模态子信号频谱集合构建候选磨机负荷参数预测子模型，并进一步构建选择性集成模型获得约简单模态子信号频谱集合，再依据实际需求和模型预测性能选择得到具有互补特性的单模态子信号集合。/n

【技术特征摘要】
1.一种基于变分模态分解(VMD)和预测性能的单模态子信号选择方法，其特征在于，
步骤1、确定多个进行变分模态分解(VMD)所必需设定的分解层数的取值；
步骤2、，采用VMD将原始机械信号分解为具有不同带宽和时间尺度的时域单模态子信号，进一步变换至频域获得候选单模态子信号频谱集合；
步骤3、基于这些候选单模态子信号频谱集合构建候选磨机负荷参数预测子模型，并进一步构建选择性集成模型获得约简单模态子信号频谱集合，再依据实际需求和模型预测性能选择得到具有互补特性的单模态子信号集合。


2.如权利要求1所述的基于变分模态分解(VMD)和预测性能的单模态子信号选择方法，其特征在于，步骤1具体为：根据待分解的时域机械振动信号确定VMD分解层数的取值的集合，将第ith个分解层数的取值记为Ki，具体可表示为：



其中，fKsel(·)表示用于确定分解层数的取值的非线性映射关系。


3.如权利要求2所述的基于变分模态分解(VMD)和预测性能的单模态子信号选择方法，其特征在于，步骤2具体为：
以第ith个分解层数的取值Ki为例，描述基于VMD的时域机械振动信号的分解过程，可用下式表示，



其中，表示第kKith个基于分解层数的取值Ki所得到的单模态子信号，相应的全部Ki个单模态子信号可表示为
将基于全部候选层数取值的分解结果表示为，



其中，和表示基于分解层数的取值K1和KI所得到的单模态子信号；表示基于全部分解层数的全部候选单模态子信号，其数量J可由下式计算得到，
J＝K1+Ki+KI(4)
最后，对全部候选单模态子信号执行FFT变换，得到候选单模态子信号频谱集合，该过程可表示为，

。


4.如权利要求3所述的基于变分模态分解(VMD)和预测性能的单模态子信号选择方法，其特征在于，步骤3具体为：
首先，获取基...

【专利技术属性】
技术研发人员：刘卓，汤健，张健，余刚，赵建军，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11