重庆理工大学学报2023，Vol.37Issue(23) ：302-309.DOI:10.3969/j.issn.1674-8425(z).2023.12.035

联合SSA-VMD与改进小波阈值的发电机振动信号降噪方法

Generator vibration signal denoising method based on improved wavelet threshold of SSA-VMD

田维坤 胡峰 喻潇 彭海龙 蒋东荣
重庆理工大学学报2023，Vol.37Issue(23) ：302-309.DOI:10.3969/j.issn.1674-8425(z).2023.12.035
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

联合SSA-VMD与改进小波阈值的发电机振动信号降噪方法

Generator vibration signal denoising method based on improved wavelet threshold of SSA-VMD

田维坤 1胡峰 2喻潇 3彭海龙 3蒋东荣3
扫码查看

作者信息

  • 1. 云南华电金沙江中游水电开发有限公司 阿海发电分公司,云南 丽江 674100
  • 2. 江苏芯农微电子科技有限公司,江苏 南通 226361
  • 3. 重庆理工大学 电气与电子工程学院,重庆 400054
  • 折叠

摘要

经传统小波阈值函数降噪后的信号与原始信号相比,存在一定恒定误差.利用变分模态分解(variational mode decomposition,VMD)处理信号时,不同惩罚因子α及模态分解层数K取值极大影响降噪效果.为此,将联合麻雀搜索算法(sparrow search algorithm,SSA)-VMD与改进小波阈值降噪法引入发电机振动信号处理.先利用SSA以最小包络熵为目标函数优化VMD分解参数α与K,获取最优降噪效果;再将含噪振动信号经VMD解构为K个本征模态函数(intrinsic mode functions,IMF),利用改进小波阈值对低于所设置IMF阈值的分量再次降噪;最后,将降噪后的IMF分量重组获得最终降噪信号.通过Matlab验证分析可知,联合SSA-VMD与改进小波阈值降噪法能有效降低信号均方误差、显著提升发电机振动信号的降噪效果.

关键词

发电机/小波降噪/VMD/信号处理/麻雀搜索算法

Key words

generator/improved wavelet threshold/VMD/signal denoising/sparrow search algorithm

引用本文复制引用

基金项目

云南华电金沙江中游水电开发有限公司阿海发电分公司项目(CHDKJ22-02-88)

重庆市自然科学基金(CSTB2022NSCQ-MSX0997)

重庆市教委科学技术研究项目(青年)(KJQN202201153)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量10
段落导航相关论文