一种基于自适应变分模态分解算法的球磨机振动信号去噪方法技术

本发明专利技术公开了一种基于自适应变分模态分解算法的球磨机振动信号去噪方法，属于信号处理领域。该方法首先计算球磨机原始振动信号的能量，再从2阶开始计算分解后的IMF分量的能量和与原信号之间的能量差，增大分解阶次后该能量差呈较稳定的线性增加，增大到一定的阶次之后能量差将突变，能量差会显著增大，信号发生过分解，故根据能量差可以自适应选取最适宜的分解数量，无需预先设置分解信号个数，再使用相关系数法对信号进行重构，即可较好地去除球磨机在三种工况下（欠负荷、正常、过负荷）的高频噪声，提高重构信号的信噪比。本发明专利技术所使用的去噪方法计算简单，具有较高的运算效率，并极大程度减小模态混叠，相对于中心频率法能够保留更多原始信号特征，减少了分解后信号特征信息缺失。信息缺失。信息缺失。

【技术实现步骤摘要】
一种基于自适应变分模态分解算法的球磨机振动信号去噪方法


[0001]本专利技术属于信号去噪领域，具体涉及一种基于自适应变分模态分解算法的球磨机振动信号去噪方法。

技术介绍

[0002]球磨机负荷（包括钢球量、矿石量以及水量）是磨矿过程中的重要参数，直接关系到磨矿的效率和能耗,而球磨机的振动是反映球磨机负荷的重要指标。球磨机振动信号具有非线性、非平稳性的特点，且球磨机机组庞大，这使得大量有用信号淹没在噪声信号中。为了较好地去除球磨机振动信号中的噪声，提高信噪比，非常有必要对球磨机筒体振动信号的去噪方法进行改进。针对球磨机筒体振动信号具有非线性、非平稳性等问题，提出了自适应变分模态分解（VMD）算法后再根据互相关系数及阈值公式选取符合条件的IMF分量（本征模态分量）重构信号去噪。
[0003]一种基于VMD的矿山微震信号的降噪滤波方法（ZL 201710144435.7）与专利一种基于能量分布特征的矿山微震信号辨识方法（ZL 201710615340.9）使用VMD分解均无法自适应设置分解层数，本专利采用根据能量差的变化实现了VMD的自适应分解，防止了信号的过分解和欠分解，能够较大程度的保留信号的原始特征。一种基于VMD的间隔阈值局部放电去噪方法（ZL 201810611501.1），一种基于VMD的矿山微震信号的降噪滤波方法（ZL 201710144435.7）中均使用VMD算法降噪，前者保留IMF分量的标准为峭度值大于10，后者对IMF分量与原信号的相关系数大于0.3的保留，本专利先计算各分量相关系数，再由相关系数计算相关系数阈值，每个信号都有相应的阈值，普适性更强，重构后对信号的原始特征的保留程度更高。

技术实现思路

[0004]本专利技术所述的基于自适应变分模态分解算法的球磨机振动信号去噪方法，通过以下技术方案实现：1、计算球磨机原始振动信号能量值；2、对原始振动信号进行VMD的j阶分解，首次j为2；计算分解所得各分量的能量之和；4、计算并记录下能量差ρ；依次增加分解阶次重复2、3、4步，直到ρ发生突变，采用突变的前一分解阶次作为最佳分解阶次；6、对在最佳分解阶次的下进行VMD分解的各IMF分量使用相关系数法，算出重构，即可求得最终降噪后的信号。
[0005]本专利技术最为突出的特点和显著的有益效果是：本专利技术所涉及的基于自适应变分模态分解算法的球磨机振动信号去噪方法，通过
计算球磨机原始振动信号的能量、原始信号在VMD算法各分解阶次下分量能量和，再计算能量差ρ，以ρ作为自适应VMD分解的标准，最后使用相关系数法对自适应VMD分解后的分量重构；可较好地去除模态混叠现象，提高信噪比。其中，与瞬时频率均值法相比，能量差值法计算简单，有较高运算效率，相对于中心频率法能够保留更多原始信号，减少分解后信号特征信息缺失。
附图说明
[0006]为了更清楚的说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术中描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一种实施方式，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0007]图1为本专利技术具体实施方式的流程图。
[0008]图2为三种负荷参数组合下振动信号波形图。
[0009]图3经自适应VMD算法处理后得到4个IMF分量及原始信号频谱。
[0010]图4为振动信号EMD分解后得到的前4个IMF分量的频谱。
[0011]图5为使用自适应VMD分解并使用相关系数法重构的信号。
[0012]图6为EMD算法与SVD算法分解重构得到的信号。
具体实施方式
[0013]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本专利技术具体实施方式中的技术方案进行清楚、完整的描述，以进一步阐述本专利技术，显然，所描述的具体实施方式仅仅是本专利技术的一部分实施方式，而不是全部的样式。
[0014]本具体实施方式为基于自适应变分模态分解算法的球磨机振动信号去噪方法，该提取方法的流程图如图1所示，具体步骤为：1. E表示信号能量值， 表示信号时间序列，N为信号长度。使用公式（1）计算球磨机原始振动信号能量。
[0015]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）2.对振动信号进行VMD的j阶分解，初始为2。
[0016]3.由公式（1）求出在j阶VMD分解下的各IMF分量能量，再对各分量能量求和得到。
[0017]4.使用公式（2）计算并记录能量差ρ。
[0018]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）5.增加分解阶次重复2、3、4步，直到ρ显著增加，采用j
‑
1作为最佳分解阶次。
[0019]6.使用公式（3）计算最佳分解状态下的IMF分量与原信号的互相关系数 。
[0020]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）7.使用公式（4）计算相关系数阈值，分别表示阈值和第i个IMF分量与原始信号之
间的相关系数，保留相关系数大于阈值的分量。
[0021]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）8.使用相关系数大于阈值的分量进行重构。
[0022]取欠负荷（填充料15%，料球比0.3）、正常负荷（填充料30%，料球比0.5）、过负荷（填充料50%，料球比0.7）三种负荷参数组合下的球磨机振动原始信号各一组，提取的三种负荷参数组合下振动信号如图2所示。
[0023]分别利用自适应的VMD和EMD算法对提取的振动信号进行处理，经自适应VMD算法处理后得到4个IMF分量及原始信号频谱如图3所示；为了便于与自适应VMD算法进行比较，所以取EMD分解后得到的前4个IMF分量的频谱进行对比，如图4所示。
[0024]通过分析图3和图4中VMD和EMD分解后各IMF分量频谱可知，经过EMD分解后的三种振动信号的IMF分量都有严重的模态混叠现象，但是经自适应VMD算法分解后的三种振动信号的各IMF分量的频率都集中在各自中心频率附近，极大减小了模态混叠现象，即保证了处理后的信号特征完整性，且对于球磨机各负荷状态下的信号都适用，对于本文使用样本熵作为特征值非常有利。选取其中磨机在填充料15%，料球比0.3参数组合下筒体振动信号进行分析，计算出各IMF分量与原始信号之间的相关系数如表1所示。
[0025]表1 各IMF与球磨机筒体振动信号的相关系数模态分量IMF1IMF2IMF3IMF4互相关系数0.1860.3890.4250.554根据相关系数阈值公式得到阈值，选取大于或等于该阈值的有效IMF分量进行信号重构，如图5所示。
[0026]对比分析原始信号与重构信号可以发现，高频噪声信号被很好的去除了，同时重构后的信号幅值和变化趋势大致没有改变，所以也很好的保留了原始信号特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应变分模态分解算法的球磨机振动信号去噪方法，其特征在于，该去噪方法具体步骤为：步骤一、计算球磨机原始振动信号序列能量值，对信号进行j阶VMD分解，求出各本征模态分量的能量和；步骤二、计算能量差ρ，不断增加分解阶次记录下能量差ρ，若其显著增加则采用j
‑
1为最佳分解阶次，使用相关系数法对在j
‑
1阶下分解得出的本征模态分量重构作为有效的球磨机振动信号。2.根据权利要求1所述的基于自适应变分模态分解算法...

【专利技术属性】
技术研发人员：万俊良，杨丽荣，周俊，曹冲，郝书灏，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：