基于BO-WT-VMD组合模型的钢丝绳的损伤信号降噪方法.pdfVIP

第52卷第1期江汉大学学报（自然科学版）Vol.52No.1

2024年2月J.JianghanUniv.（Nat.Sci.Ed.）Feb.2024

基于BO-WT-VMD组合模型的钢丝绳的

损伤信号降噪方法

朱宇坤，黎恒，吴文俊，柯圆圆abb*b

（江汉大学a.智能制造学院，b.人工智能学院，湖北武汉430056）

摘要：为了准确识别钢丝绳缺陷的故障数据，消除被测信号中的噪音，可使用基于贝叶斯优

化-小波变换-变分模态分解（BO-WT-VMD）的组合降噪模型进行降噪。首先利用小波变

换（WT）对原始信号进行处理；其次对处理后的信号再利用变分模态分解算法（VMD）进行模态

分解，计算分解的各个模态与原信号之间的相关系数，以完成信号的模态选择和重构；再次利用

α

贝叶斯优化算法（BO）对VMD算法的模态数目K以及值进行寻参，避免其受序列分解和预测

精度的影响，从而找到最优超参数组合。最后，在仿真实验和真实数据中，计算BO-WT-

VMD、WT和VMD算法的SNR值和RMSE值，分别为（17.3403，0.1010），（15.6170，0.1232）

和（15.6492，0.1227），说明提出的算法能够有效地去除信号噪音。

关键词：磁漏检测；小波变换；变分模态分解算法；贝叶斯优化；钢丝绳；降噪

中图分类号：O29文献标志码：A文章编号：1673-0143（2024）01-0043-12

DOI：10.16389/42-1737/n.2024.01.005

NoiseReductionMethodforDamageSignalofWireRopeBasedon

BO-WT-VMDCombinedModel

ZHUYukun，LIHeng，WUWenjun，KEYuanyuanabb*b

（a.SchoolofIntelligentManufacturing；b.SchoolofArtificialIntelligence，JianghanUniversity，

Wuhan430056，Hubei，China）

Abstract：Toaccuratelyidentifythefaultdataofwireropedefectsandeliminatethenoisein

themeasuredsignal，thispaperusedacombinednoisereductionmodelbasedonthe

Bayesianoptimization-wavelettransform-variationalmodadecomposition（BO-WT-

VMD）fornoisereduction.Firstly，thewavelettransform（WT）wasusedtoprocessthe

originalsignal.Then，thevariationalmodedecomposition（VMD）wasusedforthemodal

decompositionofthesignalprocessedbythewavelettransform.Thecorrelationcoefficient

betweenthedecomposedmodeandtheoriginalsignalwascalculatedtocompletethesignal

收稿日期：2022-08-05

基金项目：国家自然科学基金资助项目

作者简介：朱宇坤（2002—），男，研究方向：机器学习和深度学习。

*通信作者：柯圆圆（1986—），女，副教授，博士，研究方向：数学建模应用和代数学。E-mail：keyy086126.com

44江汉大学学报（自然科学版）