CN104568024A - 振动式流量计特征信号提取方法 - Google Patents
振动式流量计特征信号提取方法 Download PDFInfo
- Publication number
- CN104568024A CN104568024A CN201510029686.1A CN201510029686A CN104568024A CN 104568024 A CN104568024 A CN 104568024A CN 201510029686 A CN201510029686 A CN 201510029686A CN 104568024 A CN104568024 A CN 104568024A
- Authority
- CN
- China
- Prior art keywords
- signal
- flow
- vibratory flowmeter
- conducting
- meemd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Measuring Volume Flow (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请提出一种基于改进集总平均经验模态分解的振动式流量计流量特征信号提取方法。通过波形匹配的自适应端点延拓法对采集到的振动式流量计流量振动信号进行端点延拓处理,用三次B样条法对采集的振动信号进行包络线拟合,然后进行MEEMD分解得到若干IMF分量,对IMF分量和原信号进行相关分析,选择有用的IMF分量,最后对IMF分量进行HHT变换,得到流量信号的Hilbert时频谱和边际谱,即得到振动式流量计流量振动信号的信号特征。本方法适用于工业领域管网流体流量的准确、快速计量。
Description
技术领域
本申请提出一种基于改进集总平均经验模态分解(MEEMD)的振动式流量计特征信号提取方法。
背景技术
振动式流量计是供流管网中的计量关键部件,其能否准确、快速计量对整个供流管网有着重要的影响。在管网供流过程中,振动式流量计的涡街流量信号由流速产生的正弦涡街信号和外界干扰引起的噪声信号组成,当流量较大时,信号幅值较大,信噪比较高,由噪声引起的影响不显著;当流量较小时,信号幅值小,信噪比低,流量信号的波形易发生畸变,所以低流速、小流量测量是振动式流量计发展的瓶颈。可是在工业现场应用中振动式流量计需要满足各种或大或小的在线流量监测,所以振动式流量计一旦不能准确计量,短时间内可引起大量的流体不被统计而流过,导致企业损失,甚至造成严重的工业事故。因此,振动式流量计流量信号特征提取在工业应用中有着重要的意义。
目前,国内外主要采用信号分析与处理的方法来实现流体振动式流量计的流量监测和统计。当管网中的流体通过流体振动式流量计的旋涡发生体时,会因卡门涡街原理而在旋涡发生体的两侧产生两列成对的、旋转方向相反的、交替排列的反对称涡旋,伴随旋涡的产生与脱落,在旋涡发生体的周围和下游的流体将产生有规律的振动。在正常供流过程中,这种由卡门涡街原理而引起的振动是周期性的,由于振动而产生的振动信号也会产生周期性的脉冲,该脉冲的频率就是流体振动信号的频率,并且此频率正比于流体通过旋涡发生体时的平均流速。因此,采集振动式流量计的振动信号,并通过适当的方法来提取信号特征,可以间接地保证振动式流量计准确、快速计量。
目前,振动式流量计常用的信号特征提取方法有小波分析法、FFT的经典谱分析法、、基于DSP的信号处理法、周期图谱分析和基于Burg的现代谱分析法等。小波分析法是一种时频分析法,它可以对信号进行全局分析和局部分析,但这取决于小波基的选择,小波基不同,则信号分析的分辨率就不同,并且选择不同的小波基对应着不同的运算复杂度,所以小波分析对信号的分析具有局限性。FFT的经典谱分析法对涡街流量信号进行采集时采用了单一的采样频率,缺少对高低频率同时适应的能力,并且降低下限的作用不明显。基于DSP的信号处理法虽然具有较高的精度而且实时性较好,但功耗较大,不适合野外流量实时采集,需向集成化、低功耗化方向发展。周期图谱分析和基于Burg的现代谱分析法虽然具有较好的仿真效果,但实际应用时计算精度不够、处理速度较慢,也有待向微型化方向发展。
综上所述,振动信号分析是流体振动式流量计流量监测和统计的有效方法。因此,需要研究一种克服以上问题的自适应信号分析方法。本申请提出了一种基于MEEMD的振动式流量计流量信号特征提取方法,能够有效地对振动信号进行分析,并快速的提取信号特征,在解决了低流速、小流量特征信号不便提取的同时,还提高了特征信号采集的实时性和准确性。
发明内容
本申请提出了一种基于改进集总平均经验模态分解的振动式流量计流量信号特征提取方法,包括传感器布置、信号采集、信号分析和处理、信号特征提取四个模块。通过波形匹配的自适应端点延拓法对采集到的振动式流量计流量振动信号进行端点延拓处理,用三次B样条法对采集的振动信号进行包络线拟合,然后进行MEEMD分解得到若干IMF分量,对IMF分量和原信号进行相关分析,选择有用的IMF分量,最后对IMF分量进行HHT变换,得到流量信号的Hilbert时频谱和边际谱,即得到振动式流量计流量振动信号的信号特征。
MEEMD分解可将流量振动信号分解为一系列具有物理意义的单频率本征模分量IMF之和,IMF分量是在原信号中加入一对幅值和标准差相等、方向相反的白噪声,经EEMD分解后再经过多次EMD分解得到的。MEEMD分解不仅解决了EMD分解中存在的模态混淆问题,还克服了EEMD分解与CEEMD分解中存在的计算量大、模态分裂、白噪声残余等问题。MEEMD中也存在着端点效应、虚假分量等问题,分别采用波形匹配的自适应端点延拓法、互相关分析筛选法进行处理。
流体振动式流量计流量信号特征提取方法的具体步骤如下:
(1) 合理的布置传感器,当管网正常供流时,采集涡流发生体周围的振动信号,如说明书附图2所示;
(2) 采用波形匹配的自适应端点延拓法对信号两端进行延拓,信号的延拓包括左延拓和右延拓,以下仅以左延拓为例,设原始信号为 ;
1) 确定左端点处的极大值点和极小值点,分别记为、,记从左端点到的距离为L,将这段波形记为;
2) 设为原始信号的极大值的集合,以作为参考点,计算相同长度上波形与匹配度;
3) 设,若<,为一常数,则取处长度为L且包含极大值与极小值的一段子波,作为原始信号的左延拓,延拓完毕,否则转;
4) 在原始信号端点处直接指定极大值点,即取最靠近左端点的两个极大值点的平均值作为极大值点,取最靠近左端点的两个极小值点的平均值作为极小值点;
右端点处的延拓与左端点的延拓类似;
(3) 在MEEMD 分解之前,采用三次B样条插值法拟合包络线,具体步骤如下:
1) 构造三次B样条曲线的方程为:
式中为控制顶点,即原始信号的极值点;为三次规范B样条的基函数,是由节点矢量序列U所决定的三次分段多项式;
2) 确定节点矢量:
设原始信号的极值点为控制顶点,将控制顶点连接构成控制多边形,则控制多边形的边长,边长总长度为。节点矢量可表示为:
为了采用统一的计算方法,符合B样条曲线的局部性质要求,在计算过程中控制多边形的边由相应K条边的和来代替。定义域内节点区间的长度为:
上式中节点矢量表达式分母规范化后可表示为:
K次B样条插值曲线的节点矢量规范化分母 为:
由以上分析可知,K次B样条拟合曲线的所有节点值为:
参数化后的节点矢量可表示为:
3) 将节点值代入1)中的方程便可求得三次B样条拟合包络线方程;
(4) 进行MEEMD分解,步骤如下:
MEEMD分解是在原始信号中加入一组幅值和标准差一致、方向相反的白噪声,再重复进行EEMD和EMD分解,以减少EMD分解的模态混淆和EEMD分解的计算量与残余分量;
1) 向原始信号中所加入的白噪声均方根值应接近待分解的内部噪声,或不超过待分解信号均方根值的0.3倍;
2) 设向待分解信号中所加入的绝对值相等、方向相反的一组白噪声为和,分别对其进行EEMD分解:
上式中的和为EEMD分解过程中得到的2组IMFs分量;
3) 取和的平均值:
4) 将以下列的EMD分解方式进行分解:
上式中表示经过EMD分解后得到的IMF分量;表示剩余残余分量的叠加;
5) 经过MEEMD的分解后,原始信号可表示为:
上式中的表示最终得到的IMF分量; 表示最终得到的残余分量;
(5) 采用互相关分析筛选法剔除虚假分量。对IMF分量和原信号做相关分析,剔除偏离原始分量程度较大的IMF分量,设两者得到的相关系数为,设阈值 为大于1的实数;
当时,保留第i个IMF分量;
当时,剔除第i个IMF分量,并将其加到残余分量部分;
(6) 将MEEMD分解得到的IMF分量进行HHT变换,可以得到Hilbert时频谱与边际谱,通过谱分析可得到瞬时频率f,即为流体振动式流量计流量信号的特征。并且频率f满足以下关系式:
上式中的d为旋涡发生体的宽度;St为斯特劳哈尔系数,与d及流体雷诺数Re有关。再由公式:
上式中A为旋涡发生体的过流截面积;为瞬时流量,为累积流量;由以上各式便可求得流体振动式流量计的瞬时流量和累积流量。
本申请提出的基于改进集总平均模态分解的振动式流量计流量信号特征提取方法,通过对端点效应、包络线拟合和消除虚假分量的处理,可以快速、准确的对原始信号进行特征提取,为振动式流量计流量快速、准确计算提供了强有力的保障,为企业和社会带来了可观的经济效益。
附图说明
图1是振动式流量计流量信号特征提取方法流程图;图2是传感器布置示意图;图3 是MEEMD分解流程图。
具体实施方式
附图2中:1.DH-131E 加速度传感器 2.流体流动方向 3.旋涡发生体 4. DH-131E 加速度传感器。
1. 信号采集:利用加速度传感器对振动式流量计流量信号进行采集。本申请所用到的加速度传感器为DH-131E IEPE压电式加速度传感器,灵敏度为,量程是 ,频率范围0.5~10KHz。加速度传感器分布在两轴对称位置,以便更好地反映流体振动式流量计流量信号的振动特性。
2. 采用波形匹配的自适应端点延拓法对信号两端进行延拓,信号的延拓包括左延拓和右延拓,以下仅以左延拓为例,设原始信号为 ;
1) 确定左端点处的极大值点和极小值点,分别记为、,记从左端点到的距离为L,将这段波形记为;
2) 设为原始信号的极大值的集合,以作为参考点,计算相同长度上波形与匹配度;
3) 设,若<,为一常数,则取处长度为L且包含极大值与极小值的一段子波,作为原始信号的左延拓,延拓完毕,否则转;
4) 在原始信号端点处直接指定极大值点,即取最靠近左端点的两个极大值点的平均值作为极大值点,取最靠近左端点的两个极小值点的平均值作为极小值点;
右端点处的延拓与左端点的延拓类似。
3. 在MEEMD 分解之前,采用三次B样条插值法拟合包络线,具体步骤如下:
1) 构造三次B样条曲线的方程为:
式中为控制顶点,即原始信号的极值点;为三次规范B样条的基函数,是由节点矢量序列U所决定的三次分段多项式;
2) 确定节点矢量:
设原始信号的极值点为控制顶点,将控制顶点连接构成控制多边形,则控制多边形的边长,边长总长度为。节点矢量可表示为:
为了采用统一的计算方法,符合B样条曲线的局部性质要求,在计算过程中控制多边形的边由相应K条边的和来代替。定义域内节点区间的长度为:
上式中节点矢量表达式分母规范化后可表示为:
K次B样条插值曲线的节点矢量规范化分母 为:
由以上分析可知,K次B样条拟合曲线的所有节点值为:
参数化后的节点矢量可表示为:
3) 将节点值代入1)中的方程便可求得三次B样条拟合包络线方程。
4. 进行MEEMD分解,步骤如下:
MEEMD分解是在原始信号中加入一组幅值和标准差一致、方向相反的白噪声,再重复进行EEMD和EMD分解,以减少EMD分解的模态混淆和EEMD分解的计算量与残余分量;
1)向原始信号中所加入的白噪声均方根值应接近待分解的内部噪声,或不超过待分解信号均方根值的0.3倍;
2)设向待分解信号中所加入的绝对值相等、方向相反的一组白噪声为和,分别对其进行EEMD分解:
上式中的和为EEMD分解过程中得到的2组IMFs分量;
3)取和的平均值:
4)将以下列的EMD分解方式进行分解:
上式中表示经过EMD分解后得到的IMF分量;表示剩余残余分量的叠加;
5)经过MEEMD的分解后,原始信号可表示为:
上式中的表示最终得到的IMF分量; 表示最终得到的残余分量。
5. 采用互相关分析筛选法剔除虚假分量。对IMF分量和原信号做相关分析,剔除偏离原始分量程度较大的IMF分量,设两者得到的相关系数为,设阈值 为大于1的实数;
当时,保留第i个IMF分量;
当时,剔除第i个IMF分量,并将其加到残余分量部分。
6. 将MEEMD分解得到的IMF分量进行HHT变换,可以得到Hilbert时频谱与边际谱,通过谱分析可得到瞬时频率f,即为流体振动式流量计流量信号的特征。
Claims (4)
1.一种基于改进集总平均经验模态分解的振动式流量计特征信号提取方法,其特征在于通过波形匹配的自适应端点延拓法对采集到的振动式流量计流量振动信号进行端点延拓处理,用三次B样条法对采集的振动信号进行包络线拟合,然后进行MEEMD分解得到若干IMF分量,对IMF分量和原信号进行相关分析,选择真实的IMF分量,最后对IMF分量进行HHT变换,得到流量信号的Hilbert时频谱和边际谱,即得到振动式流量计流量振动信号的信号特征。
2.如权利要求1所述的振动式流量计特征信号提取方法,其特征在于将传感器采集到的流量振动信号进行端点延拓,采用波形匹配的自适应端点延拓法对两个端点处的波形进行处理,实现信号端点为极值点。
3.如权利要求1所述的振动式流量计特征信号提取方法,其特征在于MEEMD分解时采用三次B样条包络线拟合法对极值和局部均值进行平滑估计,减小拟合误差。
4.如权利要求1所述的振动式流量计特征信号提取方法,其特征在于采用互相关分析筛选法对MEEMD分解得到的IMF分量和原信号进行处理,剔除虚假信号分量,得到有用的特征信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510029686.1A CN104568024B (zh) | 2015-01-21 | 2015-01-21 | 振动式流量计特征信号提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510029686.1A CN104568024B (zh) | 2015-01-21 | 2015-01-21 | 振动式流量计特征信号提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104568024A true CN104568024A (zh) | 2015-04-29 |
CN104568024B CN104568024B (zh) | 2019-04-30 |
Family
ID=53084621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510029686.1A Expired - Fee Related CN104568024B (zh) | 2015-01-21 | 2015-01-21 | 振动式流量计特征信号提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104568024B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107885940A (zh) * | 2017-11-10 | 2018-04-06 | 吉林大学 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
CN108399147A (zh) * | 2018-01-25 | 2018-08-14 | 山东科技大学 | 一种基于meemd算法的变压器励磁涌流识别方法 |
CN108469281A (zh) * | 2018-01-18 | 2018-08-31 | 天津大学 | 基于emd和频谱校正的两相涡街信号处理方法 |
CN109708550A (zh) * | 2019-01-10 | 2019-05-03 | 浙江广川工程咨询有限公司 | 基于爆破振动信号检测的盲炮识别方法 |
CN110160789A (zh) * | 2019-05-08 | 2019-08-23 | 新疆大学 | 一种基于ga-enn的风电机组轴承故障诊断方法 |
CN110908001A (zh) * | 2019-12-16 | 2020-03-24 | 吉林大学 | 一种大地电磁测深信号的重构方法及系统 |
CN110933023A (zh) * | 2019-10-16 | 2020-03-27 | 电子科技大学 | 一种面向多媒体医疗设备组网通信的网络流量异常检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5983162A (en) * | 1996-08-12 | 1999-11-09 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Computer implemented empirical mode decomposition method, apparatus and article of manufacture |
CN1851689A (zh) * | 2006-05-19 | 2006-10-25 | 长安大学 | 基于相似波形的数字信号端点数据延拓方法 |
CN103994062A (zh) * | 2014-05-13 | 2014-08-20 | 山东理工大学 | 液压泵故障特征信号提取方法 |
-
2015
- 2015-01-21 CN CN201510029686.1A patent/CN104568024B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5983162A (en) * | 1996-08-12 | 1999-11-09 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Computer implemented empirical mode decomposition method, apparatus and article of manufacture |
CN1851689A (zh) * | 2006-05-19 | 2006-10-25 | 长安大学 | 基于相似波形的数字信号端点数据延拓方法 |
CN103994062A (zh) * | 2014-05-13 | 2014-08-20 | 山东理工大学 | 液压泵故障特征信号提取方法 |
Non-Patent Citations (5)
Title |
---|
张梅军 等: "基于SVM信号延拓改进的EEMD方法", 《振动、测试与诊断》 * |
杨永锋,吴亚锋: "《经验模态分解在振动分析中的应用》", 30 November 2013 * |
王增才 等: "基于EEMD 的提升机天轮轴承故障诊断方法", 《煤炭学报》 * |
程军圣 等: "《机械故障振动信号的局部均值分解方法》", 31 December 2013 * |
郑旭 等: "基于MEEMD的内燃机辐射噪声贡献", 《浙江大学学报(工学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107885940A (zh) * | 2017-11-10 | 2018-04-06 | 吉林大学 | 一种用于分布式光纤振动传感系统的信号特征提取方法 |
CN108469281A (zh) * | 2018-01-18 | 2018-08-31 | 天津大学 | 基于emd和频谱校正的两相涡街信号处理方法 |
CN108399147A (zh) * | 2018-01-25 | 2018-08-14 | 山东科技大学 | 一种基于meemd算法的变压器励磁涌流识别方法 |
CN108399147B (zh) * | 2018-01-25 | 2021-07-13 | 山东科技大学 | 一种基于meemd算法的变压器励磁涌流识别方法 |
CN109708550A (zh) * | 2019-01-10 | 2019-05-03 | 浙江广川工程咨询有限公司 | 基于爆破振动信号检测的盲炮识别方法 |
CN109708550B (zh) * | 2019-01-10 | 2021-06-18 | 浙江广川工程咨询有限公司 | 基于爆破振动信号检测的盲炮识别方法 |
CN110160789A (zh) * | 2019-05-08 | 2019-08-23 | 新疆大学 | 一种基于ga-enn的风电机组轴承故障诊断方法 |
CN110160789B (zh) * | 2019-05-08 | 2021-11-02 | 新疆大学 | 一种基于ga-enn的风电机组轴承故障诊断方法 |
CN110933023A (zh) * | 2019-10-16 | 2020-03-27 | 电子科技大学 | 一种面向多媒体医疗设备组网通信的网络流量异常检测方法 |
CN110908001A (zh) * | 2019-12-16 | 2020-03-24 | 吉林大学 | 一种大地电磁测深信号的重构方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104568024B (zh) | 2019-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104568024A (zh) | 振动式流量计特征信号提取方法 | |
CN106679741B (zh) | 基于涡街流量计抗干扰信号的处理方法及系统 | |
Lyn et al. | A laser-Doppler velocimetry study of ensemble-averaged characteristics of the turbulent near wake of a square cylinder | |
CN105181040A (zh) | 一种差压式流量计的数字化标定及优化方法 | |
CN101762298B (zh) | 超声波测量仪 | |
EP1498700A3 (de) | Ultraschall-Gasdurchflusssensor sowie Vorrichtung zur Messung von Abgas-Strömungen von Verbrennungskraftmaschinen sowie Verfahren zur Ermittlung des Durchflusses von Gasen | |
CN103808380B (zh) | 一种用于超声波流量计量仪表的流量快速跟踪方法 | |
CN108020282A (zh) | 基于复系数滤波的科氏质量流量计信号处理方法 | |
CN110186522B (zh) | 结合涡街幅值特性的湿气过读补偿与流量测量方法 | |
Zhu et al. | Mathematical modeling of ultrasonic gas flow meter based on experimental data in three steps | |
CN102022348B (zh) | 一种水泵汽蚀测量方法 | |
CN104456089B (zh) | 一种流体管道多泄漏点定位方法 | |
CN102928026B (zh) | 一种利用局部瞬时空泡份额获得整体瞬时空泡份额的方法 | |
Liang et al. | Study on tidal resonance in Severn Estuary and Bristol Channel | |
CN105067048B (zh) | 一种抗振动干扰的数字化涡街流量计的测量方法 | |
CN109061259A (zh) | 一种智能电能表计量误差分析方法、计量装置以及智能电能表 | |
CN109856175B (zh) | 一种核磁共振油水两相流参数的测量方法 | |
CN107730582A (zh) | 基于海洋遥感数据的海浪三维显示方法 | |
CN103924963B (zh) | 一种示功仪采样率自动切换方法 | |
Huang et al. | Characterization of gas–liquid two-phase flow by correlation dimension of vortex-induced pressure fluctuation | |
CN103323066B (zh) | 一种低含液率气液两相流测量方法及测量系统 | |
Frederich et al. | Numerical simulation of the flow around a finite cylinder with ground plate in comparison to experimental measurements | |
CN201688869U (zh) | 基于自适应fft功率谱分析的双钝体涡街流量计 | |
CN103573249A (zh) | 天然气单井气、液产量在线计量装置 | |
CN105005296B (zh) | 一种基于相位斜率指标的控制过程非线性振荡回路定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190430 Termination date: 20210121 |