采用知识的粒子群算法的多频微弱信号自适应随机共振检测方法

调参随机共振系统结构参数的选择对该检测方法的性能优劣起着决定性的作用。针对工程应用中对多频微弱信号实时检测的要求,提出以平均输出信噪比为适应度函数,将随机共振系统产生最佳共振效应时势垒与噪声强度大致相等这一特性作为知识,采用基于知识的粒子群算法来并行优化随机共振系统结构参数。与标准粒子群算法相比,该算法能以更快的速度得到最佳的系统结构参数,自适应地实现非线性系统、输入信号和噪声之间的最佳匹配,削弱多频含噪信号中的噪声,提高信号的输出信噪比。仿真试验和水轮机振动信号提取的工程应用均表明,该方法参数寻优效率高,简单易行,在采样点数较少的条件下能最优地检测出淹没在强噪声中的多频微弱信号,可以实现早期故障特征信号的提取。     

级联分段线性随机共振的微弱信号检测

针对强背景噪声下微弱信号检测困难的问题,提出了一种级联分段线性随机共振的微弱信号增强检测方法。该方法采用分段线性随机共振模型,避免了经典双稳系统对强噪声下弱信号提取时存在的饱和现象,同时,选用的分段线性系统的级联方式可使高频噪声被有效滤掉,低频信号能量不断增强。仿真信号和滚动轴承故障信号的检测结果表明,该方法可以适应更低信噪比信号的检测,参数调节方便,检测结果优于级联双稳系统,具有良好的工程应用前景。     

参数调节随机共振在机械系统早期故障检测中的应用

随机共振是一种利用噪声使微弱信号增强传输的非线性现象,与线性方法相比能够检测更低信噪比的信号.为了准确捕捉表征机械早期故障的特征信号,在分析双稳系统参数及检测信号幅值对随机共振检测性能影响规律基础上,以输入信噪比为变量、信噪比增益为信号增强程度衡量指标,提出一种自适应调节系统参数的随机共振微弱信号检测新方法,讨论了该方法的基本原理及实现步骤.将该方法用于转子碰摩故障早期检测,结果表明该方法简单稳健、实时性好,在短数据条件下能把信噪比较低的周期信号从强背景噪声中可靠地提取出来.     

基于PSO和MSR的微弱信号检测方法研究

针对强噪声环境下,旋转机械系统的微弱信号难以得到准确检测的问题,提出了一种基于自适应权重粒子群算法(APSO)和自适应多稳态随机共振(SMSR)相结合的微弱信号检测方法.首先,使用自适应多稳态随机共振作为基本检测方法,并在数值求解输出信号时,引入了二次采样法(TS),解决了随机共振对高频信号适应能力差的问题;然后,以输...     

GP-周期势随机共振在无线电弱信号检测中的应用

无线电信号在传播过程中,由于复杂的环境和外界噪声导致信号接收的不确定性。为有效增强检测的特征频率,减少干扰频率成分,更清晰地识别目标频率特征,将周期势系统势阱模型与Gaussian Potential(GP)势阱模型相结合提出GP-周期势随机共振系统,令待测信号、噪声及随机共振系统产生最佳的共振效果,对无线电弱信号进行检测,并与传统随机共振系统和周期势随机共振系统检测无线电弱信号的效果进行对比。实验结果表明,GP-周期势随机共振系统在无线电弱信号检测中识别目标频率更清晰,频谱更平坦,和传统随机共振系统相比对噪声的利用率更高。     

基于随机共振的任意大频率微弱信号检测方法研究

通用非线性随机共振系统(参数a=1,b=1)在检测微弱信号时受小频率参数和弱信号幅度的约束,给实际应用带来了很大困难.针对这一情况,提出了一种能够检测大频率微弱信号的随机共振检测方法,通过调整系数k改变非线性参数6,使输入弱信号满足共振幅度要求;调整系数R改变非线性参数a、6,将共振频率提高R倍,从而实现了大频率微弱信号的随机共振.通过理论分析和数值仿真,研究了系数k和R的调整方法、步长等,构建了一种可实现的大频率微弱信号检测方法.     

频率调制随机共振的数值分析

对随机共振技术运用于强噪声背景下的弱信号检测进行了研究,提出了用频率调制的方法,实现了在大参数情况下从强噪声中检测微弱周期信号.数值计算结果表明,该方法可形成低频信号,该低频信号通过双稳系统易产生随机共振,能使微弱的故障信号特征突出、明显,易于捕捉.     

基于小波包和积分补偿调参随机共振在轴承故障检测中的应用

针对随机共振只适用于解决轴承早期单一频段故障微弱信号以及小参数随机共振系统难以检测多频段大参数输入信号的问题,提出了一种小波包和积分补偿法调节多频段大参数以实现随机共振。利用小波包变换法对多频微弱含噪信号进行分离,得到高频细节信号和低频近似信号,再利用积分补偿算法得到补偿系数,并对模型中的非线性方程进行积分补偿;由积分补偿方程建立新的非线性共振系统模型,利用新模型进行随机共振动态响应并输出其频谱,获得信号故障信息。通过对实验室采集的轴承径向振动信号分析,可以有效获得轴承故障特征频率,仿真与实验验证了理论方法的正确性。     

时延反馈EVG系统随机共振特性研究及轴承故障诊断

随机共振是应用在微弱信号检测中的一种重要的技术,以微弱周期信号和加性高斯白噪声驱动的时延反馈生态植被生长(EVG)系统为模型,对其展开了详细的随机共振现象分析,并将其应用到微弱信号检测和轴承故障诊断中。首先,利用福柯普朗克方程推算出等效势函数以进一步得到系统信噪比的表达式,然后通过曲线图具体分析不同的系统参数对势函数和信噪比的影响。研究结果表明,通过调节系统参数、信号幅值、噪声强度均可诱导时延反馈EVG系统产生随机共振现象。最后,通过调节参数利用时延反馈EVG系统随机共振方法成功检测到微弱信号目标频率f=0. 01 Hz幅值为2 978,且在轴承内、外圈故障特征频率处检测出明显的峰值。     

基于幂函数型双稳随机共振的故障信号检测方法

在实际的故障诊断中,有用信号经常淹没在噪声中,特征信息提取非常困难。为了提取强噪声背景中的微弱信号,将幂函数型单势阱模型与Gaussian Potential模型相结合提出一种新型的双稳随机共振系统,称为幂函数型双稳随机共振系统。首先,以平均信噪比增益为衡量指标,提出一种寻找最优系统参数组合的算法,使微弱信号、噪声及系统产生最佳的共振效果;然后,基于幂函数型双稳随机共振系统对Levy噪声背景下的仿真信号进行检测;最后提出一种基于小波变换和幂函数型双稳随机共振的微弱信号检测方法并应用于轴承故障信号检测中。仿真实验表明,幂函数型双稳随机共振模型在故障信号检测中是有效和可靠的。     

最佳匹配随机共振在微弱信号检测中的应用

以双稳系统自适应参数调节产生随机共振方法在微弱信号检测中的应用研究为目的，分析并总结了在特定频段内，双稳系统最佳匹配随机共振时输入噪声强度随信号幅值的变化规律。在此基础上，通过一种变量替换原则设计出可以用于检测任意已知频率的微弱信号的双稳系统，给出了设计方法并采用模拟数据对该方法进行了验证。结果表明，该方法简单、可行，在机械系统早期故障诊断中具有应用前景。     

基于随机共振原理的中低频信号检测方法与电路设计

大量研究表明,对于满足绝热近似理论的所谓小参数信号,利用随机共振特性可以实现被测信号中噪声能量向周期性有用信号能量的跃迁,从而增强信号输出的信噪比.针对在机械故障中常见的难以实现随机共振的中低频周期信号,利用信号调制特性,将其变换为可满足绝热近似理论的小参数信号,从而实现了基于随机共振原理的微弱信号检测.在此基础上,设计出了混频随机共振电路系统,利用混频器将待测信号与扫描信号发生器产生的信号作选频处理,然后输入非线性双稳态系统实现基于随机共振的检测.模拟实验结果表明,该电路系统能够实现随机共振并从噪声背景中检测出微弱的中低频周期信号.     

基于多稳随机共振的机电设备故障诊断研究

针对机械轴承早期故障诊断提出了多稳随机共振检测方法。分析了系统参数对多稳系统结构的影响,研究了高斯噪声背景下基于多稳随机共振的微弱信号检测方法。采用平均输出信噪比作为衡量指标,以多频微弱信号为待测信号进行数值仿真,并将其应用于滚动轴承故障信号检测中,实验结果均表明,该方法对早期故障振动信号具备准确的诊断能力,为其应用于工程实践奠定了基础。     

耦合随机共振阵列集合平均增强效应

基于双稳态随机共振系统,利用随机共振的阵列增强效应,将多个随机共振子相互耦合连接,从而得到随机共振阵列模型。并将集合平均的思想应用到模型当中,使模型的信号增强效应得到进一步提高。在此基础上将耦合随机共振阵列模型与单个随机共振子模型进行了微弱信号检测性能比较,仿真结果以及对轴承故障信号检测的结果表明,此方法可以准确检测出强噪声背景下的微弱周期信号,相比于单个SR振子模型,输出信噪比增益显著大于1,信号增强效果更加显著,有利于在信号检测领域推广应用。     

小流量涡街信号的随机共振特性与频率检测方法

分析了小流量涡街信号特性,探讨了信号与随机共振系统的阈值和克莱默斯逃逸率之间的关系,提出一种基于幅值和频率双重调制的随机共振方法,用于检测小流量涡街信号的频率。该方法以外加控制信号的幅值和频率作为调控变量,采用多参数控制方式使小流量涡街信号产生随机共振。经数值仿真及实验研究,表明该方法能将小流量涡街信号通过随机共振得到增强,有效获取涡街频率,实现小流量测量,为随机共振的控制和微弱信号的检测提供一种新方法。     

积分补偿随机共振在盾构机轴承故障检测中的应用

针对盾构机轴承早期故障微弱信号难以检测识别以及小参数随机共振系统难以检测大参数输入信号的问题,提出了一种积分补偿法调节大参数以实现随机共振。首先利用积分补偿的方式将输入大频率信号频率乘以二倍圆周率得到补偿系数;其次对小频率参数系统进行相应的积分补偿,即对模型中的非线性方程进行变换并乘以补偿系数,抵消阻尼对输入信号的衰减作用,并由积分补偿方程建立新的非线性共振系统模型;最后将高频信号输入新建立的系统模型产生随机共振动态响应,并对其进行FFT变换,获得输出信号的故障信息。由此通过对振动加速度传感器采集的轴承径向振动信号分析,可以有效获得轴承故障特征频率,仿真与实验验证了理论方法的正确性。     

基于随机共振的轴承微弱故障信号检测北大核心

针对轴承早期微弱故障检测精度较低的问题,提出将集合经验模态分解(EEMD)与随机共振(SR)结合进行微弱故障信号检测。首先,对信号进行归一化尺度变换,应用EEMD将信号分解为多个IMF分量;随后,引入谱放大因子作为筛选最优IMF分量的依据,以信号输出信噪比最大为目标函数,将随机共振问题转化为参数寻优问题;最后,应用随机共振对筛选出的最优分量进行噪声辅助增强。仿真结果表明,该方法克服了单纯使用EEMD或随机共振的缺点,提高了信噪比和故障诊断精度,可有效识别出微弱信号。     

二阶线性系统调参共振的特征信号检测

以二阶线性系统为信息检测处理模型,提出二阶线性系统调参共振的特征信号检测方法。该方法利用线性系统的共振特性,得到系统响应最大值随固有频率变化的特性曲线,根据曲线中的极大值即可识别噪声中的特征信号。仿真和转子故障诊断实验表明,所提出的方法原理简单,能为实际信号检测与处理提供一种可行实用的方法。     

基于随机共振原理的大频率微弱信号检测方法研究

针对直接利用随机共振原理不能有效地检测出大频率微弱信号的问题,提出了利用混频器的频谱搬移特性,将待测的大频率信号和信号发生器产生的信号混频,从而使大频率信号转化为小频率信号,然后再加入非线性双稳态系统,对此方法进行了理论上的研究并设计出了混频随机共振电路系统。研究结果表明,基于此方法设计的电路能有效地检测出大频率微弱信号。     

自适应随机共振技术在微弱信号测量中的应用

本文将随机共振原理应用于噪声背景中的微弱信号检测作为研究对象,对双稳态非线性系统进行了随机共振参数自适应调节方法的研究。在此基础上,设计了基于参数调节的双稳态随机共振及其自适应控制的硬件电路系统,并提出了基于本电路系统的一种简单的自适应算法,完成了计算流程及其程序的编写。通过输入模拟工程实际的带噪信号,输出信噪比（SNR）得到了明显提高,验证了此方法用于微弱信号检测的有效性。