[發明專利]一種變分模態分解參數優化的仿真方法

在審

• 申請號: 201910895944.2
• 申請日: 2019-09-21
• 公開（公告）號: CN110796165A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 林杰威;張俊紅;周啟迪;龍飛企;周天意
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 12201 天津市北洋有限責任專利代理事務所
• 代理人: 程毓英

1.一種變分模態分解參數優化的仿真方法，步驟如下：

(1)構建模擬信號；

(2)采用遺傳算法改進粒子群算法優化變分模態分解，稱之為PSOGA-VMD，方案如下：

(a)初始化算法參數：粒子種群數Sizepop＝100，最大迭代次數Maxg＝50，認知學習因子C1＝1.495，社會學習因子C2＝1.495，粒子飛行的最大速度Vmax＝2，最小速度Vmin＝-2，交叉概率Pc＝0.7，變異概率Pm＝0.1，模態數K＝[2；3；4；5；6]，懲罰因子a＝[20,2000]的隨機數；

(b)基于VMD算法對模擬信號進行分解，以模態數K和懲罰因子a作為優化變量，以最小幅值譜熵平均值作為適應度函數，計算迭代初始參量的適應度值，并找到初始個體和全局最優模態數Gbest_K和Zbest_K，初始個體和全局最優懲罰因子Gbest_a和Zbest_a，適應度函數幅值譜熵計算如下：

其中X為模擬信號分解分量序列，P為信號的概率分布，N是輸入信號長度，Hs是幅值譜熵；

(c)更新迭代數Mxiter、模態數K、懲罰因子a和粒子飛行速度V；

將更新后的種群作為遺傳算法的初始種群，進行基因選擇、交叉、變異，將優良個體進行傳遞；

(d)基于上述步驟(c)更新參數，采用VMD處理模擬信號，計算適應度函數，更新個體最優參數Gbest_K和Gbest_a，全局最優參數Zbest_K和Zbest_a；

(e)重復執行上述(b)(c)(d)步驟，完成最大迭代次數循環計算，輸出最優模態數K和懲罰因子a；將上述步驟獲得的最優參數K和a輸入VMD算法，進行模擬信號自適應分解；

(3)采用小波變換對步驟(2)分解的模擬信號分量進行時頻分析，并和模擬信號設置頻率特征進行對比，檢測分解精度。