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。     

强迫Duffing振动系统的主共振鞍结分岔控制

设计了非线性参数控制器来改变非线性系统的稳态响应，减小了系统的响应幅值并消除了共振时的鞍结分岔。首先由多尺度法得到系统的近似频响方程，再由奇异性理论来分析分岔特性，从而实现非线性控制的目标。最后对强迫Duffing系统的主共振形式进行了分析，由数值模拟来确定分岔控制是可行的和有效的。     

基于符号序列熵的自适应随机共振的微弱信号检测

针对现有随机共振以信噪比为测度,难以进行量化和在实际工程中应用,提出一种符号序列改进型香农熵结合随机共振的微弱信号检测方法。介绍了随机共振和符号序列化的基本原理,以输出信号的符号序列熵作为判断是否达到最佳随机共振的测度,自适应的调节系统参数a和b,使系统达到最佳共振并进行频谱分析。结果表明输出信号的符号序列熵可有效反映共振状况,能调节系统达到最佳信噪比输出,而且易于工程实现,证实了该方法的有效性,进而为衡量随机共振提供一种新方法。     

基于人工鱼群算法的轴承故障随机共振自适应检测方法

针对传统的自适应随机共振以单个参数为优化对象忽略参数间交互作用的不足及采用遗传算法优化参数在种群数量增加时算法收敛速度明显减缓的缺陷,提出基于人工鱼群算法的自适应随机共振新方法。该方法利用人工鱼群算法对初值、参数设定容许范围较大、具备并行处理能力及人工鱼个体数目增加时鱼群算法收敛速度能提高的特性,自适应实现与输入信号最佳匹配的随机共振系统。仿真数据与轴承滚动体故障数据分析表明,基于该算法的自适应随机共振方法可有效实现微弱特征检测与早期故障诊断。     

采用粒子群算法的自适应变步长随机共振研究

针对传统的自适应随机共振只能实现单参数优化和变步长随机共振计算步长选取困难的缺陷,提出一种基于粒子群优化算法（Particle Swarm Optimization, PSO）的自适应变步长随机共振方法,实现了变步长随机共振最优输出的自适应求解。该方法以双稳系统的输出信噪比作为粒子群算法的适应度函数,通过变步长随机共振系统的结构参数和计算步长的自适应同步选取,能够最优地检测出大参数条件下的微弱信号。仿真数据和工程实际数据的分析表明,该方法简单易行,适用范围广,收敛速度快,能有效的检测出强噪声背景下的高频微弱信号,具有良好的工程应用前景。     

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 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。     

基于调制随机共振的微弱信号检测研究

在工程信号处理过程中信号常超出随机共振绝热近似或线性响应理论的小参数要求而成为大参数信号。论文深入探讨非线性双稳系统随机共振发生机理和条件要求,将频率调制技术与随机共振理论相结合,提出用调制随机共振的方法实现随机共振理论在工程信号检测中的应用,进行了数值仿真分析证明其有效性,并将该方法应用于轴承内圈点蚀故障的检测     

海洋噪声背景下基于随机共振方法的波束形成

为了改善低信噪比下波束形成的性能,从双稳态随机共振模型出发,提出了利用频率尺度变换,将随机共振和波束形成结合起来的算法。给出了双稳态模型参数的估计方法、数值仿真和应用于海洋噪声背景下波束形成的实验结果。由实验结果可见,随机共振确实改善了波束形成器输入数据的质量,从而提高了波束形成的性能以及信噪比。     

基于多普勒-随机共振技术的高精度阵形估计系统研究

潜用拖曳线列阵声呐在拖曳过程中,随着潜艇的运动状态变化,其线阵阵形会产生一定的畸变。速度越慢,其畸变幅度越大。阵形畸变,将影响声呐的探测性能。为有效提高拖曳声呐的探测能力,需对阵段不同拖曳状态进行阵形变化研究。基于以上研究需求的基础上,使用随机共振技术和阵元多普勒频移特性,在实验室或湖上构建了阵形估计系统,该系统可对不同拖曳状态的测试阵段实时地精确估计阵形,满足拖曳线列阵声呐阵形估计技术研究的需求。     

耦合双稳系统随机共振的轴承故障检测方法

耦合双稳系统由两个双稳系统经非线性方式耦合而成.分析了影响耦合双稳系统随机共振产生的Kramers逃逸率及平均跃迁频率与耦合系数的关系,提出了通过调节耦合系数大小来产生和增强随机共振的方法,并将该方法应用于轴承故障信号检测中.数值仿真和实验结果表明,在系统参数固定时,调节耦合系数能增强系统输出功率谱在特征频率处的谱值,可检测出单一双稳系统随机共振所不能检测出的微弱轴承故障信号频率,该方法在轴承故障信号检测中的应用是有效的.     

Recent results on least squares-based adaptive control of linear stochastic systems in white noise

Recently, progress has been made on establishing the stability and performance of linear stochastic systems when they are adaptively controlled in a certainty equivalent fashion using least squares- or extended least squares-based parameter estimates. Here we provide an overview of these results. We consider first the case of white gaussian noise, where the convergence of the parameter estimates can be established for generically all systems. Then we provide an account of the stability and performance of certainty equivalent controllers for which parameter convergence has been established. Next we turn to the white non-gaussian case, and obtain upper bounds for the parameter error and the normalized prediction error. Finally we exploit these bounds for the self-tuning regulator when “b ₀” is known and the delay equals one. The research reported here has been supported by the US Army Research Office under Contract No. DAAL-03-88-K-0046, by the Joint Services Electronics Program under Contract No. N00014-90-J-1270, and by an International Paper Fellowship for the first author.     

基于模型实时辨识自适应控制算法的时变机械系统振动主动控制

参数时变的现象广泛存在于机械系统。如果系统参数随着时间而发生较大变化,振动主动控制方案就需要考虑时变参数对控制算法的影响。针对动力学特性变化较大的时变机械系统振动,提出一种模型实时辨识自适应控制算法,该算法将传统的滤波自适应算法与递归预测误差方法相结合,利用改变梯度的递归预测误差方法实时估计控制通道模型。建立弹簧质量支承的非均匀截面杆纵向振动时域模型,模型中随时间而变化的弹簧刚度导致模型动力学特性发生较大变化。用模型实时辨识自适应控制算法对建立的杆模型进行振动控制数值仿真,仿真结果表明,所提出的控制算法能有效抑制时变系统的窄带和宽带振动。相对于现有的方法,该控制算法能实现更好的控制性能。最后,将所提出的控制算法应用到时变的摇摆系统振动控制,实验结果验证了所提出控制算法的可行性和有效性。     

基于自适应模糊控制算法的公路桥梁MR半主动控制

摘要：为了有效处理振动控制中结构的非线性和外界荷载的不确定性,提出了基于自适应模糊控制算法（AFLC）的MR半主动控制算法。AFLC通过在线调节规则后件隶属度函数,以自适应模糊控制系统逼近等价控制律。通过引进Lyapunov稳定性理论设计了相应的自适应率。在此基础上结合限幅最优控制算法（clipped optimal）设计了适合MR阻尼器的半主动控制算法（AFLC/clipped optimal）。针对最近提出的公路桥梁控制的Benchmark问题进行仿真分析,结果表明：在不同场地类型和幅值的地震作用下,基于AFLC算法的主动和半主动控制策略都能够有效的抑制结构的地震响应,且MR半主动控制策略的控制效果与主动控制相近,表明了这种半主动控制策略具有很高的工程应用价值。     

基于奇异摄动理论的电液伺服系统Backstepping滑模自适应控制

针对电液伺服位置跟踪系统中存在的非线性特性、系统参数和外部负载的非匹配不确定性,提出了基于奇异摄动理论的电液伺服系统的Backstepping滑模自适应控制。利用奇异摄动中双时间刻度理论将原系统分解为快慢变子系统,分别设计快变和慢变子系统的控制律,再合成得到复合控制器。应用Backstepping的逆向递推方法有效地解决了高阶非线性系统的控制问题,用滑模方法抑制系统的外部扰动,对系统的不确定性参数进行自适应估计。数字仿真的结果验证了所设计控制器的正确性和有效性。     

基于可拓自适应理论的三轴并联机器人控制系统设计

为了提高并联机器人的轨迹跟踪控制精度,以平面二自由度并联机器人为研究对象,构建了一种可拓自适应控制器用于其控制系统中.利用自适应控制器善于处理不变和慢时变问题,可拓控制器善于处理时变和突变问题,将2种控制器的优点结合起来,设计了一种新型的可拓自适应控制器.仿真结果表明,可拓自适应控制器能较大地提高并联机器人关节位置精度和末端执行器的轨迹精度,能够满足机器人的控制要求.研究所得的方法和结论具有较强的通用性,对并联机器人的控制具有普遍的应用意义．     

伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.