[发明专利]一种基于随机减量和盲源分离的低频振荡参数识别方法

权利要求书

1.一种基于随机减量和盲源分离的低频振荡参数识别方法，其特征在于，包括以下步骤：

1)采用随机减量技术对采集到的环境激励下的类噪声电力信号进行处理，得到自由衰减信号；

2)对自由衰减信号采用盲源分离算法，分解出不同的单模式信号；

3)对不同的单模式信号进行希尔伯特变换，求解出振荡频率和衰减系数，并采用识别程序，确定最佳的模式结果。

2.根据权利要求1所述的一种基于随机减量和盲源分离的低频振荡参数识别方法，其特征在于：在步骤1)中，采用随机减量技术对采集到的环境激励下的类噪声电力信号进行处理，得到自由衰减信号，包括以下步骤：

1.1)选取一个触发阈值，取类噪声信号标准差的-0.6倍，采用的触发条件为：

y＞a且

其中，y为信号值，a为阈值；

1.2)确定每段截取信号的窗口长度，采样点数为6倍采样周期长度；

1.3)从各个相同起始条件截取到的N个信号累加并除以N，得到自由衰减信号。

3.根据权利要求1所述的一种基于随机减量和盲源分离的低频振荡参数识别方法，其特征在于：在步骤2)中，对自由衰减信号采用盲源分离算法，分解出不同的单模式信号，包括以下步骤：

2.1)先求出观测信号矩阵X(t)的协方差矩阵R_X(t)，并对其进行特征值分解R_X(t)＝EDE^T，其中，E和D分别表示特征向量矩阵和特征值矩阵，T代表矩阵转置；

2.2)对观测信号矩阵X(t)进行预白化处理，得到白化矩阵Z(t)＝D^(-1/2)E^TX(t)＝W_mX(t)，进而可知白化矩阵W_m＝D^(-1/2)E^T；

2.3)求预白化矩阵Z(t)的一组时延协方差矩阵R_Z(τ)，τ代表着时延协方差矩阵的时延参数；

2.4)利用联合近似对角化技术同时对角化这一组时延协方差矩阵R_Z(τ)，求得正交归一化矩阵从而得到解混矩阵

4.根据权利要求1所述的一种基于随机减量和盲源分离的低频振荡参数识别方法，其特征在于：在步骤3)中，对不同的单模式信号进行希尔伯特变换，求解出振荡频率和衰减系数,并采用迭代程序和识别程序，确定最佳的模式结果，包括以下步骤：

3.1)对单模式信号进行希尔伯特变换：

其中，y表示原信号，H()表示希尔伯特变换，i表示第i个低频振荡模式，f_i(t)为第i个振荡模式的瞬时频率，Amp_i(t)为第i个振荡模式的衰减系数；

3.2)对瞬时频率f_i(t)求平均值，即可得到第i个低频振荡模式的平均振荡频率；对(Amp_i(t))虚部的时间曲线，即ln(Amp_i(t))-t的曲线进行线性多项式的拟合，得到的拟合直线的斜率，即代表着第i个低频振荡模式的平均衰减系数；

3.3)计算参数评估误差d_av(m-1,j)，j为每种模态下识别结果个数，m为不同阶数，找出d_av每一列中的最小值对应的行数m，m值即为最佳模型阶数，值得注意的是，当d_av的某一列中的NaN元素大于3个时，该列不被视为主导低频振荡模式，NaN为每种模式在不同阶数下出现的次数。