基于联合单势阱和Woods-Saxon势的随机共振系统研究

传统双稳随机共振系统在检测低输入信噪比的信号时,其系统参数难以达到最佳,故得不到最佳检测效果。针对这一问题,将单势阱模型与Woods-Saxon模型相结合提出一种MWS型双稳随机共振系统,其系统参数之间相互独立,所以可通过调节系统参数来得到最佳输出信噪比。仿真结果表明,对于单频小参数信号,其信噪比增益为16.92 dB,对单频大参数信号,其信噪比增益为12.41 dB。最后将MWS型双稳随机共振系统应用到轴承故障检测中,能准确的检测到故障信号,且其检测结果优于传统双稳随机共振系统。     

α噪声下自适应非线性耦合双稳随机共振弱信号检测

在α噪声条件下,为实现微弱周期信号的检测,提出了以平均信噪比增益(A-SNRI)为衡量指标的自适应非线性耦合双稳随机共振系统。先通过调节α噪声参数,将此α噪声与待测信号输入非线性耦合双稳系统中,再通过自适应算法,得出最优系统参数以及耦合系数。实验结果表明,周期信号通过自适应非线性耦合双稳系统后发生了随机共振现象,其频谱图出现了陡峭的尖峰且信噪比增益效果提升明显,说明自适应非线性耦合双稳随机共振系统能够有效地检测出淹没在α噪声中的信号。     

Levy 噪声下欠阻尼指数型三稳随机共振系统研究

针对经典双稳随机共振(CBSR)系统在微弱信号放大检测方面的困难,提出了Levy噪声下的欠阻尼指数型三稳随机共振(UETSR)系统。将双稳态和指数势函数相结合,利用非高斯噪声可有效提升信噪比的特性,构造出UETSR系统。首先推导该系统的稳态概率密度函数,以平均信噪比增益为衡量指标,采用量子粒子群算法进行参数寻优,研究在Levy噪声的不同参数α与β下,系统各参数对UETSR输出变化规律的影响。最后将UETSR、CBSR和经典三稳系统(CTSR)应用于轴承故障诊断中,系统输出后的内外圈故障频率处的幅值较输入信号分别增长了197.58,1.153,18.81和238.87,26.63,39.72,最高峰与次高峰的谱级比分别为5.44,4.03,3.85和5.10,3.79,5.05。实验结果表明,不同系统参数均可诱导产生SR现象,且UETSR系统的性能明显优于CBSR和CTSR,具有良好的工程应用价值。     

机械故障的级联共振和EMD联合参数辨识方法

针对强噪声背景下机械故障信号难以检测,参数辨识难度高的问题,提出了基于级联随机共振和经验模态分解的联合参数辨识方法。该方法利用EMD分层分解的思想,可以结合标准平均方差(Normalized Mean Squared Error,NMSE)准则筛选出最优IMF分量,最终实现原信号频率特征参数的准确拟合。实验结果表明,文中算法可有效消除随机共振处理后信号的边缘脉冲,进而实现信号频率的准确检测。在信噪比低于-15 dB时,算法的检测性能提升了约一个数量级,在固定检测差错概率为10~(-3)时,算法的信噪比增益可达到8 dB。新算法对于机械故障信号中的频率参数辨识具有检测误差小、适应范围广泛的优势,在保证带来一定信噪比增益的同时,可实现工程器件状态的准确判断,对于提取机械系统的故障特征、识别故障类型以及进一步地排故检修具有重要意义。     

随机振幅周期信号驱动的一阶线性系统的随机共振

在非对称双值噪声条件下,研究了随机幅度周期信号作用的含有乘性噪声的一阶线性系统的随机共振现象.利用随机平均法、Shapiro-Loginov公式和非对称双值噪声的属性,得到了平均输出幅度增益的精确表达式.分析表明,平均输出幅度增益对信号频率、系统参数、乘性噪声的强度、相关时间和非对称性存在非单调依赖关系,这种非单调依赖关系有最大值出现;平均输出幅度增益对乘性噪声与幅度噪声之间的关联噪声强度也存在非单调依赖关系,但这种非单调依赖关系出现的是最小值.适当的信号、噪声和系统参数可以使平均输出幅度增益取得最大值或最小值.     

双阈值系统中的随机共振研究

通过双阈值系统中的随机共振特性,研究含有高斯白噪声的信号。在一定条件下,由于系统、信号和噪声的协同作用而产生随机共振现象,并通过某一噪声强度下的信号增益及信噪比增益表现出来。最后,通过MATLAB仿真演示了信号增益和信噪比增益与输入噪声强度的关系。     

基于DSP的自适应随机共振微弱信号检测方法*

随机共振是一种有效检测微弱信号的非线性方法,对它的研究和实现具有重要的工程应用价值。针对工业现场存在的背景噪声未知的高频微弱信号（不满足绝热近似理论条件）的随机共振检测问题,提出了基于参数补偿的自适应参数诱导随机共振方法,以系统输出信噪比作为适应度函数,将系统势垒与噪声强度大致相等时可产生最佳的随机共振效应作为知识,采用基于知识的粒子群优化算法来并行优化随机共振系统的参数。设计了基于DSP的自适应随机共振检测系统,实现了对信号的实时处理,并通过ModbusRtu协议将检测结果实时显示在触摸屏上,从而实现微弱信号的检测。     

基于调制随机共振的转子故障早期检测

噪声是影响旋转机械早期故障检测的主要因素。只有抑制噪声增强信号、提高信噪比,才能从噪声中提取故障特征信息,为故障诊断特别是早期故障检测提供可靠的依据。文中根据非线性双稳系统在噪声和弱周期信号作用下的周期响应特性,将调制技术与随机共振原理相结合,提出了调制随机共振方法,实现了在较宽的频率范围内从强噪声中检测微弱周期信号。理论分析、数值仿真和实验结果表明,对信号进行调制产生的差频分量可形成低频信号,该低频信号通过双稳系统易产生随机共振,从而使随机共振发生在具有优良频率特性的低频区,能使微弱的故障信号特征突出、明显而易于捕捉。该方法灵活、可靠,在转子系统早期故障检测方面的应用是可行的。     

小波-EMD和随机共振级联微弱信号检测

针对低信噪比下微弱信号检测困难问题,提出了一种三级级联微弱信号联合检测系统;首先将含噪信号通过小波阈值降噪,然后将降噪后的信号进行经验模态分解(EMD),利用信噪比定位模态法选取信噪比较高模态分量,对选取的模态进行合成使其待测特征得到突出;最后将其送入欠阻尼三稳态系统,使用果蝇智能参数寻优算法将稳态系统达到最佳随机共振状态,便于检测结果精确可靠。经过单频小信号及混频大信号仿真分析和滚动轴承内外圈故障诊断表明,该系统能够使-30 dB左右微弱信号的信噪比至少增加20 dB,扩大了微弱信号的检测范围,提高了检测的有效性。     

一种笼型异步电动机转子早期故障检测的新方法

本文采用随机共振(SR)理论对淹没在强噪声背景下故障的微弱信号进行了检测。讨论分析了双稳系统选取不同参数时,对输出信噪比的影响,并将该方法成功地用于异步电动机转子断条的早期故障诊断中。大量仿真结果表明了该方法的有效性。     

基于单势阱随机共振的多频周期微弱信号检测

经典随机共振（SR）应用于微弱信号检测,在取得较好效果的同时也带来了最佳系统参数调节困难的问题.单势阱随机共振（SSR）只需调整一个系统参数,更容易调整系统到最佳状态.在研究了单势阱随机共振理论基础上,对多频周期信号加上与实际更为接近的色噪声,采用互相关系数作为测度指标,运用自适应方法寻找系统最优参数后,系统设置该参数,从待测信号中检测出多频周期微弱信号.实验结果表明单势阱随机共振对多频周期微弱信号具有较好的检测效果.     

基于Hilbert的单边带调制随机共振的微弱信号检测

为了克服经典随机共振中的小参数检测条件的限制,介绍了基于Hilbert变换的单边带频率调制技术,并与二阶随机共振系统相结合,提出了运用调制随机共振的方法实现工程中大信号检测的应用。针对小采样频率和大采样频率进行了分开讨论,并对基频信号的选取做了相关研究。研究结果发现,小采样频率下,Hilbert单边带频率调制技术结合二阶系统有很好的检测效果。大采样频率下,可以结合变尺度处理进行优化。数值仿真分析表明,基频信号取在频率轴分辨率的10～60倍时,会有一个较高的并且较稳定的输出信噪比。并将变尺度Hilbert单边带频率调制技术运用于实际的轴承内外圈故障信号检测中,能明显、准确的检测出单频故障大信号。     

Levy噪声中EMD降噪的随机共振研究

经验模态分解(empirical mode decomposition,EMD)降低噪声的同时也削弱信号能量,并会产生虚假信号,导致信号检测存在缺陷,针对这一问题,提出Levy噪声环境下经验模态分解随机共振检测方法。通过将含噪信号进行EMD分解,对分解后信号进行叠加取平均二次采样等处理方法,使其满足随机共振要求,利用自适应算法优化系统参数,进而使处理后信号能够在双稳系统中产生随机共振,达到精确检测的目的。理论分析及实验证明在Levy噪声下,此方法能实现同一特征指数下单频信号与多频信号检测,实验表明在单频信号信噪比为-28 dB情况下能有14 dB的提高,特征指数为1.8下多频信号5 Hz频谱幅值从311.8增加到724,10 Hz频谱幅值由138.9增加到143.2。此方法对在复杂噪声环境中降低剩余噪声能量同时,提高信号能量,减少虚假信号,相对于仅仅进行EMD分解无法判断信号成分,能更好的达到检测效果。     

基于ARM处理器的随机共振弱信号检测系统设计

实际工程中,被测信号往往被大量的背景噪声干扰所淹没,从而导致常规的信号检测和处理方法无能为力.利用随机共振理论,我们可以从强噪声背景中提取出弱信号信息.本文设计了一个基于ARM处理器的弱信号检测实验装置,仿真随机共振的双稳态环境,进行弱信号的检测处理.从实验结果的信噪比曲线来看,噪声得到明显抑制,弱信号得到加强而易于捕捉.这项工作为随机共振理论应用于实际工程现场的弱信号检测提供了基础.文中详细介绍了此系统中硬件的功能模块和软件的总体方案设计.     

随机共振及其微弱信号的自适应检测

本文简要介绍了随机共振(SR)原理、研究现状和测量方法,提出了非线性双稳态系统的参数自适应调节方法.根据系统输出与系统参数、输入信号之间的变化规律,得到了系统在不同频率范围的变化趋势,通过多个测量参数检测并做出判断,利用软件控制的方法明显提高了信噪比(SNR),免去了求解复杂的统计微分方程.数值仿真的结果验证了此方法的正确性.     

基于随机共振理论的异步电动机转子断条检测新方法

现场采样获得的电动机故障信号通常会含有很多噪声.传统的方法是对故障信号消噪后进行分析,但在消噪的同时会丢失一些有用信息.本文提出了基于随机共振(SR)理论的异步电动机转子断条早期故障检测新方法.该方法是通过选择合适的系统参数,使非线性系统发生随机共振,把一部分噪声能量转化成信号能量,达到异步电动机转子断条早期故障检测的目的.实验分析结果表明该方法是切实可行的.     

基于SR-ITD的故障行波检测方法

针对变电站提取行波信号存在强噪声干扰的现状,提出了一种基于随机共振-固有时间尺度分解(SRITD)的行波信号检测方法。该方法利用随机共振法处理检测信号,有效提高了行波信号的信噪比,再利用固有时间尺度分解方法分析行波信号,实现行波信号特征信息的准确检测。理论分析和仿真结果表明,所提方法在变电站强噪声干扰下能有效提取行波信号,准确检测行波信号包含的故障特征信息。     

自适应随机共振弱信号识别

在研究随机共振时,人们普遍以信噪比作为衡量随机共振效果的指标,通常信噪比是在满足绝热近似理论条件下得到的近似解,当不满足该条件时,得出的结论可能是错误的.提出以双稳随机共振系统输出的信噪频谱主峰比、响应方差和系统势垒高度同时作为衡量随机共振效果的指标,能避免因计算信噪比时产生的误差.分析双稳系统的特性和响应,可以快速地得到相应衡量指标的准确值.筛选满足一定条件的衡量指标,可以得到共振效果良好的系统参数,证明了该方法的有效性和正确性.     

基于SR-VMD的微弱故障行波检测方法

为解决配电网行波波头检测困难的问题,提出一种基于随机共振-变分模态分解(SR-VMD)的行波信号检测方法.利用粒子群优化的变尺度SR对行波信号进行预处理,有效提高输出信号的信噪比.利用VMD算法将输出信号进行自适应分解,应用到故障定位中.用Teager能量算子(TEO)对行波波头进行标定,代入测距公式得到故障距离.仿真...     

低噪声光电检测电路的研究与设计

为了消除光电检测电路的噪声干扰,解决用光电检测电路检测微弱光信号时的噪声问题,文章分析了光电检测电路的内部和外部噪声的来源,设计出了一种低噪声光电检测电路,并给出了光电检测电路的噪声模型,推出了光电检测电路输出信噪比的公式并对影响光电检测电路输出信噪比的因素进行了详细的分析与研究,提出了在设计低噪声光电检测电路时对光电器件、电子元件以及前置放大器等元器件的相关参数的选择方法与依据.