超声多普勒流量计的应用环境复杂多变,因此提高测量精度和误差,精确提取回波信号非常重要.提出了融合变分模态分解(Variational Mode Decomposition,简称VMD)和奇异谱分析(Singular Spectrum Analysis,简称SSA)的降噪模型,以更好地改善回波信号信噪比.该方法首先利用柯西变异算子产生随机迭代过程,克服了海鸥算法(Seagull Optimization Algorithm,简称SOA)容易陷入局部最优的特性;其次,采用包络谱熵值作为适应度函数,自适应优化VMD参数组合,同时引入云相似度值作为有效模态分量(Intrinsic Mode Functions,简称IMF)筛选的标准;最后,针对中低频的二次谐波振荡现象,引入SSA加以解决.通过构造超声波模拟信号和走车实验数据实例,与小波阈值、经验模态分解(Empirical Mod Decomposition,简称EMD)等方法对比,分析CVSOA-VMD-SSA降噪效果.结果表明:对于仿真信号而言,CVSOA-VMD-SSA能克服模态混叠及SOA易陷入局部最优解问题,更有效地抑制噪声干扰,相较于EMD-SSA、SOA-VMD-SSA,信噪比最高达30.78 dB,均方根误差最低达0.01;对于走车实验而言,采用多组信号统计分析,确定云相似度阈值为0.6,对比不同走车流速探测精度,CVSOA-VMD-SSA误差最小,范围在0.01～0.03 m/s,该结果为实际工程应用提供理论支撑.
万方数据
维普
