[发明专利]一种基于自适应变分模态分解的工程结构信号处理方法

说明书

本发明涉及一种基于自适应变分模态分解的工程结构信号处理方法。包括：（1）输入原始的工程结构信号；（2）对变分模态分解方法（VMD）中的分解模态数K和惩罚因子α和进行编码；（3）根据原始信号的VMD分量的最小信息熵值建立起适应度函数；（4）利用哈里斯鹰优化算法对适应度函数进行优化，求解出最优参数组合；（5）利用所得的最优参数组合对原始信号进行变分模态分解处理；（6）输出处理后的信号，并根据实际情况进行应用。本发明方法使用的哈里斯鹰算法可以更快地找出最佳的VMD输入参数：分解模态数K和惩罚因子α，从而实现VMD对工程结构原始信号进行合理的自适应分解。

技术领域

本发明涉及信号分析技术领域，具体涉及一种基于自适应变分模态分解的工程结构信号处理方法。

背景技术

在结构健康监测系统中，工程结构原始信号的处理是一个必不可少的步骤。由于工程结构所处的环境比较复杂，监测获得的信号通常会受到不同程度的影响，从而导致结构健康状况的错误评估。因此，有必要对结构信号进行合理的处理，以获得信噪比和精度较高的信号。上世纪六十年代以来，随着信息科技和计算机技术的高速发展，不断有新的信号处理理论和算法被提出，如：小波分析、经验模态分解、时频分析技术、人工神经网络等等。变分模态分解(Variational Mode Decomposition,VMD)是2014年提出的一种新型的信号处理技术，该技术通过使用迭代搜索来寻找变分模型的最优解，以确定每个分解分量的带宽和中心频率，从而可以将信号进行合理分解。相比于经验模态分解和小波变换等技术而言，VMD具有更高的鲁棒性，并且对非线性、非平稳信号的处理具有明显的优势。

在使用VMD分解信号时，需要预先设置输入参数：分解模态数K和惩罚因子α。这两个参数共同决定了最终的分解效果，K值设置过大或过小将会导致信号出现过度分解或分解不足的问题，而值的选择决定了本征模态函数分量的带宽大小。将两个参数的组合起来，又会产生不同的分解效果。因此，需要寻求适当的方法来获得这两个参数的最佳组合值，这也是VMD分解信号的关键问题。哈里斯鹰优化算法(Harris Hawks Optimization，HHO)是最近开发的基于种群的元启发式算法，其灵感来自哈里斯鹰寻找与攻击猎物的行为。该方法包括两个主要步骤：搜寻猎物和攻击猎物。HHO被应用于图像阈值分割、参数识别、特征选择等领域，与其他元启发式算法相比，该算法具有更好的优化性能。因此，将HHO用于优化VMD技术是一种新的思路。

发明内容

本发明的目的在于提供一种基于自适应变分模态分解的工程结构信号处理方法，该方法可以较好地反映出信号的稀疏特性，且具有更高的收敛精度和速度。

为实现上述目的，本发明的技术方案是：一种基于自适应变分模态分解的工程结构信号处理方法，包括如下步骤：

步骤S1、输入原始的工程结构信号；

步骤S2、对变分模态分解方法VMD中的分解模态数K和惩罚因子α和进行编码；

步骤S3、根据原始信号的VMD分量的最小信息熵值建立起适应度函数；

步骤S4、利用哈里斯鹰优化算法对适应度函数进行优化，求解出最优参数组合；

步骤S5、利用所得的最优参数组合对原始信号进行变分模态分解处理；

步骤S6、输出处理后的信号，并根据实际情况进行应用。

在本发明一实施例中，步骤S3中，信息熵计算公式为：

式中，p_i为信号序列x(n)中取得x_i的概率。

在本发明一实施例中，步骤S4中，哈里斯鹰优化算法具体包括以下步骤：

步骤S41、在搜索空间中随机生成规模为N个个体的初始种群，设置最大迭代次数T，搜索维数D，搜索范围[lb,ub]；