基于VMD-EV的天然氣管道小泄漏信號去噪研究

(東北石油大學 電氣信息工程學院，黑龍江大慶 163318)

0 引言

天然氣管道泄漏事故會造成巨大的經濟損失和環境危害[1-2]。為了減少損失，科技工作者在泄漏檢測與診斷方面做了大量的工作，其中包括對泄漏信號采用快速傅里葉變換(FFT)、小波變換(WT)、經驗模態分解(EMD)、局部均值分解(LMD)和變分模態分解(VMD)等算法進行去噪處理，取得了一系列成果。與WT，EMD，LMD相比，VMD算法可根據實際信號的頻段分布，人為設定分解的模態數量K值，并以設定的帶寬和迭代方式獲得中心頻率，進而獲得模態函數，有效避免了模態混疊現象[3-4]，該算法已被廣泛地應用到生物醫學圖像去噪[5]、軸承故障診斷[6]、壓力波動信號分析[7]、齒輪箱內部斷齒檢測等領域。然而，如何從輸入信號中選取有效帶限固有模態函數(BLIMF)分量的問題難以有效解決，因此，VMD復合算法成為研究熱點之一，如VMD與支持向量機結合[8]、VMD與近似熵結合[9]、VMD分別與相關系數和互信息的方法結合[10-11]等。但是，天然氣管道小泄漏信號是淹沒在噪聲中的非線性非平穩信號，至今沒有有效的檢測手段。因此，本文在VMD算法中引入概率密度函數和能量值EV(Energy Value)，提出一種選取有效分量的可行算法，并通過對天然氣管道小泄漏信號進行去噪驗證其可行性。

1 基于VMD和EV的信號去噪算法研究

1.1 VMD算法

輸入信號x(t)經VMD分解為K個BLIMFs分量：

(1)

式中m——低頻BLIMF分量的個數；

K——VMD分解后的BLIMF分量總數量；

γ(t)——分解的殘余量。

(2)

1.2 概率密度函數

概率密度函數(Probability Density Function，簡稱pdf)用于描述數據的隨機性[13]。本文中的數據指的是一維連續隨機變量，隨機數據的概率密度函數表示瞬時幅值落在某指定范圍內的概率，因此是幅值的函數，它隨所取范圍的幅值而變化。……