[发明专利]一种风力发电机电振动信号消噪方法及存储介质在审
申请号: | 201910354280.9 | 申请日: | 2019-04-29 |
公开(公告)号: | CN110135293A | 公开(公告)日: | 2019-08-16 |
发明(设计)人: | 陈学军;郭晓君;张杰;王旭 | 申请(专利权)人: | 莆田学院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 福州市景弘专利代理事务所(普通合伙) 35219 | 代理人: | 黄以琳;林祥翔 |
地址: | 351100 福建*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 模态分量 多尺度 消噪 降噪处理 预设 风力发电 存储介质 机电振动 振动信号 分模 振动信号分解 风力发电机 分解算法 有效减少 降噪 重构 组模 失真 分解 | ||
1.一种风力发电机电振动信号消噪方法,其特征在于,包括以下步骤:
通过变分模态分解算法将风力发电机振动信号分解为一组模态分量;
分别计算每个模态分量的多尺度排列熵值;
对每个模态分量的多尺度排列熵值进行判断是否超过预设熵值;
若超过预设熵值,对多尺度排列熵值超过预设熵值的模态分量进行降噪处理;
将经过降噪处理的模态分量及未经过降噪处理的模态分量进行组合重构得到降噪后的振动信号。
2.根据权利要求1所述风力发电机电振动信号消噪方法,其特征在于,所述降噪处理为小波降噪处理。
3.根据权利要求1所述风力发电机电振动信号消噪方法,其特征在于,所述“通过变分模态分解算法将风力发电机振动信号分解为一组模态分量”具体包括以下步骤:
将风力发电机振动信号f(t)通过傅里叶等距变换,转换为时域信号
初始化模态分量中心频率拉格朗乘法算子n←0;
n=n+1;
利用公式和更新和中心频率α为二次惩罚因子;
对于所有ω≥0,更新双上升步长:τ为噪声容限参数;
判断和是否满足收敛条件公式:其中ξ>0;
若满足,则停止迭代,将得到的进行傅里叶逆变换的得到时域信号,输出一组模态分量uk(t);
若不满足,则返回至n=n+1,继续迭代。
4.根据权利要求1所述风力发电机电振动信号消噪方法,其特征在于,所述“分别计算每个模态分量的多尺度排列熵值”具体包括以下步骤:
将得到的一组模态分量作为时间序列X={xi,i=1,2,…,N}进行粗粒化处理得到粗粒化序列:s为尺度因子,s=1,2,…,[N/s]表示对N/s取整数;
对得到的粗粒化序列进行实践重构得到重构序列l是第l个重构分量,l=1,2,…,N-(m-1)τ,m为嵌入维数,τ为延迟时间;
对重构序列进行升序排列得到升序序列r1,r2,…,rm表示重构序列中各个元素原始位置索引;
根据嵌入维数m,重构序列共有m!中排列,则可以得到一组符号序列βq={r1,r2,…,rm},q=1,2,...,k,k≤m!;
根据每一种符号序列出现的概率Pq,则时间序列在多尺度下的排列熵为
对于Pq=1/m!时,Hp(m)取得最大值为ln(m!),对Hp(m)进行归一化处理得到每个模态分量的多尺度排列熵值Hp=Hp(m)/ln(m!)。
5.根据权利要求4所述风力发电机电振动信号消噪方法,其特征在于,所述预设熵值为3。
6.一种存储介质,所述存储介质内存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行以下步骤:
通过变分模态分解算法将风力发电机振动信号分解为一组模态分量;
分别计算每个模态分量的多尺度排列熵值;
对每个模态分量的多尺度排列熵值进行判断是否超过预设熵值;
若超过预设熵值,对多尺度排列熵值超过预设熵值的模态分量进行降噪处理;
将经过降噪处理的模态分量及未经过降噪处理的模态分量进行组合重构得到降噪后的振动信号。
7.根据权利要求6所述存储介质,其特征在于,所述降噪处理为小波降噪处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于莆田学院,未经莆田学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910354280.9/1.html,转载请声明来源钻瓜专利网。