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。     

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 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。     

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.     

基于自适应随机共振的齿轮微弱冲击故障信号增强提取方法研究

针对强背景噪声下冲击信号难以检测的问题,提出一种基于自适应随机共振的齿轮微弱冲击故障信号增强提取方法。首先,利用峭度指标和互相关系数构造修正峭度指标作为随机共振检测冲击信号的测度函数;其次,利用滑动窗将多冲击分量信号分割成多个单冲击分量信号作为随机共振的系统输入,并借助遗传算法实现系统参数的自适应选取;最后,将提出的方法应用于电力机车走行部齿轮箱故障诊断,结果显示该方法可有效实现微弱冲击特征的增强提取。     

基于遗传算法的涡街信号随机共振检测方法

涡街流量计在工业现场工作时,输出信号易叠加噪声,尤其在小流量测量时,涡街信号易被现场噪声淹没,导致测量受限.针对涡街信号处理,提出一种基于遗传算法的双调制随机共振方法.该方法对输入信号进行频率和幅值双调制后进入非线性双稳系统,以系统输出信号的信噪比为适应度函数,通过二进制编码,将调制频率和幅值组合成一个二进制字符串,同...     

混合多稳态随机共振的故障信号检测

针对故障特征信号在诊断时经常淹没在噪声中难以提取问题,利用Woods-Saxon型单稳态模型与混合型双稳态模型结合提出一种混合型三稳态随机共振系统,该系统不仅保留了Woods-Saxon对故障信号易于检测的优点又利用了三稳态对噪声利用率高的特点。利用信噪比增益为衡量指标,提出寻找最优系统参数的自适应算法;对α噪声背景下的谐波振动信号、调幅信号、周期脉冲衰减信号进行检测;提出一种变分模态分解与混合三稳态结合的信号检测方法,并将其应用于实际轴承故障检测;经过仿真实验表明混合型三稳态随机共振模型以及组合模型在故障信号的检测中检测结果清晰可靠、性能优越。     

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。     

基于信号奇异性分析的轴承故障检测方法

针对轴承振动信号利用小波单奇异点检测无法克服噪声影响的不足,提出利用小波模极大值分析信号奇异性变化进而进行轴承故障检测的方法。实验中对信号的模极大分形指数,模极大分形指数熵,Lipschitz指数以及Lipschitz指数熵等奇异特征进行分析比较,实验结果表明这些特征都能有效克服噪声影响实现故障检测,但模极大曲线数最能体现故障特征且检测效果最好。将该方法同基于小波包能量谱特征和小波单奇异点检测的方法进行比较,结果表明本文建议的方法在检测时间及检测率上都有显著提高。     

基于广义相关系数自适应随机共振的液压泵振动信号预处理方法

针对液压泵故障振动信号信噪比低,故障特征难以提取的问题,对液压泵振动信号预处理方法进行研究。针对现有自适应随机共振优化算法及其目标函数存在的问题,将量子遗传算法(Quantum Genetic Algorithm,QGA)引入自适应随机共振中,提出一种改进的自适应随机共振的信号预处理方法。该方法以广义相关系数为目标函数,采用QGA算法对随机共振系统的结构参数进行优化,从而实现对信号的降噪预处理。仿真及实验结果表明,该方法能够有效提取强噪声背景下的液压泵振动信号频率特征,是液压泵故障特征提取及故障诊断中信号预处理的有效方法,可进一步发展至实际工程应用。     

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。     

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。     

随机共振液压泵故障特征信号提取

针对强噪声背景下的液压泵故障特征提取问题,提出一种自适应级联单势阱随机共振的特征提取方法。首先验证广义相关系数可作为自适应随机共振优化算法的目标函数,然后采用量子遗传算法优化单势阱随机共振系统的结构参数,再将所得的自适应单势阱随机共振系统进行级联。该方法只需调节每一级随机共振的一个系统结构参数,优化速度快,且采用级联方式能更准确地提取液压泵故障信号的低频成分。数值仿真分析表明:该方法可有效地提取淹没在强噪声背景下的多频信号;实际测试结果证明其能有效地检测液压泵故障信号的特征频率,为液压泵故障预测和诊断奠定基础。     

分层自适应小波阈值轴承故障信号降噪方法

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构,得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数,可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明,该方法的信噪比和均方根误差均优于其他方法,有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明,该方法在降噪的同时保留了更多的故障信息,能够有效提升故障诊断率,更有利于轴承故障信号的降噪。     

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     

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。     

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。     

基于改进果蝇优化算法的铣削力信号特征选择方法

特征选择是刀具模式识别的关键问题之一。采用果蝇优化算法(FOA)将铣削力特征选择转换成果蝇寻优过程,得到了一种可用于铣刀磨损状态识别的适应度强的特征选择方法。该方法用力传感器提取铣削力信号,把特征选择过程模拟成果蝇觅食行为,采用Fisher辨别率作为特征寻优标准,将优选后的特征集输入BP神经网络,刀具磨损量为输出。实验证明,该方法易调节,寻优效果好,适应度强,BP神经网络表现好,可以快速有效地对铣削加工过程中的力信号特征进行选择。     

电磁信号检测的随机共振方法与应用研究

数字信息设备在工作时会产生微弱电磁泄漏信号,在电磁信号检测领域,应用随机共振方法将噪声的能量向信号转移,增强信号幅值。提高电磁泄漏信号的信噪比,实现从复杂噪声背景中提取微弱电磁波信号的特征信号。