基于WOA-VMD改进的信号盲源分离研究及应用

摘要：

准确有效识别出水电站厂房振动信号的各个振源,对于水电站长期安全稳定运行有重要指导意义,盲源分离(blind source separation,BSS)是进行信号分解与振源识别的一种有效方法.为了实现水电站厂房复杂环境下振动信号的盲源分离,建立一种基于鲸鱼算法变分模态分解(whale optimization algorithm and variational mode decomposition,WOA-VMD)降噪改进的信号盲源分离模型.采用WOA-VMD和相关法对观测信号进行降噪处理,确保盲源分离结果的准确性;求解多维降噪信号的协方差矩阵并进行奇异值分解,采用优势特征值法进行源数估计;最后对降噪信号进行中心化、白化前处理,通过联合近似对角化算法得到分离矩阵,实现观测信号的盲源分离.仿真结果表明:相较于传统盲源分离模型,改进模型将分离信号与源信号的相关系数分别提升了9.1％,7.1％,8.3％,分离信号主频误差也均有所降低.将该方法运用到水电站厂房振动工程实例,也取得了较好的分离效果.

关键词：水电站厂房、盲源分离(BSS)、鲸鱼算法、源数估计、联合近似对角化

所属期刊栏目：42

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家自然科学基金51909185

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：222-229