首页|联合SSA-VMD与改进小波阈值的发电机振动信号降噪方法

联合SSA-VMD与改进小波阈值的发电机振动信号降噪方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
Generator vibration signal denoising method based on improved wavelet threshold of SSA-VMD

generatorimproved wavelet thresholdVMDsignal denoisingsparrow search algorithm

田维坤、胡峰、喻潇、彭海龙、蒋东荣

展开 >

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

江苏芯农微电子科技有限公司,江苏 南通 226361

重庆理工大学 电气与电子工程学院,重庆 400054

发电机 小波降噪 VMD 信号处理 麻雀搜索算法

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重庆市自然科学基金重庆市教委科学技术研究项目(青年)

CHDKJ22-02-88CSTB2022NSCQ-MSX0997KJQN202201153

2023

10.3969/j.issn.1674-8425(z).2023.12.035

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
年,卷(期)：2023.37(23)
  • 10