改进鲸鱼算法驱动的变分模态分解自适应降噪方法OA
为了更好地从振动信号中提取有效信息,提出了一种基于改进的鲸鱼优化算法(VSWOA)与变分模态分解(VMD)的振动信号降噪方法。首先,采用Sobol序列初始化种群,以确保种群的均匀分布和多样性。然后,从多个起始点进行搜索,并在搜索过程中引入精英柯西变异策略,以防止算法陷入局部最优解。通过这些改进措施,优化了VMD的参数,使得分解得到的本征模态分量(IMFs)在重构后实现了自适应降噪。实验结果表明,与传统的经验模态分解(EMD)、集合经验模态分解(EEMD)以及鲸鱼优化算法-变分模态分解(WOA-VMD)方法相比,所提方法在降噪后信号失真度更小,同时显著提高了降噪效果和故障特征的保留能力。这表明改进的鲸鱼优化算法能够有效地增强振动信号的降噪性能,为轴承故障诊断提供了更为可靠的方法。
何宇宸;武思琦;方虎生;殷勤;杨小强;
陆军工程大学,南京210007陆军装备部驻南京地区军事代表局,南京200122
机械工程
改进鲸鱼优化算法变分模态分解自适应降噪振动信号
《机电工程技术》 2024 (009)
P.130-134 / 5
国家自然科学基金资助项目(61671470)。
评论