申请/专利权人：中铁南方投资集团有限公司;同济大学

申请日：2024-01-08

公开（公告）日：2024-03-26

公开（公告）号：CN117520758B

主分类号：G06F18/15

分类号：G06F18/15;E21D9/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明公开了一种基于变分模态分解的盾构掘进机时序参数降噪方法，涉及盾构隧道工程数据处理分析领域。该方法包括：获取盾构掘进机时序参数数据，并确定盾构掘进机时序参数数据的连续掘进区间；利用去趋势波动分析法获取非噪声模态数；根据盾构掘进机时序参数数据和非噪声模态数，利用变分模态分解法获取盾构掘进机时序参数分解模态数据；根据盾构掘进机时序参数分解模态数据，获取盾构掘进机时序参数降噪数据。本发明采用去趋势波动分析法，从盾构掘进机时序参数长程自相关性的角度出发，对非噪声模态数进行量化，进而获取盾构掘进机时序参数降噪数据，避免了盲目性、经验性参数取值导致的数据降噪失真。

主权项：1.一种基于变分模态分解的盾构掘进机时序参数降噪方法，其特征在于，包括以下步骤：S1、获取盾构掘进机时序参数数据，并确定盾构掘进机时序参数数据的连续掘进区间；S2、根据盾构掘进机时序参数数据和盾构掘进机时序参数数据的连续掘进区间，利用去趋势波动分析法获取非噪声模态数；步骤S2包括以下分步骤：S21、在盾构掘进机时序参数数据的连续掘进区间内，计算盾构掘进机时序参数数据的均值，并根据盾构掘进机时序参数数据的均值计算中心化累计信号；S22、设置信号窗口，并在信号窗口内对中心化累计信号采用最小二乘法进行直线拟合，获取最小二乘直线拟合信号；S23、根据中心化后累计信号和最小二乘直线拟合信号，计算盾构掘进机时序参数数据的波动函数；步骤S23包括以下分步骤：S231、根据中心化后累计信号和最小二乘直线拟合信号，计算盾构掘进机时序参数数据的均方根误差，表示为： 其中：为第个信号窗口内的盾构掘进机时序参数数据的均方根误差，为时序数据的时刻，为信号窗口长度为的窗口序号，为信号窗口长度，为中心化后累计信号，为第个信号窗口内的最小二乘直线拟合信号；S232、根据盾构掘进机时序参数数据的均方根误差，计算盾构掘进机时序参数数据的波动函数，表示为： 其中：为信号窗口长度为的盾构掘进机时序参数数据的波动函数，为信号窗口长度为的信号窗口总数；S24、采用最小二乘法直线拟合信号窗口和盾构掘进机时序参数数据的波动函数之间的关系以获取盾构掘进机时序参数数据的赫斯特指数，并根据盾构掘进机时序参数数据的赫斯特指数获取非噪声模态数；S3、根据盾构掘进机时序参数数据和非噪声模态数，利用变分模态分解法获取盾构掘进机时序参数分解模态数据；步骤S3包括以下分步骤：S31、利用不同的分解模态数对盾构掘进机时序参数数据进行变分模态分解，获取盾构掘进机时序参数数据的分解模态集合；S32、根据盾构掘进机时序参数数据的分解模态集合，获取盾构掘进机时序参数数据的赫斯特指数集合；S33、根据非噪声模态数和盾构掘进机时序参数数据的赫斯特指数集合确定最优分解模态数，并确定最优分解模态数对应的盾构掘进机时序参数分解模态数据；根据非噪声模态数和盾构掘进机时序参数数据的赫斯特指数集合确定最优分解模态数，表示为： 其中：为最优分解模态数，为满足条件的最大值，为非噪声模态数，为盾构掘进机时序参数数据的赫斯特指数集合，为赫斯特指数阈值，为分解模态数，为分解模态数的最大数值；S4、根据盾构掘进机时序参数分解模态数据，获取盾构掘进机时序参数降噪数据。

全文数据：

权利要求：

百度查询： 中铁南方投资集团有限公司;同济大学 一种基于变分模态分解的盾构掘进机时序参数降噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD