[发明专利]变分模态分解的变参信息融合方法

权利要求书

1.一种变分模态分解的变参信息融合方法，其特征在于，包括：

将原始信号作为分析信号，取分解模态个数K=1，设定带宽平衡参数α；

对分析信号进行VMD处理，得到一个IMF分量，将分析信号减去这个IMF分量，得到剩余分量；

将所述剩余分量作为所述分析信号，重复上一个步骤n次，得到n个IMF分量和n个剩余分量；

根据给定优化指标方法从上述2n个分量中选出包含最多故障信息的分量，即故障模态分量；

改变所述α的值，重复上述步骤N次，获得N个具有不同带宽的故障模态分量；

按照给定流形学习方法对所述N个故障模态分量进行融合，得到多维故障模态分量的内在流形结构，即故障瞬态成分。

2.根据权利要求1所述的变分模态分解的变参信息融合方法，其特征在于，“将原始信号作为分析信号，取分解模态个数K=1，设定带宽平衡参数α；”中，所述带宽平衡参数α的取值范围为100到5000。

3.根据权利要求1所述的变分模态分解的变参信息融合方法，其特征在于，“根据给定优化指标方法从上述2n个分量中选出包含最多故障信息的分量，即故障模态分量；”中，所述给定优化指标方法包括利用峭度值、光滑因子、排列熵、最大李雅普诺夫指数、相关系数、能量以及其组合能够从VMD分析得到的多个分量中选出所述故障模态分量的方法。

4.根据权利要求1所述的变分模态分解的变参信息融合方法，其特征在于，“按照给定流形学习方法对所述N个故障模态分量进行融合，得到多维故障模态分量的内在流形结构，即故障瞬态成分”中，所述给定流形学习方法是具有维数约简功能的学习方法。

5.根据权利要求4所述的变分模态分解的变参信息融合方法，其特征在于，所述给定流形学习方法是局部切空间排列算法、等距映射算法、局部线性嵌入算法、拉普拉斯特征映射算法或局部保留投影算法。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到5任一项所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1到5任一项所述方法的步骤。

8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到5任一项所述的方法。