基于灰狼算法的冷试测试降噪方法及系统

本发明涉及发动机测试，具体为基于灰狼算法的冷试测试降噪方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、柴油机冷试技术，即由电机拖动柴油机旋转，用各种传感器采集检测参数后，靠故障映像系统判断柴油机装配是否合格。冷试不需要点火测试，具有污染小、成本低、时间短等优势。柴油机冷试检测项目涉及多种，包括高速振动测试、进气测试、排气压力测试等。其中采集高速振动信号可能伴有噪声，从而降低了信号的准确度，为进一步分析带来误判，因此信号降噪格外重要。

3、常用的降噪方法有经验模式分解、变分模态分解、小波变换等，信号在变分模态分解过程受到多个参数的影响，其中对降噪效果影响较大的是模态分解层数k和惩罚因子α。发明人发现，此类现有技术中缺乏理想的，能够确定最优参数组合的方法，从而无法获得较好的柴油机冷试振动信号降噪效果。

技术实现思路

1、为了解决上述背景技术中存在的技术问题，本发明提供基于灰狼算法的冷试测试降噪方法及系统，以振动信号各模态分量的模糊熵局部最小值为适应度函数，利用改进的灰狼算法能够对变分模态分解算法的模态分解个数k与惩罚因子α进行寻优，得到最优的参数组合后对实时采集的柴油机冷试振动信号进行变分模态分解，对每个模态分量进行小波阈值降噪处理，对于提高柴油机冷试振动信号的降噪效果具有重要的作用。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明的第一个方面提供基于灰狼算法的冷试测试降噪方法，包括以下步骤：

4、获取柴油机冷试振动信号；

5、基于改进的灰狼算法，以冷试振动信号经变分模态分解，得到的各模态分量模糊熵的局部最小值作为适应度函数，对变分模态分解得到的模态分解个数k与惩罚因子α进行寻优；

6、基于模态分解个数k与惩罚因子α的最优组合，对柴油机冷试振动信号进行变分模态分解，得到k个模态分量，对每个模态分量进行降噪处理，根据处理后的模态分量重构信号，得到降噪后的冷试振动信号；

7、其中，改进的灰狼算法包括，通过差分进化算法的变异、交叉和贪心选择策略，改进灰狼算法的线性收敛因子。

8、本发明的第二个方面提供实现上述方法所需的系统，包括：

9、数据获取模块，被配置为：获取柴油机冷试振动信号；

10、信号处理模块，被配置为：基于改进的灰狼算法，以冷试振动信号经变分模态分解，得到的各模态分量模糊熵的局部最小值作为适应度函数，对变分模态分解得到的模态分解个数k与惩罚因子α进行寻优；

11、基于模态分解个数k与惩罚因子α的最优组合，对柴油机冷试振动信号进行变分模态分解，得到k个模态分量，对每个模态分量进行降噪处理，根据处理后的模态分量重构信号，得到降噪后的冷试振动信号；

12、其中，改进的灰狼算法包括，通过差分进化算法的变异、交叉和贪心选择策略，改进灰狼算法的线性收敛因子。

13、本发明的第三个方面提供一种计算机可读存储介质。

14、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于灰狼算法的冷试测试降噪方法中的步骤。

15、本发明的第四个方面提供一种计算机设备。

16、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于灰狼算法的冷试测试降噪方法中的步骤。

17、与现有技术相比，以上一个或多个技术方案存在以下有益效果：

18、1、采用差分进化算法的变异、交叉和贪心选择策略改进灰狼算法的收敛因子，提高灰狼算法的种群多样性，避免灰狼算法后期陷入局部最优，从而得到理想的最优参数组合。

19、2、以振动信号变分模态分解的各模态分量的模糊上局部最小值为适应度函数，利用改进的灰狼算法对参数进行寻优，得到最佳的参数组合，得到模态分解个数k与与惩罚因子α的最佳组合后，对实时采集的柴油机冷试振动信号进行变分模态分解，对每个模态分量进行小波阈值降噪处理，根据处理后的每个模态分量重构信号，得到降噪后的冷试振动信号，提高了降噪效果。

技术特征：

1.基于灰狼算法的冷试测试降噪方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于灰狼算法的冷试测试降噪方法，其特征在于，通过差分进化算法的变异、交叉和贪心选择策略，改进灰狼算法的线性收敛因子，包括：

3.如权利要求2所述的基于灰狼算法的冷试测试降噪方法，其特征在于，过差分进化算法的变异、交叉和贪心选择策略，改进灰狼算法的线性收敛因子，还包括：

4.如权利要求2所述的基于灰狼算法的冷试测试降噪方法，其特征在于，过差分进化算法的变异、交叉和贪心选择策略，改进灰狼算法的线性收敛因子，还包括：

5.如权利要求2所述的基于灰狼算法的冷试测试降噪方法，其特征在于，过差分进化算法的变异、交叉和贪心选择策略，改进灰狼算法的线性收敛因子，还包括：

6.如权利要求1所述的基于灰狼算法的冷试测试降噪方法，其特征在于，对变分模态分解得到的模态分解个数k与惩罚因子α进行寻优，具体为：

7.如权利要求1所述的基于灰狼算法的冷试测试降噪方法，其特征在于，对每个模态分量进行降噪处理，具体为：

8.基于灰狼算法的冷试测试降噪系统，其特征在于，包括：

9.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述权利要求1-7任一项所述的基于灰狼算法的冷试测试降噪方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于灰狼算法的冷试测试降噪方法中的步骤。

技术总结本发明涉及基于灰狼算法的冷试测试降噪方法及系统，包括以下步骤：获取柴油机冷试振动信号；基于改进的灰狼算法，以冷试振动信号经变分模态分解，得到的各模态分量模糊熵的局部最小值作为适应度函数，对变分模态分解得到的模态分解个数K与惩罚因子α进行寻优；基于得到的最优组合，对柴油机冷试振动信号进行变分模态分解，得到K个模态分量，对每个模态分量进行降噪处理，根据处理后的模态分量重构信号，得到降噪后的冷试振动信号；改进的灰狼算法包括，通过差分进化算法的变异、交叉和贪心选择策略，改进灰狼算法的线性收敛因子。改进的灰狼算法得到的最优参数组合能够提高冷试振动信号的降噪效果。技术研发人员：闫伟,吴凡,徐卓,李国祥,刘国强,孙方哲受保护的技术使用者：山东大学技术研发日：技术公布日：2024/9/12