优化递归变分模态分解及其在非线性信号处理中的应用

许子非; 岳敏楠; 李春

doi:10.7498/aps.68.20191005

摘要

经验模态分解一类的递归算法所产生的模态混淆和端点效应将导致所获物理信息失真, 变分模态分解可改善这些问题. 但因其需预设参数, 对信号分解精度影响显著, 为此, 提出采用目标信号功率谱峰值所对应的频率以初始化变分模态分解所需中心频率, 借鉴经验模态分解递归模型, 基于能量截止法将变分模态分解改进为递归模式算法, 并采用粒子群优化算法对具有带宽约束能力的惩罚因子进行最优取值, 构成优化递归变分模态分解. 通过对比分析经验模态分解, 集成经验模态分解及优化递归变分模态分解在分解信号时的计算精度; 研究传统变分模态分解与优化递归变分模态分解在处理实际振动信号时计算速率. 结果表明: 优化递归变分模态分解在处理目标信号时精度最高, 与原分量相关性达99.9%; 与集成经验模态分解对比, 可由低至高将信号分解至不同频段, 物理意义更加清晰且不产生虚假模态; 处理实际非线性信号时, 优化递归变分模态分解无需预设分解模态个数, 相比于传统变分模态分解, 计算速率高12.5%—18.5%.

关键词:

变分模态分解 /
非线性 /
信号处理

Abstract

Variational mode decomposition can improve traditional recursive algorithms, such as empirical mode decomposition, resulting modal aliasing and endpoint effects, but it has a significant influence on signal decomposition accuracy due to its pre-set parameters. The frequency corresponding to the peak value of the target signal power spectrum is proposed to initialize the center frequency required for the variational mode decomposition. The empirical mode decomposition and recursive model is used to improve the variational mode decomposition into the recursive mode algorithm based on the energy cutoff method. The group optimization algorithm optimally takes the penalty factor with bandwidth constraint ability to form an optimized recursive variational mode decomposition. By comparing with and analyzing empirical mode decomposition, integrating empirical mode decomposition and optimizing the computational accuracy of recursive variational mode decomposition in decomposing signals; studying traditional variational mode decomposition and optimizing recursive variational mode decomposition in dealing with actual vibration signals calculating rate, the results are obtained, showing that the optimized recursive variational mode decomposition has the highest accuracy when dealing with the target signal, and the correlation with the original component is 99.9%. Comparing with the integrated empirical mode decomposition, the signal can be decomposed into different frequency bands from low to high, and the physical meaning is clearer. No false modality is generated. When the actual nonlinear signal is processed, the optimized recursive variational mode decomposition does not need to preset the number of decomposition modes, and the calculation rate is 12.5%–18.5% higher than thay of the traditional variational mode decomposition.

Keywords:

variational mode decomposition /
nonlinear /
signal process

作者及机构信息

许子非^1,2,
岳敏楠¹,
李春^1,2

1.
上海理工大学能源与动力工程学院, 上海　200093

2.
上海市动力工程多相流动与传热重点实验室, 上海　200093

通信作者: 李春, lichunusst@163.com

基金项目: 国家自然科学基金(批准号: 51976131, 51676131)、国家自然科学地区合作与交流项目(批准号: 51811530315)和上海市“科技创新心动计划”地方院校能力建设项目(批准号: 19060502200)资助的课题

Authors and contacts

Xu Zi-Fei^1,2,
Yue Min-Nan¹,
Li Chun^1,2

1.
University of Shanghai for Science and Technology, Energy and Power Engineering Institute, Shanghai 200093, China

2.
Shanghai Key Laboratory of Multiphase Flow and Heat Transfer for Power Engineering, Shanghai 200093, China

Corresponding author: Li Chun, lichunusst@163.com

Funds: Project supported by the National Natural Science Foundation of China (Grant Nos. 51976131, 51676131), the Funds for International Cooperation and Exchange of the National Natural Science Foundation of China (Grant No. 51811530315), and the Shanghai Committee of Science and Technology, China (Grant No. 19060502200)

文章全文 : translate this paragraph

参考文献

[1]	Ingerman E A, London R A, Heintzmann R, Gustafsson M G L 2019 J. Microsc. 273 11
[2]	Banjade T P, Yu S, Ma J 2019 J. Seismol. 5 1
[3]	Yang F, Shen X, Wang Z 2018 Entropy 20 8
[4]	Lian J J, Zhuo L, Wang H J, Dong X F 2018 Mech. Syst. Sig. Process. 107 53 Google Scholar
[5]	Klionskiy D M, Kaplun D I, Geppener V V 2018 Pattern Recognit Image Anal. 28 122 Google Scholar
[6]	Chervyakov N, Lyakhov P, Kaplun D, Butusov D, Nagornov N 2018 Electronics 8 135
[7]	Qiu X, Ren Y, Suganthan P N, Amaratunga G A J 2017 Appl. Soft Comput. 54 246 Google Scholar
[8]	Sweeney K T, Mcloone S F, Ward T E 2013 IEEE Trans. Biomed. Eng. 60 97 Google Scholar
[9]	Guo Y, Naik G R, Nguyen H 2017 IEEE Eng. Med. Biol. Soc. 2013 6812
[10]	Wang Y, Liu F, Jiang Z S, He S L, Mo Q Y 2017 Mech. Syst. Sig. Process. 86 75 Google Scholar
[11]	Xiong T, Bao Y, Zhongyi H U 2014 Neurocomputing 123 174 Google Scholar
[12]	Dragomiretskiy K, Zosso D 2014 IEEE Trans. Sig. Process. 62 531
[13]	Wang Y X, Markert R, Xiang J W, Zheng W G 2015 Mech. Syst. Sig. Process. 60 243
[14]	Yang F R, Bi X, Li C C, Liu C F, Tian T 2019 Measurement 140 1 Google Scholar
[15]	郑小霞, 陈广宁, 任浩翰, 李东东 2019 振动与冲击 38 153 Zheng X X, Chen G N, Ren H H, Li D D 2019 J. Vib. Shock 38 153
[16]	唐贵基, 王晓龙 2015 西安交通大学学报 49 73 Google Scholar Tang G J, Wang X L 2015 J. Xi'an Jiaotong Univ. 49 73 Google Scholar
[17]	刘备, 胡伟鹏, 邹孝, 丁亚军, 钱盛友 2019 物理学报 68 028702 Google Scholar Liu B, Hu E P, Zou X, Ding Y J, Qian S Y 2019 Acta Phys. Sin. 68 028702 Google Scholar
[18]	Baldini G, Steri G, Dimc F, Giuliani R 2016 Sensors 16 818 Google Scholar
[19]	Chen X J, Yang Y M, Cui Z X, Shen J 2019 Energy 174 1110 Google Scholar
[20]	Cui J, Yu R Z, Zhao D B, Yang J Y, Ge W C, Zhou X M 2019 Appl. Energy 247 480 Google Scholar
[21]	Huang N E, Shen Z, Long S R 1998 Proc. Roy. Soc. A 454 903 Google Scholar
[22]	Damerval C, Meignen S, Valerie P 2005 IEEE Signal Process Lett. 12 701 Google Scholar
[23]	Cheng J S, Yu D J, Yang Y 2006 Mech. Syst. Sig. Process. 20 817 Google Scholar
[24]	Kennedy J, Eberhart R 1995 IEEE Int. Conf. Neural Networks 4 1942
[25]	吕中亮 2016 博士学位论文(重庆: 重庆大学) Lv Z L 2016 Ph. D. Dissertation (Chongqing: Chongqing University) (in Chinese)
[26]	Mcfadden P D, Smith J D 1984 J. Sound Vib. 96 69 Google Scholar
[27]	Smith W A, Randall R B 2015 Mech. Syst. Sig. Process. 64–65 100 Google Scholar
[28]	Chen F, Shi T, Duan S K, Wang L D, Wu J G 2017 Signal Process. 142 423
[29]	Chen F, Li X Y, Duan S K, Wang L D, Wu J G 2018 Digit. Signal Prog. 81 16 Google Scholar
[30]	Chen F, Shao X D 2017 Signal Process. 133 213 Google Scholar
[31]	Shao X D, Chen F 2019 Signal Process. 160 237 Google Scholar

施引文献

图 1 递归VMD流程

Fig. 1. The recursive VMD diagram.

下载: 全尺寸图片幻灯片

图 2 基于PSO优化改进递归VMD参数流程

Fig. 2. The process of using PSO to optimize recursive VMD parameter.

下载: 全尺寸图片幻灯片

图 3 合成信号及其分量　(a) 分量s₁; (b) 分量s₂; (c) 分量s₃; (d) 合成信号f

Fig. 3. Analog signal and its component waveform:　(a) s₁; (b) s₂; (c) s₃; (d) f.

下载: 全尺寸图片幻灯片

图 4 EMD分解结果　(a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) res

Fig. 4. The results of EMD: (a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) res.

下载: 全尺寸图片幻灯片

图 5 EEMD分解结果　(a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) IMF6; (g) IMF7; (h) res

Fig. 5. The results of EEMD: (a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) IMF6; (g) IMF7; (h) res.

下载: 全尺寸图片幻灯片

图 6 ORVMD分解结果　(a) IMF1; (b) IMF2; (c) IMF3

Fig. 6. The results of ORVMD: (a) IMF1; (b) IMF2; (c) IMF3.

下载: 全尺寸图片幻灯片

图 7 早期轴承内圈故障信号　(a) 时域; (b) 频谱

Fig. 7. Early inner race fault diagnosis signal.

下载: 全尺寸图片幻灯片

图 8 故障信号EEMD分解结果　(a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) IMF6; (g) IMF7; (h) IMF8; (i) IMF9; (j) IMF10; (k) IMF11; (l) IMF12

Fig. 8. The results of EEMD for fault signal: (a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) IMF6; (g) IMF7; (h) IMF8; (i) IMF9; (j) IMF10; (k) IMF11; (l) IMF12.

下载: 全尺寸图片幻灯片

图 9 故障信号ORVMD分解结果　(a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) IMF6; (g) IMF7; (h) IMF8; (i) IMF9

Fig. 9. The results of ORVMD for fault diagnosis: (a) IMF1; (b) IMF2; (c) IMF3; (d) IMF4; (e) IMF5; (f) IMF6; (g) IMF7; (h) IMF8; (i) IMF9.

下载: 全尺寸图片幻灯片

图 10 VMD与ORVMD计算耗时

Fig. 10. The duration of calculation for VMD and ORVMD.

下载: 全尺寸图片幻灯片

表 1 ORVMD参数组合

Table 1. Parameter set of ORVMD.

编号	K, α	编号	K, α
1	12, 12100	14	12, 12400
2	12, 12900	15	12, 12000
3	12, 11800	16	12, 12000
4	12, 11900	17	13, 11900
5	12, 11800	18	12, 11900
6	12, 12700	19	12, 11400
7	12, 12100	20	12, 11900
8	12, 13100	21	13, 11900
9	12, 12100	22	12, 11900
10	12, 12000	23	12, 12000
11	11, 12000	24	12, 12000
12	11, 12000	25	11, 12100
13	12, 13200	—	—

下载: 导出CSV

天下网标王宝安网站优化鹤壁网站排名优化收费标准网站优化排名托管新乡信息化网站搭建优化网站优化排名易下拉程序天津360网站优化公司马鞍山市百度网站优化哪家不错网站优化怎么收费seo工资安国网站优化排名云安网站seo优化公司郑州网站整站优化工具网站自动优化软件永州外贸网站优化铜川网站优化案例姜堰网站优化稳定吗东城网站推广优化阿拉善盟网站seo优化福田公司的网站优化互联网推广手机端网站如何优化高权重网站怎么优化网站优化代理开户海口网站优化价值怀安县网站优化公司攀枝花网站优化排名福田搜索网站优化方案廊坊个人网站优化保定网站优化托管案例池州网站整站优化网站优化祥云平台网站整合搜索优化香港通过《维护国家安全条例》两大学生合买彩票中奖一人不认账让美丽中国“从细节出发”19岁小伙救下5人后溺亡多方发声卫健委通报少年有偿捐血浆16次猝死汪小菲曝离婚始末何赛飞追着代拍打雅江山火三名扑火人员牺牲系谣言男子被猫抓伤后确诊“猫抓病”周杰伦一审败诉网易中国拥有亿元资产的家庭达13.3万户 315晚会后胖东来又人满为患了高校汽车撞人致3死16伤司机系学生张家界的山上“长”满了韩国人？张立群任西安交通大学校长手机成瘾是影响睡眠质量重要因素网友洛杉矶偶遇贾玲 “重生之我在北大当嫡校长”单亲妈妈陷入热恋 14岁儿子报警倪萍分享减重40斤方法杨倩无缘巴黎奥运考生莫言也上北大硕士复试名单了许家印被限制高消费奥巴马现身唐宁街黑色着装引猜测专访95后高颜值猪保姆男孩8年未见母亲被告知被遗忘七年后宇文玥被薅头发捞上岸郑州一火锅店爆改成麻辣烫店西双版纳热带植物园回应蜉蝣大爆发沉迷短剧的人就像掉进了杀猪盘当地回应沈阳致3死车祸车主疑毒驾开除党籍5年后原水城县长再被查凯特王妃现身！外出购物视频曝光初中生遭15人围殴自卫刺伤3人判无罪事业单位女子向同事水杯投不明物质男子被流浪猫绊倒投喂者赔24万外国人感慨凌晨的中国很安全路边卖淀粉肠阿姨主动出示声明书胖东来员工每周单休无小长假王树国卸任西安交大校长师生送别小米汽车超级工厂正式揭幕黑马情侣提车了妈妈回应孩子在校撞护栏坠楼校方回应护栏损坏小学生课间坠楼房客欠租失踪房东直发愁专家建议不必谈骨泥色变老人退休金被冒领16年金额超20万西藏招商引资投资者子女可当地高考特朗普无法缴纳4.54亿美元罚金浙江一高校内汽车冲撞行人多人受伤

天下网标王 XML地图 TXT地图虚拟主机 SEO 网站制作网站优化

[1]	Ingerman E A, London R A, Heintzmann R, Gustafsson M G L 2019 J. Microsc. 273 11
[2]	Banjade T P, Yu S, Ma J 2019 J. Seismol. 5 1
[3]	Yang F, Shen X, Wang Z 2018 Entropy 20 8
[4]	Lian J J, Zhuo L, Wang H J, Dong X F 2018 Mech. Syst. Sig. Process. 107 53 Google Scholar
[5]	Klionskiy D M, Kaplun D I, Geppener V V 2018 Pattern Recognit Image Anal. 28 122 Google Scholar
[6]	Chervyakov N, Lyakhov P, Kaplun D, Butusov D, Nagornov N 2018 Electronics 8 135
[7]	Qiu X, Ren Y, Suganthan P N, Amaratunga G A J 2017 Appl. Soft Comput. 54 246 Google Scholar
[8]	Sweeney K T, Mcloone S F, Ward T E 2013 IEEE Trans. Biomed. Eng. 60 97 Google Scholar
[9]	Guo Y, Naik G R, Nguyen H 2017 IEEE Eng. Med. Biol. Soc. 2013 6812
[10]	Wang Y, Liu F, Jiang Z S, He S L, Mo Q Y 2017 Mech. Syst. Sig. Process. 86 75 Google Scholar
[11]	Xiong T, Bao Y, Zhongyi H U 2014 Neurocomputing 123 174 Google Scholar
[12]	Dragomiretskiy K, Zosso D 2014 IEEE Trans. Sig. Process. 62 531
[13]	Wang Y X, Markert R, Xiang J W, Zheng W G 2015 Mech. Syst. Sig. Process. 60 243
[14]	Yang F R, Bi X, Li C C, Liu C F, Tian T 2019 Measurement 140 1 Google Scholar
[15]	郑小霞, 陈广宁, 任浩翰, 李东东 2019 振动与冲击 38 153 Zheng X X, Chen G N, Ren H H, Li D D 2019 J. Vib. Shock 38 153
[16]	唐贵基, 王晓龙 2015 西安交通大学学报 49 73 Google Scholar Tang G J, Wang X L 2015 J. Xi'an Jiaotong Univ. 49 73 Google Scholar
[17]	刘备, 胡伟鹏, 邹孝, 丁亚军, 钱盛友 2019 物理学报 68 028702 Google Scholar Liu B, Hu E P, Zou X, Ding Y J, Qian S Y 2019 Acta Phys. Sin. 68 028702 Google Scholar
[18]	Baldini G, Steri G, Dimc F, Giuliani R 2016 Sensors 16 818 Google Scholar
[19]	Chen X J, Yang Y M, Cui Z X, Shen J 2019 Energy 174 1110 Google Scholar
[20]	Cui J, Yu R Z, Zhao D B, Yang J Y, Ge W C, Zhou X M 2019 Appl. Energy 247 480 Google Scholar
[21]	Huang N E, Shen Z, Long S R 1998 Proc. Roy. Soc. A 454 903 Google Scholar
[22]	Damerval C, Meignen S, Valerie P 2005 IEEE Signal Process Lett. 12 701 Google Scholar
[23]	Cheng J S, Yu D J, Yang Y 2006 Mech. Syst. Sig. Process. 20 817 Google Scholar
[24]	Kennedy J, Eberhart R 1995 IEEE Int. Conf. Neural Networks 4 1942
[25]	吕中亮 2016 博士学位论文(重庆: 重庆大学) Lv Z L 2016 Ph. D. Dissertation (Chongqing: Chongqing University) (in Chinese)
[26]	Mcfadden P D, Smith J D 1984 J. Sound Vib. 96 69 Google Scholar
[27]	Smith W A, Randall R B 2015 Mech. Syst. Sig. Process. 64–65 100 Google Scholar
[28]	Chen F, Shi T, Duan S K, Wang L D, Wu J G 2017 Signal Process. 142 423
[29]	Chen F, Li X Y, Duan S K, Wang L D, Wu J G 2018 Digit. Signal Prog. 81 16 Google Scholar
[30]	Chen F, Shao X D 2017 Signal Process. 133 213 Google Scholar
[31]	Shao X D, Chen F 2019 Signal Process. 160 237 Google Scholar

[1]	李朝锋, 王振, 刘欣宇, 杨苏辉, 徐震, 樊超阳. 基于VMD-ICA的水下激光雷达抗散射信号处理方法. 物理学报, 2024, 73(9): 094203. doi: 10.7498/aps.73.20231993
[2]	杨振, 朱璨, 柯亚娇, 何雄, 罗丰, 王剑, 王嘉赋, 孙志刚. Peltier效应: 从线性到非线性. 物理学报, 2021, 70(10): 108402. doi: 10.7498/aps.70.20201826
[3]	张玫玫, 高凡, 屠娟, 吴意赟, 章东. 非线性超声射频信号熵对乳腺结节良恶性的定征. 物理学报, 2021, 70(8): 084302. doi: 10.7498/aps.70.20201919
[4]	许子非, 缪维跑, 李春, 金江涛, 李蜀军. 流场非线性特征提取与混沌分析. 物理学报, 2020, 69(24): 249501. doi: 10.7498/aps.69.20200625
[5]	刘备, 胡伟鹏, 邹孝, 丁亚军, 钱盛友. 基于变分模态分解与多尺度排列熵的生物组织变性识别. 物理学报, 2019, 68(2): 028702. doi: 10.7498/aps.68.20181772
[6]	杜义浩, 齐文靖, 邹策, 张晋铭, 谢博多, 谢平. 基于变分模态分解-相干分析的肌间耦合特性. 物理学报, 2017, 66(6): 068701. doi: 10.7498/aps.66.068701
[7]	谢平, 杨芳梅, 李欣欣, 杨勇, 陈晓玲, 张利泰. 基于变分模态分解-传递熵的脑肌电信号耦合分析. 物理学报, 2016, 65(11): 118701. doi: 10.7498/aps.65.118701
[8]	石兰芳, 周先春, 莫嘉琪. 一类大气浅水波系统的广义变分迭代行波近似解. 物理学报, 2013, 62(23): 230202. doi: 10.7498/aps.62.230202
[9]	欧阳玉花, 袁萍, 贾向东, 王小云, 薛思敏. 用信号处理技术及传播理论还原雷声频谱. 物理学报, 2013, 62(8): 084303. doi: 10.7498/aps.62.084303
[10]	曹小群, 宋君强, 张卫民, 赵军, 朱小谦. 海-气耦合动力系统的改进变分迭代解法. 物理学报, 2012, 61(3): 030203. doi: 10.7498/aps.61.030203
[11]	吴钦宽. 一类非线性扰动Burgers方程的孤子变分迭代解法. 物理学报, 2012, 61(2): 020203. doi: 10.7498/aps.61.020203
[12]	杨永锋, 吴亚锋, 任兴民, 裘焱. 随机噪声对经验模态分解非线性信号的影响. 物理学报, 2010, 59(6): 3778-3784. doi: 10.7498/aps.59.3778
[13]	莫嘉琪, 张伟江, 陈贤峰. 一类强非线性发展方程孤波变分迭代解法. 物理学报, 2009, 58(11): 7397-7401. doi: 10.7498/aps.58.7397
[14]	莫嘉琪, 张伟江, 陈贤峰. 强非线性发展方程孤波同伦解法. 物理学报, 2007, 56(11): 6169-6172. doi: 10.7498/aps.56.6169
[15]	曹彪, 吕小青, 曾敏, 王振民, 黄石生. 短路过渡电弧焊电流信号的近似熵分析. 物理学报, 2006, 55(4): 1696-1705. doi: 10.7498/aps.55.1696
[16]	莫嘉琪, 林万涛. 厄尔尼诺大气物理机理的变分迭代解法. 物理学报, 2005, 54(3): 1081-1083. doi: 10.7498/aps.54.1081
[17]	邵杰, 高晓明, 袁怿谦, 杨　颙, 曹振松, 裴世鑫, 张为俊. 信号处理改善波长调制光谱灵敏度的实验研究. 物理学报, 2005, 54(10): 4638-4642. doi: 10.7498/aps.54.4638
[18]	李鸿光, 孟光. 基于经验模式分解的混沌干扰下谐波信号的提取方法. 物理学报, 2004, 53(7): 2069-2073. doi: 10.7498/aps.53.2069
[19]	汪芙平, 王赞基, 郭静波. 混沌背景下信号的盲分离. 物理学报, 2002, 51(3): 474-481. doi: 10.7498/aps.51.474
[20]	汪芙平, 郭静波, 王赞基, 萧达川, 李茂堂. 强混沌干扰中的谐波信号提取. 物理学报, 2001, 50(6): 1019-1023. doi: 10.7498/aps.50.1019

计量

文章访问数: 12427
PDF下载量: 272
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

搜索

留言板

优化递归变分模态分解及其在非线性信号处理中的应用