变形观测数据的经验模态傅里叶分析

针对变形分析及变形预测中非平稳非线性且含噪声的数据处理问题,该文采用经验模态分解技术提取反映变形趋势的低频逼近信号,利用傅里叶函数对低频逼近信号进行曲线拟合,并据此构建变形值预测模型,对出现的模型系数采用遗传算法求解。实例仿真表明所得预测模型具有较高的精确度,能满足工程需要。EMD-Fourier模型实质上是初等数学模型,具有结构简单、运算结果稳定、操作方便等优点。     

大跨径桥梁变形监测数据的组合降噪方法研究

为了准确提取桥梁GNSS监测数据中的有效变形特征,本文充分发挥自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)与小波变换(Wavelet Transform, WT)在信号降噪中的优势,将二者结合进行桥梁GNSS监测数据降噪。首先通过CEEMDAN方法将原始监测数据分解为若干个本征模态函数(Intrinsic Mode Function, IMF),并通过相关系数识别出有效IMF分量,包含噪声的IMF分量以及无效IMF分量;其次使用WT软阈值降噪方法对包含噪声的IMF分量进一步降噪;最后重构降噪后IMF分量与有效IMF分量。通过仿真实验数据与苏通大桥实测GNSS数据对本文方法的有效性与优越性进行检验,结果表明,本文方法具有良好的降噪效果,能够有效提取桥梁的真实变形信息。     

基于经验模分解的陀螺信号消噪

陀螺随机漂移是影响惯性导航精度的重要因素。小波消噪方法对异常噪声效果不明显,且对小波基和分解尺度等因素依赖性较强。提出陀螺信号经验模分解(EMD)消噪方法,将信号进行经验模分解得到一个本征模态函数(IMF)组,先基于2sigma准则处理异常噪声IMF分量,再利用相关系数确定高频噪声IMF分量个数,将噪声分量去除以实现陀螺信号消噪。详细对比小波方法与EMD方法,利用交叠式Allan方差分析两者的消噪效果,通过惯导算例进一步验证EMD方法的实效性。结果表明,相比小波方法,EMD消噪法能剔除异常噪声,可以更有效地抑制陀螺漂移。     

局部均值分解与支持向量回归的大坝变形预测

针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。     

联合EMD与核主成分分析的激光陀螺信号消噪

为了有效抑制激光陀螺的随机漂移,提高其惯导精度,提出了一种联合经验模态分解(EMD)和核主成分分析(KPCA)的陀螺信号消噪方法。该方法利用EMD将陀螺信号分解为一组内蕴模态函数(IMF),基于EMD噪声能量分布模型,近似估算各层IMF中的噪声能量;然后利用KPCA分解各层IMF,根据噪声能量自适应地选择应保留的主成分分量,以剔除各层IMF中的噪声实现陀螺信号的消噪。通过实验将该方法与小波去噪算法进行对比,利用交叠式Allan方差和经、纬度误差分析不同方法对陀螺信号的消噪效果。实验结果表明,相比经典的小波消噪方法,本文方法的消噪效果有一定程度的提高,可以更有效地抑制陀螺信号的随机漂移。     

基于ICEEMDAN的多滤波算法在超高层动态变形监测中的应用

针对监测数据中存在多路径误差和随机噪声的问题,本文提出了一种基于改进的带有自适应噪声的完备集合经验模式分解(ICEEMDAN)、小波包分解(WP),以及递归最小二乘算法(RLS)的联合滤波算法(IWPR)。该算法首先对原始信号进行ICEEMDAN分解,得到一系列本征模态函数(IMF)分量;然后基于标准化模量的累积均值将IMF划分为高频IMF和低频IMF;最后考虑相关系数,利用WP和RLS分别对高频IMF、低频IMF进行去噪,重构两者降噪信号,获得动态位移响应。结果表明:相对于单一算法EMD、CEEMDAN、ICEEMDAN等,IWPR算法能够更有效地消除多路径误差和随机噪声,从而提高超高层GNSS RTK监测数据的精度。     

PSO-DVMD-WT的变形信号去噪方法研究

为了滤除变形数据中含有的白噪声,该文提出一种基于粒子群优化算法的双重变分模态分解-小波阈值去噪模型。首先利用VMD对变形数据进行初次分解,初次分解层数K_1由频谱图波峰个数确定,根据相关性分析将分量分为噪声分量和信号分量;然后针对信号分量出现模态混叠的现象,首次分解的信号分量再次进行粒子群优化的VMD分解,得到二次信号分量和二次噪声分量;对二次VMD分解得到的噪声分量进行小波阈值降噪;最后重构实现噪声的有效剔除。模拟实验结果显示,利用本文方法去噪得到的均方根误差降低至0.418 0 mm、信噪比提升至10.174 0 dB,对比小波阈值、总体经验模态分解(EEMD)、VMD等方法,降噪效果有明显的提升。在实际变形数据去噪中,相比于其他去噪方法,本文方法能够很好地抑制模态混叠的现象,且均方根误差降低至0.151 0 mm、信噪比提升至23.821 0 dB,验证了本文方法在实际应用中的有效性。     

EMD在北斗桥梁变形监测数据中的应用研究

针对我国北斗系统变形监测数据中存在的噪声问题,本文利用自适应信号分析方法经验模态分解(EMD)对某北斗实测变形监测数据进行降噪处理。首先对E、N、U 3个方向的分量进行分解获取本征模态函数及趋势项,其次根据相关系数分离出噪声的本征模态函数,最后根据重构方法得到干净的位移序列。结果表明:EMD方法在北斗变形监测数据中的去噪是可行的,能有效分离信号与噪声,进一步提高了北斗观测的精度。     

经验模态分解和最小二乘支持向量机在大坝变形预测中的应用

由于受到温度、雨水冲刷等外在因素的影响,大坝变形时间序列数据会呈现出非线性和非平稳的曲线特性。为此,提出一种经验模态分解(EMD)和最小二乘支持向量机(LSSVM)相结合的大坝变形预测模型。首先,使用EMD对大坝变形时间序列数据分解成若干个不同尺度的本征模式分量(IMF);然后,利用LSSVM模型对各个IMF进行预测;最后,对预测的结果相加得到大坝变形预测值。以吉林市丰满大坝为算例,构建EMD-LSSVM预测模型,并与LSSVM模型对比分析,结果表明,EMD-LSSVM模型预测效果更好,精度更高,具有更好的实用型。     

海洋平台GNSS RTK监测数据的CVCEEMDAN-WT-SSA去噪算法

针对GNSS-RTK技术在海洋平台变形位移监测过程中的多路径效应误差与随机噪声,本文提出一种基于交叉证认改进的具有自适应白噪声的完整集成经验模态分解(CVCEEMDAN)、小波阈值(WT)降噪方法及奇异谱分析(SSA)相结合的联合去噪算法。首先对原始信号进行CEEMDAN分解,使用交叉证认方法识别噪声与有效信号IMF分量;然后利用WT和SSA分别对噪声和有效信号分量作去噪处理,重构处理后的信号,获得真实变形监测结果。结果表明：本文算法具有自适应性,且相比EMD、EEMD、CEEMDAN、ACCEEMDAN-WT-SSA算法具有更好的去噪效果,可有效去除海洋平台变形监测中的多路径误差及随机噪声,成功获取真实的监测信号结果。