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。     

自适应多尺度噪声调节二阶随机共振增强方法EI北大核心CSCD

经典双稳态随机共振系统通过各种参数地调节可实现噪声、周期信号及非线性双稳态系统的最佳匹配从而实现随机共振,促使系统输出的微弱周期分量得到了一定的噪声能量而达到增强的效果,从而有效检测出微弱的周期分量,但噪声能量利用有限,系统响应中仍存在一定的噪声能量。二阶随机共振增强的系统模型,借助“双重积分”实现噪声的重复利用,将噪声进行二次利用,有效促进高频噪声能量进一步转移到低频区域,有效提高输出响应的信噪比。考虑到多尺度带限噪声对随机共振的影响,并基于随机共振特殊低通滤波器的数学本质,提出了以协同信噪比(collaborative signal to noise ratio,CSNR)为目标函数,基于Paul小波的自适应多尺度噪声调节二阶随机共振增强方法,充分利用了小波的多分辨时频分析能力,将输入信号和噪声划分到不同频带,实现了不同频带信号和噪声强度大小的控制,以进一步改善随机共振检测效果。数值仿真、实验数据及工程实际应用均验证了该方法的有效性。     

基于噪声辅助信号特征增强的滚动轴承早期故障诊断

针对滚动轴承振动信号特征提取在滤除干扰噪声的同时会将部分有用信号滤除,造成特征信号丢失的问题,提出了一种基于噪声辅助信号特征增强的滚动轴承早期故障诊断方法。采用广义多尺度排列熵筛选准则筛选振动信号,并通过粒子群优化算法优化Duffing振子系统参数,实现Duffing振子系统、输入信号与噪声间的最优匹配,从而提高随机共振效果,将部分背景噪声能量转移到滚动轴承早期微弱故障信号特征上,实现了早期微弱故障信号特征的增强。将所提方法应用于滚动轴承全寿命状态早期故障诊断,并与基于VMD的自适应形态学方法相比较,结果表明了该方法的有效性和可行性。     

基于非线性耦合双稳态随机共振的轴承微弱故障信号增强检测方法研究

针对滚动轴承微弱故障信号难以检测的难题,提出一种基于新型非线性耦合双稳态随机共振模型的轴承微弱故障信号增强检测方法。噪声背景下,随机共振可以实现微弱信号的增强输出,提高微弱信号特征的检测。提出的非线性耦合双稳态系统是由两个单一双稳态系统经非线性方式耦合而成,通过分析耦合系数、阻尼系数随着噪声强度改变的信噪改善比响应特性曲线图研究了不同参数对随机共振现象的影响。结果表明,耦合双稳系统比单一双稳态系统具有更强随机共振现象的产生。最后采用模型对轴承故障微弱信号进行了增强检测应用,所提出的非线性耦合双稳态随机共振能够实现在复杂的噪声背景下对微弱故障信号的检测。     

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。     

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。     

基于多尺度递归图理论的桥梁微弱信号非线性非平稳检验

针对恶劣测试环境下桥梁结构微弱动力测试信号易被噪声淹没、非线性非平稳检验困难的问题,将改进的经验模态分解方法与递归图理论相结合,提出一种多尺度非线性非平稳检验分析方法。对微弱信号进行自适应分解,得到各阶信号分量。采用递归图及递归量化方法,分析了不同信号分量的非线性非平稳特征信息。分别用模拟信号和实际桥梁测试信号对所提方法的有效性进行了验证。结果表明:多尺度的非线性非平稳检验分析方法能有效提取强噪声背景下桥梁微弱信号的非线性非平稳特征信息,可用于实际桥梁测试信号的非线性非平稳检测。     

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。     

多稳态匹配随机共振在机械早期故障特征提取中的应用

传统单稳态或双稳态随机共振方法的势函数稳态结构单一，难以匹配复杂多变的输入信号；固定尺度因子忽略了与势结构、输入信号之间的协同增强作用；且一阶系统易遭受低频噪声干扰，依赖高通滤波器辅助。因此，提出自适应二阶多稳态匹配随机共振方法，并应用于机械早期故障的微弱特征提取。该方法的优势在于：(1)多稳态势结构的多样性可与不同的输入信号实现有效匹配；(2)能实现输入信号、势结构、尺度因子三者之间的协同作用；(3)二阶多稳态随机共振能够抑制低频噪声干扰。仿真分析和机车轴承故障诊断案例表明：提出的方法相比单稳态和双稳态随机共振方法具有更强的微弱特征增强与提取能力。     

基于周期势函数的自适应二阶欠阻尼随机共振信号增强方法

针对滚动轴承微弱故障振动信号在噪声环境下故障特征难以提取的问题,提出一种基于周期势函数的自适应二阶欠阻尼随机共振信号增强方法。采用粒子群算法对系统参数和阻尼系数的自适应匹配,实现对多个拟增强频段的随机共振,更加适用于工程实际中多故障信号提取。数据库考题检验和工程实验验证表明:1)该方法明显提高了输出信噪比,故障特征频率处主峰突出,边带干扰少,方便故障的机器判读,误判率低;2)随着噪声强度的增加,虽然输出信噪比有所降低,但该方法的检测效果仍优于基于周期势函数的自适应一阶随机共振方法的检测效果;3)该方法对噪声的适应性更强,在噪声环境下对于微弱故障信号的提取有着明显优势。     

非线性耦合双稳系统的振动共振与随机共振

单一双稳系统受到弱周期信号和噪声的作用能产生随机共振.而在高、低两种不同频率信号作用下则能产生振动共振,将两个双稳系统经非线性耦合而成为耦合双稳系统,并在低频、高频信号和噪声的作用下研究了耦合双稳系统对低频信号的响应特性,给出了高频信号参数和耦合系数对振动共振和随机共振的影响关系,结果表明通过调节高频信号幅值或耦合系数大小能产生振动共振或随机共振,并构建了耦合双稳系统原理框图,为随机共振的控制及其利用提供了新的理论方法,数值仿真结果与理论分析结论完全吻合.     

基于时延反馈多稳随机共振的微弱信号检测方法

为了检测噪声背景下的微弱信号,提出了一种基于一次项时延的新型多稳态随机共振模型。分析了各参数对该模型的影响,并与时延反馈随机共振模型进行对比。提出的基于一次项时延的多稳态随机共振模型可以集中增强微弱信号特征频率处的幅值,提高输出信号的信噪比和谱功率放大系数。通过实例验证表明提出的方法可以有效检测出早期微弱信号的特征。     

基于包络解调随机共振和CEEMD的机械早期微弱故障诊断方法研究

针对噪声背景下机械振动信号早期故障特征提取难题,提出一种基于包络解调随机共振和互补总体经验模态分解的机械早期微弱故障提取及诊断新方法。首先对含噪声机械故障信号进行包络解调处理,然后对包络信号进行变尺度随机共振输出,使故障特征信号得到增强,最后对处理后的信号进行互补总体经验模态分解(CEEMD),得到机械振动信号故障特征分量,实现故障特征提取及诊断。对机械故障诊断实例表明,该方法不仅能增强信号幅值,同时减少了虚假分量,提高了CEEMD算法的精度,有效提取出被噪声淹没的微弱故障信号,提高了机械早期故障诊断效果。     

指数型随机共振微弱振动信号检测方法

在实际工程故障诊断中特征频率信号经常淹没在噪声中,信息提取非常困难。为了提取强噪声背景中的微弱信号,将简谐势阱与Gaussian Potential模型相结合,提出一种作用在Duffing方程下的新型指数型双稳随机共振系统。首先,推导逃逸率并研究系统参数对输出信噪比影响;其次,基于指数型双稳随机共振系统对冲击衰减信号以及谐波振动信号进行检测;最后为检测大噪声下多频信号提出指数型双稳随机共振和经验模态分解的微弱信号联合检测方法并应用于轴承故障信号检测中。实验分析及仿真结果表明,指数型双稳随机共振模型在信号检测中是可行的,并且对于多频谐波信号通过随机共振后进行经验模态分解可使检测更加准确,联合检测不仅能识别故障信号,还能识别故障倍频信号。     

非线性分数阶双稳系统逻辑随机共振的研究

在整数阶逻辑随机共振的郎之万方程基础上构建了分数阶情况下的郎之万方程。对该方程描述的非线性分数阶双稳系统进行了仿真验证,分析分数阶阶次和系统参数的改变对逻辑随机共振现象的影响。结果表明当分数阶阶次小于临界值时,即使没有外加高斯白噪声或微弱周期信号也能观察到逻辑随机共振现象;当分数阶阶次大于临界值时,需要外加高斯白噪声或微弱周期信号才能实现逻辑随机共振,选择合适的噪声强度、微弱周期信号振幅、频率等可以提高逻辑输出的成功率。     

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。     

基于多尺度降维的柴油机信号信息熵增强方法

针对柴油机曲轴轴承磨损故障信号特征微弱,易被噪声湮没且不同故障程度信号较难区分的特点,提出了一种基于压缩小波和局部保持投影的柴油机信息熵增强方法。利用压缩小波对信号多尺度重构减弱噪声干扰,通过局部保持映射对多尺度信号进行降维,消除冗余信息并增强信号的冲击特性,最终以时域、频域以及时频域的三种信息熵表征信号特征。仿真和实例信号表明,该方法对故障信号特征增强明显,依据信息熵值实现了曲轴磨损状态的分类识别。     

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。     

基于ASTFA和PMMFE的齿轮故障诊断方法

提出一种新的反映信号复杂度或非线性度的方法——多尺度模糊熵偏均值(PMMFE),PMMFE是在多尺度模糊熵的基础上提出的。多尺度模糊熵虽然包含不同尺度上的时间模式信息,反映了信号的内在特征,但是对于特征相近的信号,其在绝大部分尺度上的表征并不理想。PMMFE综合考虑多个尺度的模糊熵值,利用不同尺度上模糊熵值的偏态分布特性来定量表征信号的复杂度或非线性度,更加准确地反映信号的特征。但是齿轮箱中的齿轮故障振动信号是多源振动信号,需将齿轮振动本源信号分离出来才能进行特征提取。自适应最稀疏时频分析方法(ASTFA)根据齿轮啮合频率确定初始相位函数就可以有效分离齿轮故障振动本源信号。将ASTFA和PMMFE相结合用于齿轮故障诊断,首先采用ASTFA分离齿轮箱中的齿轮故障振动信号,其次计算该信号的多尺度模糊熵,再根据多尺度模糊熵计算PMMFE。实验分析结果表明该方法能够有效判别齿轮箱中的齿轮故障及其类型。     

改进多尺度符号动力学信息熵及其在行星变速箱特征提取中的应用

针对行星变速箱在运行时产生的非线性非平稳振动,且故障特征信号微弱等问题,提出一种新的特征提取方法——改进多尺度符号动力学信息熵。在传统的符号动力学信息熵原理的基础上,通过改进传统方法的符号化过程,在考虑条件概率情况下计算信息熵,并引入多尺度概念,使得所提特征具有更大优势。最后求解行星变速箱故障模拟试验台采集到的三种状态下的振动信号改进多尺度符号动力学信息熵,并基于提出的特征评价指标对改进多尺度符号动力学信息熵、时频熵、排列熵、样本熵等特征的计算结果进行了对比。结果表明,该方法能够有效的提取行星变速箱运行状态特征,具有更高的敏感度。