变分模态分解在动车组铁磁谐振信号识别中的应用

摘要

针对实际车况中，铁磁谐振信号同其他过电压信号特征提取难，信号识别准确率低的问题，提出了一种利用灰狼优化算法(grey wolf optimizer, GWO)优化变分模态分解(variational mode decomposition, VMD)及最小二乘支持向量机(least squares support vector machine, LS-SVM)的信号识别方法。首先利用灰狼优化算法确定变分模态分解的模态数K及惩罚因子α。其次，用变分模态算法将信号分解成K个固有模态，并提取信号近似熵、包络熵、模糊熵、排列熵，样本熵、奇异值特征，组成高维信号特征向量。最后输入到最小二乘支持向量机中进行分类。实验选取仿真及实测动车组铁磁谐振波形对信号识别模型进行验证，结果表明，该模型精度较高，可有效识别动车组铁磁谐振信号，相较于传统的识别方法具有较大的优势。

关键词

动车组 / 电压互感器 / 铁磁谐振 / 变分模态分解

基金资助

国家自然科学基金项目(62301459)