基于TOC-ICEEMDAN的光纤阵列用于输电线路的振动噪声抑制

《Optical Fiber Technology》:Vibration noise reduction of transmission lines based on fiber-optic array by using TOC-ICEEMDAN

【字体: 大 中 小 】 时间:2026年08月05日 来源:Optical Fiber Technology 2.7

编辑推荐:

  摘要为解决复杂现场环境中光纤复合架空地线传输线路的异常振动监测信号存在信噪比低且具有明显非平稳特性的问题,本文提出一种基于龙卷风优化器与科里奥利力改进的完全集合经验模态分解自适应噪声方法(TOC-ICEEMDAN),用于光纤传感器阵列处理。该方法利用龙卷风优化器的全局优化能力,并

  

摘要

为解决复杂现场环境中光纤复合架空地线传输线路的异常振动监测信号存在信噪比低且具有明显非平稳特性的问题,本文提出一种基于龙卷风优化器与科里奥利力改进的完全集合经验模态分解自适应噪声方法(TOC-ICEEMDAN),用于光纤传感器阵列处理。该方法利用龙卷风优化器的全局优化能力,并模拟包括科里奥利力效应在内的多尺度流体动力学机制,自适应确定ICEEMDAN的关键参数。这种耦合不仅能够优化参数设置,还能生成更精确反映信号非平稳特性和模态混合的分解结果,从而更有效地将弱异常信号从复杂背景噪声中分离出来。在OPGW线路的风致振动和沙尘暴环境中的实地验证表明,TOC-ICEEMDAN在能量误差、平均相关系数和信噪比这三项核心指标上均表现更优。通过配对样本t检验的统计比较显示,TOC-ICEEMDAN与三种基准方法之间存在显著差异。与VMD相比,该算法使能量误差降低146.65(d = -3.664,p < 0.001),平均相关系数降低0.18(d = -3.000,p < 0.001),信噪比提升1.10 dB(d = 3.633,p < 0.001)。与EEMD相比,能量误差降低159.81(d = -3.996,p < 0.001),而信噪比提升0.24 dB(d = 0.800,p = 0.007)。与ICEEMDAN相比,平均相关系数降低0.10(d = -1.500,p < 0.001)。该算法显著提升了弱异常检测能力,能够在多种运行条件下准确提取异常振动信号,为复杂环境中的OPGW线路监测提供了高效可靠的解决方案。

引言

在复杂现场环境中,光纤复合架空地线线路常常会遭受大幅度的异常振动和微振动现象[1]、[2]。光纤传感解调终端的引入使得对这些传输线路的分布式监测成为可能[3]。然而,风致振动和温度变化等环境因素会带来背景噪声,再加上光路波动和结构振动[4],这些因素共同作用会产生异常振动干扰。这种干扰会在传感系统中表现为相位噪声,与异常振动信号的特征频率相互耦合。因此,采集到的信号往往信噪比低、幅度特征不清晰,特征提取效果也较差,这严重影响了异常检测的准确性[5]、[6]。
光纤传感技术的进步推动了分布式声学传感系统在工程领域的广泛应用,如温度监测[7]、振动检测[8]以及水下声学探测[9]。这类系统具备远距离覆盖、高空间分辨率、抗干扰能力强以及实时监测等功能。基于瑞利散射[10]、布里渊散射[11]或光纤布拉格光栅反射原理[12],光学传感系统能够检测传输线路沿线的环境扰动,从而实现宽带信号检测。通过将测量参数与环境变量相互关联,这类系统还能为异常事件提供早期预警功能[13]。
通过光纤传感系统在OPGW线路上获取的信号本质上是非平稳的时空序列,其中包含代表异常振动特征或环境噪声的混合模态成分[14]。传统的去噪技术,如傅里叶变换[15]和自适应滤波[16],主要适用于平稳信号,应用于非平稳数据时难以保留重要的信号细节。虽然小波变换能够处理非平稳性,但其依赖于预定的基函数和固定阈值,限制了其对DAS输出结果的时频特性进行自适应分析[17]。
变分模态分解技术通过将信号分解为有限带宽的固有模态函数,从而抑制模态混合的同时保留空间相关性,有效解决了这一问题[18]。经验模态分解技术虽然能够实现数据驱动的分解,但在高维时空数据中容易出现模态混叠现象,从而导致不同空间域内的噪声和信号成分被错误分类[19]。在EMD的基础上,完全集合经验模态分解自适应噪声方法通过分阶段注入自适应白噪声并处理残差,大大降低了重建误差和模态混叠问题[20]。不过,CEEMDAN的分解结果仍存在持续的噪声残留问题。
ICEEMDAN通过自适应噪声注入和残差控制机制实现了重大突破[21],其性能优于集合经验模态分解技术EEMD。该方法能够在最小化经验模态混合的同时保持固有模态函数的光谱完整性[22]。结合长短期记忆网络和离散熵理论,进一步提升了ICEEMDAN在FBG系统中的非平稳信号处理能力[23]。然而,ICEEMDAN的核心方法虽然在计算上较为复杂,但能够实现分解稳定性,尤其是由于噪声标准差和积分次数等参数的影响。这就与那些需要高效计算方法的功率监测应用产生了矛盾。ICEEMDAN是一种自适应信号分解技术,能够将非线性和非平稳信号分解为一系列固有模态函数,从而有效抑制噪声。但其性能很大程度上取决于噪声幅度、集合大小以及最大迭代次数等关键参数的合理设定,若这些参数选择不当,就会显著降低分解的精确度和去噪效果。在ICEEMDAN参数优化方面,传统的元启发式算法存在诸多局限。例如,粒子群优化算法会引导所有粒子向全局最优或局部最优位置线性移动,容易导致过早收敛和振荡现象,这对于噪声幅度等高度敏感的参数来说尤为严重,进而会影响种群的多样性,增加陷入局部最优解的风险。麻雀搜索算法虽然采用了发现者与加入者相结合的架构,但在探索复杂参数空间时缺乏足够的适应性,因此其搜索结果的可靠性和可比性都较差。灰狼优化算法则仅根据α、β和δ三个领导节点位置的算术平均值来确定搜索方向,这种平均机制在目标函数为高度非凸或多模态的情况下可能会给出错误的引导,因为真正的最优解可能位于这些最佳解的凸包之外。协方差矩阵适应进化策略则依赖于迭代的协方差矩阵更新,在种群规模较小或维度较高的情况下,这种依赖性会增加过拟合的风险,影响探索的稳健性。最后,差分进化算法通过变异和交叉操作引入了较大的随机性,导致收敛轨迹不稳定,尤其是在需要严格满足收敛标准的情况下。实证比较也表明,与其他优化算法相比,差分进化算法在多次运行中的解决方案方差更大。因此,如何在保持混合算法优势的同时提升低信噪比环境下异常检测的精度,仍然是一个亟待解决的技术难题[29]。因此,开发出能够在保证计算效率的同时提升分解精度的新型优化方法,对于下一代OPGW监测系统而言至关重要。为了解决OPGW监测系统中存在的复杂非线性振动噪声降低问题,本研究将龙卷风优化器与科里奥利力机制结合到搜索算法的运动方程中。这一改进增强了螺旋扫描机制,使得在连续搜索空间内能够进行更精确的局部探索,从而优于传统的线性优化算法。此外,该算法还采用了由龙卷风、雷暴和风暴三级构成的分层结构,能够在整个优化过程中实现全局探索与局部利用的平衡。考虑到ICEEMDAN参数优化中需要最小化高度非线性的目标函数,龙卷风优化器在处理OPGW系统复杂振动信号的分解和去噪任务时,展现出良好的收敛性能和适用性。
为克服上述技术限制,本文提出了一种基于龙卷风优化算法的方法,用于处理原始的光栅采集信号。该算法利用模拟的龙卷风动力学特性将种群划分为不同的“风暴组”。该方法采用结合科里奥利力效应和自适应惯性权重的速度更新策略,对ICEEMDAN中的噪声标准差和噪声实现数等参数进行全局优化。与传统优化算法相比,这种群体智能机制更具能力,能够避免陷入局部最优解,同时还能有效适应OPGW振动监测系统中非平稳噪声的特性。通过引入排列熵作为评估函数,TOC-ICEEMDAN能够在保留异常振动信号的时空相关性的同时重建目标函数,从而进一步提升OPGW系统的去噪效果。

章节节选

原理

图1展示了TOC-ICEEMDAN用于检测OPGW线路中弱异常振动的原理。分布式光纤传感技术能够检测异常振动事件,其空间分辨率可通过调整光脉冲宽度来控制。在持续发射激光之后,声光调制器会生成脉冲光,这些脉冲光在掺铒光纤放大器中经过放大后,再被注入到OPGW线路中。

实验设置与结果

所提出的TOC-ICEEMDAN框架被设计为一个顺序式的去噪流程。首先,将原始的DAS振动信号分割成固定长度的样本以便分析。接着,通过TOC算法自适应优化可调节的ICEEMDAN参数,包括噪声标准差系数和噪声实现次数。在这一过程中,排列熵被用作适应度函数,用来评估每一组候选参数的组合质量。

结论

本文提出了一种TOC-ICEEMDAN算法,该算法通过龙卷风优化机制实现ICEEMDAN参数的自适应全局优化,从而显著提升了复杂环境中弱异常振动信号的监测效果。我们在真实的风致沙尘暴环境中进行了多次重复实验,并对比了VMD、EEMD、ICEEMDAN以及TOC-ICEEMDAN四种算法的性能。实验结果表明,我们所提出的算法能够显著降低

作者贡献说明

王华:论文撰写——审阅与编辑,概念构思。徐静:数据整理。吴昌廷:实验研究。吴磊:结果验证。刘志华:论文初稿撰写。张庆阳:监督指导,软件开发。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢

本项目得到了“极寒天气下基于光感技术的线路微振动监测研究及累积疲劳损伤分析”项目的支持,项目编号为2023YF-58。
王华|徐静|吴昌廷|吴磊|刘志华|张庆阳
中国辽宁省朝阳市朝阳市供电公司,邮编122000
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号