[发明专利]一种基于CWOA-VMD算法的管道泄漏信号去噪方法

说明书

本发明涉及信号去噪方法技术领域，具体是一种基于CWOA‑VMD算法的管道泄漏信号去噪方法，通过混沌映射、自适应权重、自适应概率阈值改进传统的WOA(CWOA)；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，将排列熵作为适应度函数，利用CWOA对VMD分解算法中参数组合K和α进行优化，使用参数优化后的VMD算法对管道泄漏信号进行自适应分解，得到一系列本征模态函数(IMF)分量；最后，根据相关系数法选取有效IMF分量进行重构,得到去噪后的管道泄漏信号。与现有技术相比，本发明经信号仿真和实测信号实验表明，使用CWOA‑VMD的寻优结果进行分解，信噪比相较于WOA‑VMD和EMD显著提高，且相对误差和均方误差均为最小，可以对信号进行有效的分解，从而去除信号中的噪声，CWOA‑VMD去噪效果更具优越性。

技术领域

本发明涉及信号去噪方法技术领域，具体是一种基于CWOA-VMD算法的管道泄漏信号去噪方法。

背景技术

随着我国经济社会的高速发展，其中管道运输起着不可或缺的作用。管道运输具有价格低、维护简单和使用寿命长等优点被广泛应用于人们的社会生活中。但是，由于一些人为或自然原因管道泄漏时有发生，甚至严重威胁着人们的安全。因此,及时发现泄漏、降低管网道损率对保障人民生活具有重要意义。

管道泄漏信号是一种非平稳的信号，实际采集到的管道泄漏信号是包含泄漏信号和背景噪声的复合信号，因此直接使用该信号进行分析会对分析过程造成很大的干扰，所以需要对采集到的管道泄漏信号进行降噪处理。

Dragomiretskiy等于2014年提出的VMD算法是一种自适应非递归信号分解方法。该方法与EMD算法相比能够有效地克服信号分解产生的模态混叠、端点效应等问题，拥有更好的鲁棒性。但是，VMD算法需要预设分解个数K和惩罚因子α，如果K和α选取不够合适，则会出现模态过分解或模态混叠现象

MIRJALILI等在2018年提出了一种模拟座头鲸捕食行为的鲸鱼优化算法(WhaleOptimization Algorithm，WOA)，WOA具有参数少，收敛精度高，全局搜索能力强等优点，在许多领域得到广泛应用。但是WOA也存在初始种群分布不均、容易陷入局部最优等缺点。

发明内容

本文设计开发了一种通过混沌映射、自适应权重和自适应概率阈值改进的WOA与VMD算法相结合的管道泄漏信号去噪方法，解决WOA存在初始种群分布不均、容易陷入局部最优等缺点和VMD算法难以选择合适的分解个数K和惩罚因子α的问题。

一种基于CWOA-VMD算法的管道泄漏信号去噪方法，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)：