复杂强噪声下坝体微弱振动响应信号提取
发布时间：2021-10-07 19:18
在基于泄流激励坝体受迫振动响应的结构损伤识别过程中,测得的振动信号不仅包含结构损伤信息,同时还存在大量复杂低频、高频噪声干扰,传统去噪算法很难将坝体微弱振动信号完整提取出来.引入运算效率高、抗噪声强、抗模态混叠的变分模态分解（VMD）并对其进行改进.改进VMD算法只能滤除高频噪声,而坝体有用振动信号主成分耦合在低频密频噪声中.利用具有主成分提取优势的奇异谱分析（SSA）算法对改进VMD算法重构的信号二次去噪以滤除低频噪声.实验数据表明,该联合算法可为研究基于振动响应的结构损伤识别与定位提供先决条件.
【文章来源】：应用基础与工程科学学报. 2020,28(06)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
振测原始信号功率谱密度分布
首先，用特征波形匹配法对输入信号延拓处理，消除端点效应．原始信号记为ff，其时域波形如图2.S1为信号左端点，对应时刻t=0.Mi(i=1,2,3，…)为信号极大值，对应时刻tmi.Ni(i=1,2,3，…)为信号极小值，对应时刻tni．由左边界S1、M1、N1构成特征波形ΔS1M1N1，在信号内部搜索与特征波形匹配度最高的波形作为最佳匹配波形，提取最佳匹配波形左边一定范围信号连接至S1点，实现左边界延拓．同理右延拓，延拓后信号记为f[12]．由上述延拓方法可知，原信号左右两端延拓了与其本身相近的波形信号，使端点效应发生于延拓信号两端，有效抑制端点效应．对延拓后的信号进行VMD分解，其原理如下:惩罚因子α和保真度系数τ使用默认值:α=2 000，τ=0．将延拓后的信号f分解为K个模态分量uk(t)，估计各IMF信号的带宽，得到约束变分问题[4]
1)用改进VMD法对输入信号进行自适应K值筛选，得出K=3．为验证筛选结果正确性，作不同K时经VMD分解后各分量归一化中心频率分布图，如图3所示．从图中可以看出K=4～9时，如虚线圈所示，分量归一化中心频率曲线出现“平台”，证明此时两个相邻分量归一化中心频率接近，产生模态混叠，因此最优K值为3，与改进VMD自适应筛选K值相同，验证了改进的正确性．2)以其中一个IMF分量(中心频率40Hz)为例，作其时域波形如图4．由图可见，VMD分解得出的该分量两端存在明显端点效应，而改进VMD分解出来的该分量很好减缓了端点效应，大大提高了分解精度．
【参考文献】：
期刊论文
[1]基于SVD与改进EMD联合的泄流结构工作特性信息提取[J]. 张建伟,暴振磊,江琦,王涛,刘轩然. 应用基础与工程科学学报. 2016(04)
[2]改进的VMD方法及其在转子故障诊断中的应用[J]. 刘尚坤,唐贵基. 动力工程学报. 2016(06)
[3]应用盲源分离方法分离岩矿混合像元[J]. 蒋夕平,于瀚文,吴芳,修连存. 应用基础与工程科学学报. 2015(05)
[4]EMD自适应三角波匹配延拓算法[J]. 王录雁,王强,鲁冬林,张梅军,毛迪. 振动与冲击. 2014(04)
[5]基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法[J]. 胡爱军,马万里,唐贵基. 中国电机工程学报. 2012(11)
[6]奇异值差分谱理论及其在车床主轴箱故障诊断中的应用[J]. 赵学智,叶邦彦,陈统坚. 机械工程学报. 2010(01)
博士论文
[1]泄流结构水力拍振机理及动态健康监测技术研究[D]. 李成业.天津大学 2013
本文编号：3422622
【文章来源】：应用基础与工程科学学报. 2020,28(06)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
振测原始信号功率谱密度分布
首先，用特征波形匹配法对输入信号延拓处理，消除端点效应．原始信号记为ff，其时域波形如图2.S1为信号左端点，对应时刻t=0.Mi(i=1,2,3，…)为信号极大值，对应时刻tmi.Ni(i=1,2,3，…)为信号极小值，对应时刻tni．由左边界S1、M1、N1构成特征波形ΔS1M1N1，在信号内部搜索与特征波形匹配度最高的波形作为最佳匹配波形，提取最佳匹配波形左边一定范围信号连接至S1点，实现左边界延拓．同理右延拓，延拓后信号记为f[12]．由上述延拓方法可知，原信号左右两端延拓了与其本身相近的波形信号，使端点效应发生于延拓信号两端，有效抑制端点效应．对延拓后的信号进行VMD分解，其原理如下:惩罚因子α和保真度系数τ使用默认值:α=2 000，τ=0．将延拓后的信号f分解为K个模态分量uk(t)，估计各IMF信号的带宽，得到约束变分问题[4]
1)用改进VMD法对输入信号进行自适应K值筛选，得出K=3．为验证筛选结果正确性，作不同K时经VMD分解后各分量归一化中心频率分布图，如图3所示．从图中可以看出K=4～9时，如虚线圈所示，分量归一化中心频率曲线出现“平台”，证明此时两个相邻分量归一化中心频率接近，产生模态混叠，因此最优K值为3，与改进VMD自适应筛选K值相同，验证了改进的正确性．2)以其中一个IMF分量(中心频率40Hz)为例，作其时域波形如图4．由图可见，VMD分解得出的该分量两端存在明显端点效应，而改进VMD分解出来的该分量很好减缓了端点效应，大大提高了分解精度．
【参考文献】：
期刊论文
[1]基于SVD与改进EMD联合的泄流结构工作特性信息提取[J]. 张建伟,暴振磊,江琦,王涛,刘轩然. 应用基础与工程科学学报. 2016(04)
[2]改进的VMD方法及其在转子故障诊断中的应用[J]. 刘尚坤,唐贵基. 动力工程学报. 2016(06)
[3]应用盲源分离方法分离岩矿混合像元[J]. 蒋夕平,于瀚文,吴芳,修连存. 应用基础与工程科学学报. 2015(05)
[4]EMD自适应三角波匹配延拓算法[J]. 王录雁,王强,鲁冬林,张梅军,毛迪. 振动与冲击. 2014(04)
[5]基于集成经验模态分解和峭度准则的滚动轴承故障特征提取方法[J]. 胡爱军,马万里,唐贵基. 中国电机工程学报. 2012(11)
[6]奇异值差分谱理论及其在车床主轴箱故障诊断中的应用[J]. 赵学智,叶邦彦,陈统坚. 机械工程学报. 2010(01)
博士论文
[1]泄流结构水力拍振机理及动态健康监测技术研究[D]. 李成业.天津大学 2013
本文编号：3422622
本文链接：https://www.wllwen.com/kejilunwen/shuiwenshuili/3422622.html
