[发明专利]一种基于CWOA-VMD算法的管道泄漏信号去噪方法

权利要求书

1.一种基于CWOA-VMD算法的管道泄漏信号去噪方法，其特征在于，根据CWOA算法分别建立包围猎物、泡泡网捕食和随机搜索的数学模型，其中：

①包围猎物的数学模型表达式如式(1)和式(2)：

式中，为当前搜索个体与最优解的距离；t为当前迭代次数；为鲸鱼个体位置；表示当前最优位置；和为系数向量，定义如式(3)和式(4)：

式中，为[0,1]之间的随机向量；a随迭代次数增加由2递减到0；

②泡泡网捕食的数学模型表达式如式(5)：

式中，为当前个体与最优解之间的距离，b为螺旋方程的常量，l是[-1,1]范围内的随机数，p为[0,1]之间的随机数，t为当前的迭代次数；e是数学中的一个常数，一个无限不循环小数，且为超越数，其值约为2.718281828459045；

使用自适应概率阈值p'来平衡全局寻优和局部搜索的能力，数学模型表达式如式(6)：

式中，t为当前的迭代次数，T_{max_iter}为最大迭代次数；

③随机搜索的数学模型表达式如式(7)和式(8)：

式中，为当前鲸鱼种群中随机选择的鲸鱼个体位置向量。

2.根据权利要求1所述的一种基于CWOA-VMD算法的管道泄漏信号去噪方法，其特征在于，具体步骤包括：

S1输入原始信号f(t)，初始化CWOA模型中的各项参数，包括种群规模、迭代次数、空间维度，设置VMD算法中K和α的取值范围；

S2使用混沌映射初始化鲸鱼种群的位置；

S3对信号进行VMD算法进行分解，利用式(19)计算初始种群中每个个体的适应度，作为适应度函数的排列熵被用来衡量参数组合的分解效果，当排列熵取最小值时，对应的参数K和α最优，

式中，x(i)为原始信号某时刻状态，M为总点数；

S4更新鲸鱼个体的位置，保留最优适应度及对应的参数组合；

S5保留更新后的鲸鱼种群位置作为新一轮的初始种群，循环迭代，直到达到所设定的最大迭代次数为止；

S6输出最优鲸鱼个体及对应的适应度；

S7根据CWOA-VMD算法寻优结果设置VMD算法的相关参数K和α，对信号进行自适应分解；

S8计算出分解后各模态分量与原始信号的相关系数，选择有效的IMF分量进行信号的重构，从而得到去噪后的管道泄漏信号。

3.根据权利要求2所述的一种基于CWOA-VMD算法的管道泄漏信号去噪方法，其特征在于，步骤S2中混沌映射采用Tent映射产生混沌序列，Tent映射的表达式为：