[发明专利]一种基于智能寻优的非线性啁啾模态分解算法的多重振荡检测方法

权利要求书

1.一种基于智能寻优的非线性啁啾模态分解算法的多重振荡检测方法，其特征在于，包括以下步骤：

(1)采集待检测工业过程的回路输出信号；

(2)使用非线性啁啾模态分解NCMD方法分解采集的回路输出信号，得到多个初始分解模态；

(3)计算每个初始分解模态的适应度，通过智能寻优得到NCMD方法的最优参数对，所述的最优参数对包括模态数和带宽参数；所述智能寻优的具体过程如下：

(3-1)定义一个适应度函数，用于量化NCMD的分解性能，具体描述为：

其中，i为模态索引；PECC为定义的NCMD模态的适应度函数；Q为NCMD的模态数；α为NCMD的带宽参数；

NCMD模态的适应度函数PECC公式为：

其中，ρ为相关系数；NH为归一化的排列熵；

(3-2)在解空间中初始化一组粒子；

(3-3)计算每个粒子的适应度，寻找个体极值和群极值；

(3-4)更新每个粒子的位置和速度，不断迭代，直至找到最优解；

(4)用优化后的NCMD方法重新分解回路输出信号，得到多个优化后的分解模态；

(5)计算每个优化后分解模态的归一化相关系数和稀疏指数，保留满足振荡检测指标的分解模态作为最终模态，从而检测出振荡；

(6)利用功率加权平均来估计每个最终模态的振荡频率；

(7)研究不同最终模态之间的频率关系，以表征振荡类型。

2.根据权利要求1所述的基于智能寻优的非线性啁啾模态分解算法的多重振荡检测方法，其特征在于，步骤(2)的具体过程为：

(2-1)假定待检测工业过程的回路输出信号由几个模态组成，表示如下：

其中，Q为模态数；m_i(t)为模态；a_i为瞬时振幅；f_i为瞬时频率；φ_i为初始相位；η(t)为噪声；

(2-2)将该信号解调，变成去啁啾形式，具体如下：

其中：为估计的瞬时频率；上式中，u_i(t)和v_i(t)均为解调信号，表示如下：

(2-3)当估计的瞬时频率与真实的瞬时频率f_i相等时，解调信号拥有最窄带宽，此时的最优解调问题表示为：

其中，ε为重构容差；

(2-4)由于实际采样的信号是离散的，对应的离散形式如下：

其中，t＝t₀,…,t_N-1为时间向量，N为样本数；

u_i＝[u_i(t₀),…,u_i(t_N-1)]^T；

v_i＝[v_i(t₀),…,v_i(t_N-1)]^T；

f_i＝[f_i(t₀),…,f_i(t_N-1)]^T；

s＝[s(t₀),…,s(t_N-1)]^T；

Λ表示二阶差分算子，具体如下：

(2-5)通过引入辅助变量ω，将不等式约束优化问题转化为等式约束优化问题，形式如下：

其中，α为二次补偿系数，即带宽参数；λ为拉格朗日乘数；

(2-6)通过交替方向乘子法ADMM来求解出所述的等式约束优化问题。

3.根据权利要求1所述的基于智能寻优的非线性啁啾模态分解算法的多重振荡检测方法，其特征在于，步骤(5)中，所述的归一化相关系数用于识别和剔除杂散模态，计算如下：

其中，λ_i为分解模态的相关系数，Q为NCMD的模态数。