[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

说明书

本发明公开了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，包括：(1)采集待检测工业过程的回路输出信号；(2)使用NCMD方法分解信号，得到多个初始分解模态；(3)计算每个分解模态的适应度，通过智能寻优得到NCMD方法的最优参数对，包括模态数和带宽参数；(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。利用本发明，具有较好的抗混模、检测精度和可靠性。

技术领域

本发明属于工业控制系统中的性能评估与故障诊断领域，尤其是涉及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。

背景技术

由于非线性、非平稳性和噪声等因素的存在，多振荡的检测和表征目前仍是一个具有挑战性的问题。Naghoosi和Huang结合聚类算法和自协方差函数检测多个振荡并估计相应的振荡频率。由于多振荡可以看作是数据中包含的频率成分，研究人员和工程师倾向于采用傅里叶功率谱检测全过程范围的振荡。但傅里叶变换仅适用于处理线性平稳信号，这在实际应用中很难满足。

Huang等人提出了经验模态分解(EMD)，通过递归筛选过程提取固有模态函数。Srinivasan等人将EMD应用于表征振荡。公开号为CN105698922A的中国专利文献公开了一种基于改进EMD和谱峭度法变压器振动故障特征提取方法，通过基于能量矩占比和方差贡献率的改进经验模态分解方法可以有效的解决了传统经验模态分解会产生虚假分量的问题，EMD降噪处理并经过信号重构后得到的经验模态分量(IMF)能准确反应原始信号特征信息。然而，EMD经常存在模态混叠和端点效应，这损害了分解性能，降低了检测结果的准确性和可靠性。虽然后来相继发展了一些EMD的改进技术，如EEMD和CEEMD来弥补这些问题，但上述检测方案采用信号分解方法都具有主观性，缺乏理论判据。

从变分模态分解(VMD)开始，基于优化理论的方法已成为研究热点。如公开号为CN108983058A的中国专利文献公开了一种基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法，包括以下步骤：采用特高频检测方法对变压器油纸绝缘局部放电信号进行采集，对采集来的局部放电信号进行变分模态分解，利用进化算法对变分模态分解算法参数进行优化，并引入峰度指标，对窄带噪声进行滤除。虽然VMD具有良好的抗模态混频性能和鲁棒性，但仅限于对窄带信号的分解，并且无法时频表示。

最近，Chen等人提出了一种非线性啁啾模态分解(NCMD)算法，这是信号分解领域的最新发展。NCMD是建立在一个宽带信号可以转换为一组窄带信号的基础上的。它将信号分解问题定义为解调问题，并同时提取多种模态。由于即使在模态接近或交叉时也表现出良好的分解性能，因此NCMD被广泛应用。然而，NCMD的性能依赖于模态数Q和带宽参数α的选取。如何选择这两个参数是一个重要的问题，但尚未得到研究。

发明内容

本发明提供了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，相比现有的方法，在抗混模、检测精度和可靠性等方面均具有更好的表现。

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，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；

(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；