基于变尺度多稳随机共振的微弱信号检测研究

针对强噪声背景下微弱信号难以检测的难题,提出基于变尺度多稳随机共振的微弱信号检测方法。多稳随机共振系统比双稳随机共振系统具有更好的微弱信号检测能力,为强噪声背景下微弱信号的检测提供了新方法。首先对大频率信号进行尺度变换使之满足随机共振条件,将频率压缩后的信号通过多稳系统,调整参数使其发生随机共振得到信号的频谱特征,并与双稳随机共振方法得到的特征频率进行比较,仿真和实例结果均表明:相同条件下,多稳随机共振方法比双稳随机共振方法得到的频率准确,可以增强信号的幅值,有效地检测出被噪声淹没的微弱信号。     

基于非均匀周期采样的随机共振研究

随机共振的参数调节过程比较复杂,而且一般要求采样频率不低于信号频率的50倍以上才能实现随机共振。该文借鉴非均匀采样的思想,提出基于非均匀周期采样的随机共振实现方法,对不同采样频率下的采样数据进行随机共振,并利用非均匀采样傅里叶变换进行频谱叠加分析,可以实现只需简单确定随机共振参数即可得到特征信号成分。此种方法还可以在采样频率小于50倍信号频率时,依然能够得到特征信号频率成分。数值仿真和故障模拟实验研究验证了该方法有效的应用性。     

基于双耦合混沌振子变尺度微弱信号检测方法研究

以双耦合Duffing混沌振子为研究对象,提出了一种基于双耦合Duffing混沌振子与变尺度相结合的微弱信号检测新方法。分析了双耦合Duffing混沌振子检测微弱周期信号的原理。利用变尺度方法,克服了Duffing振子检测微弱周期信号受频率限制的缺陷。通过双耦合Duffing混沌振子系统与单Duffing混沌振子系统进行比较,表明双耦合Duffing混沌振子系统具有明显的优越性。该方法用于检测任意多频微弱信号具有明显优势。     

基于Duffing振子的天然气管道泄漏检测方法

针对天然气管道泄漏因泄漏声波信号信噪比(SNR)过低而难于检测的问题,研究了基于Duffing振子的天然气管道泄漏检测方法。该方法将待检测数据输入Duffing振子系统,以振子系统的状态转化实现非周期信号中周期信号的检测。为了更好地提高Duffing振子的检测性能,在Duffing振子设计阶段,以随机共振的有关理论为基础,通过对系统输出信噪比的优化来实现Duffing振子的参数设计。基于实际天然气管道泄漏数据的测试结果表明,所提出方法可在低信噪比(-68dB)的情况下有效检测出泄漏,具有较好的检测性能。     

基于VMD和变尺度多稳随机共振的微弱故障信号特征提取方法

针对强噪声背景下旋转机械早期故障诊断的难题,提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解(variational mode decomposition, VMD)算法对微弱故障信号进行分解, 得到若干本征模态分量(intrinsic mode function, IMF);然后通过峭度准则筛选出其中峭度最大的IMF分量;最后对该IMF分量进行变尺度多稳随机共振, 实现微弱故障信号的增强。实例表明:在强噪声背景下,利用参数优化VMD分解与变尺度多稳随机共振相结合的方法,可以有效提取出微弱信号特征频率,实现旋转机械故障状态的准确判断。     

基于频率控制的自适应随机共振系统研究

研究双稳Duffing系统随机共振产生机理,针对不满足绝热近似条件的大参数信号,提出基于频率控制自适应随机共振微弱信号检测系统,实现对未知大频率微弱信号检测。仿真结果表明,该系统能实现大频率信号随机共振,较传统随机共振系统精度及系统输出信噪比均极大提高,并能扩展其在微弱信号检测领域的应用。     

基于AMD和自适应随机共振的旋转机械故障诊断方法研究

针对强噪声背景下信噪比较低的旋转机械故障诊断问题,提出一种基于解析模态分解(AMD)和随机共振的旋转机械故障诊断方法。若信号的频率成分已知,AMD方法能将多频率成分的信号分解为单频率信号。对于可预知故障特征频率的旋转机械故障诊断,首先利用AMD方法提取振动信号中故障特征频率所在频段的信号,并对每个提取出的信号添加强度较低的噪声;然后利用粒子群算法优化的双稳随机共振对含噪信号进行处理来加强信号;最后求该信号的频谱,若频谱中含有故障特征频率,则说明振动信号中存在该故障。通过对滚动轴承故障信号特征的提取证明了该方法有良好的效果。     

基于变尺度频移带通随机共振的多频微弱信号检测方法

针对噪声背景下多频微弱信号检测难题,提出一种基于变尺度频移带通随机共振的多频微弱信号检测方法。首先对信号不同频段进行频率变尺度二次采样压缩处理,使每个频段满足随机共振条件。再经过随机共振系统使多个微弱信号频率成分分别得到增强,各段增强信号在合成前对各个频段的共振输出进行带通滤波处理,只保留增强段的信号成分。最后将得到的分段加强信号进行合成,实现多频微弱信号的检测。仿真和实际信号分析结果表明,所提方法简单易行,很好地实现了多频微弱信号的检测,能有效提高信噪比,具有良好的工程应用前景。     

参数同步优化随机共振在牵引传动系统早期微弱故障诊断中的应用

为解决传统随机共振存在参数固定或仅对单个参数进行优化的不足,提出一种参数同步优化随机共振方法,该方法首先利用移频变尺度预处理实际大信号,使信号符合小参数条件;然后采用状态转移随机共振同步优化系统参数;最后通过频率恢复实现早期微弱故障特征最优提取。仿真和高速列车牵引传动系统硬件在环故障注入平台试验表明,该方法可以有效地从强背景噪声中检测出微弱故障信号,微弱信号提取和故障诊断的结果证明了其可行性和有效性。     

基于VMD和Infogram的滚动轴承故障特征提取

带通滤波器参数(中心频率和带宽)选取是共振解调的关键,针对快速峭度图找寻的中心频率偏大、带宽过宽的问题,提出Infogram(信息图)用于确定滤波器参数;并利用变分模态分解(Variational Mode Decomoposition,VMD)预先对信号进行重构,以减少噪声对信息图的影响,增强其应用效果。对轴承故障振动信号进行变分模态分解得到有限个模态分量,根据模态选取准则确定包含故障信息较多的模态分量进行信号重构,再应用信息图确定最佳共振频带的中心频率和带宽,并对重构信号进行带通滤波和包络谱分析,识别轴承故障特征频率。仿真分析和轴承外圈模拟故障试验验证了该方法的有效性。     

基于VMD和Infogram的滚动轴承故障特征提取EI北大核心CSCD

带通滤波器参数(中心频率和带宽)选取是共振解调的关键,针对快速峭度图找寻的中心频率偏大、带宽过宽的问题,提出Infogram(信息图)用于确定滤波器参数;并利用变分模态分解(Variational Mode Decomoposition,VMD)预先对信号进行重构,以减少噪声对信息图的影响,增强其应用效果。对轴承故障振动信号进行变分模态分解得到有限个模态分量,根据模态选取准则确定包含故障信息较多的模态分量进行信号重构,再应用信息图确定最佳共振频带的中心频率和带宽,并对重构信号进行带通滤波和包络谱分析,识别轴承故障特征频率。仿真分析和轴承外圈模拟故障试验验证了该方法的有效性。     

双稳系统随机共振效应的数值分析

以绝热近似随机共振理论为基础,分析了双稳系统随机共振模型,研究系统参数、噪声强度、信号幅值和频率变化对双稳系统随机共振效应的影响。通过分析得出,输入信号和系统参数一定时,系统发生随机共振所需要的噪声存在一个最佳强度;信号幅值的增大有利于随机共振效应的产生;信号频率的增大将使输出功率谱信号频率处谱峰逐渐离开噪声能量集中的低频区,且谱峰幅度逐渐减小,随机共振效应逐渐弱化消失。针对信号幅值、频率、噪声强度超出绝热近似理论的小参数要求而成为大参数,对变尺度方法实现大参数信号的随机共振进行分析和评述。     

基于GSO算法的自适应随机共振轴承故障诊断

针对强噪声下轴承故障弱信号较难检测和传统仅靠单参数优化随机共振系统问题,提出一种基于萤火虫优化算法(GSO)的自适应随机共振轴承故障信号检测方法。首先按固定频率压缩比压缩频率;然后以传统随机共振系统输出信噪比作为GSO算法的初始荧光素,利用GSO算法选取随机共振系统的结构参数a、b;最后通过双稳随机共振系统的输出信噪比检测轴承故障弱信号是否增强,通过系统的输出时域图分析信号的周期性,通过功率谱分析轴承故障弱信号的特征频率。仿真验证与试验验证结果分析表明,该方法可检测出轴承故障弱信号,实现弱信号的增强和降噪。     

基于耦合Duffing振子的微弱故障信号检测

针对传统信号处理方法在低信噪比条件下对微弱信号检测的不足,提出一种对双Duffing振子进行阻尼项耦合的方法,通过对此系统进行动力学分析,比单个Duffing振子具有更加复杂的动力学行为。阐述了基于相平面变化的微弱信号检测原理,对时间进行尺度的变换,实现了未知频率信号的检测,最后对微弱脉冲信号进行检测以及真实的故障轴承的早期诊断,取得了较好的效果,该方法在无线通信、雷达系统、旋转机械早期故障诊断等领域具有广阔的前景。     

基于分段线性非饱和随机共振的机械早期故障诊断方法研究

针对大型机械设备运行环境恶劣、故障特征难以提取的问题,提出一种基于分段线性双稳态势函数模型的非饱和随机共振方法。该方法通过分段线性化的势函数代替经典的双稳态势函数,然后利用频移尺度变换实现机械设备振动信号的小参数化,使其满足随机共振系统的输入条件;最后,将系统输出信号的信噪比作为遗传算法的目标函数,优化非饱和随机共振系统参数,实现机械设备早期故障特征的增强与提取。仿真分析表明该方法可以有效地提取淹没在强噪声背景下的微弱故障冲击特征,而且轴承实验证明提出的方法能够有效增强与提取故障特征频率。仿真与实验结果进一步表明提出的方法优于经典双稳态随机共振方法,不仅能够获得高的输出信噪比,而且在特征频率处具有更高的幅值。以上优点归功于提出方法不仅克服经典双稳态随机共振系统的内在输出饱和问题,而且利用遗传算法实现系统与输入信号之间的最佳匹配。     

基于 GSO算法的自适应随机共振轴承故障诊断

摘 要:针对强噪声下轴承故障弱信号较难检测和传统仅靠单参数优化随机共振系统问题,提出一种基于萤火虫优化算法(GSO）的自适应随机共振轴承故障信号检测方法。首先按固定频率压缩比压缩频率;然后以传统随机共振系统输出信噪比作为GSO算法的初始荧光素,利用GSO算法选取随机共振系统的结构参数a,b;最后通过双稳随机共振系统的输出信噪比检测轴承故障弱信号是否增强,通过系统的输出时域图分析信号的周期性,通过功率谱分析轴承故障弱信号的特征频率。仿真验证与试验验证结果分析表明,该方法可检测出轴承故障弱信号,实现弱信号的增强和降噪。     

基于Duffing与Van der Pol强耦合系统的随机共振研究及轴承故障诊断

微弱信号检测是一种重要的技术,已经被广泛用于许多领域。与众多微弱信号处理方法不同的是,随机共振(SR)可以利用噪声实现对特征信号的检测。Van der Pol振子具有丰富的动力学性质,被广泛运用在混沌检测中。基于此,将Duffing与Van der Pol振子进行线性耦合,并添加微分项作为耦合系统的反馈以加强耦合强度,构建一种Duffing与Van der Pol强耦合系统,实验发现,该系统具有丰富的SR现象,且通过广义时间尺度变换,可以实现任意特征频率下的微弱信号检测。实验显示,强耦合系统比一般耦合系统具有更好的稳定性;在三值噪声背景下,该系统的输出平均信噪比增益(MSNRI)随着三值噪声状态值的变化呈现不同形式的对称分布;在被控系统中,随着阻尼系数的逐渐增强,输出响应将变得逐渐平滑;另外,在控制系统中,当阻尼系数很小时,系统输出将会出现二次共振现象,随着阻尼系数的增大,次级共振峰将逐渐减小直至消失,一级共振峰将逐渐增强,这是阱间共振完全取代了阱内,阱间联合共振的缘故。最后,借助遗传算法(GA)自适应参数寻优,与传统双稳以及耦合Duffing系统对比发现,所提系统具有更高的输出MSNRI。经测试,该系统对实际轴承故障信号也具有良好的检测效果,并且与传统双稳系统相比能更显著的消除边频信号干扰。     

集成TEO解调和随机共振的行星齿轮箱早期故障诊断方法

针对行星齿轮箱早期微弱故障难以诊断的问题,提出一种结合Teager能量算子(TEO)解调和随机共振增强输出的方法以实现故障特征提取。首先,对行星齿轮箱振动信号进行经验模式分解(EMD)并选取包含故障信息的分量信号,使用TEO解调运算获得分量信号的解调信号。其次,为满足随机共振系统的小参数条件,将解调信号做适当压缩处理并进行频率二次采样。再次,以定义的随机共振系统输出信噪比为适应度函数,采用粒子群算法优化随机共振系统的结构参数,进而重构随机共振系统以实现信号、噪声以及非线性系统的最佳匹配。最后,将信号重新输入参数优化后的随机共振系统实现故障特征的增强提取。仿真和实验均表明:该方法获取了随机共振系统的大信噪比输出,实现了强噪声下微弱故障特征的准确和高效提取,是一种行之有效的行星齿轮箱早期微弱故障诊断方法。     

基于频率调制随机共振的弱周期信号检测

将调制技术与随机共振原理相结合,提出用频率调制随机共振的方法,实现在大参数情况下从强噪声中检测微弱周期信号,并对随机共振技术运用于强噪声背景下的弱信号检测进行研究。分析调频信号的频谱,发现其含有的低频信号通过双稳系统易产生随机共振,数值分析及仿真结果表明该方法能使微弱的故障信号特征突出、明显而易于捕捉。     

势函数特征参数调节随机共振及动车轴承故障检测研究

双稳随机共振的系统参数调节,会使势函数的势垒高度和势阱间距同时发生变化。为了能直观了解势函数特征的变化对双稳随机共振的影响,通过变量代换法实现势函数特征参数(势垒高度参数和势阱间距参数)的解耦,有利于势函数的调节;并提出了基于势函数特征参数调节的随机共振方法,根据Kramers逃逸速率与目标信号频率匹配原则,实现了目标信号的检测;为了克服随机共振对采样频比的要求,将势函数特征参数调节的随机共振与频域信息交换技术相结合,实现了低采样频比信号的检测。所提方法应用于动车转向架轴承故障的检测结果验证了方法的有效性。