基于分段线性非饱和随机共振的机械早期故障诊断方法研究

针对大型机械设备运行环境恶劣、故障特征难以提取的问题,提出一种基于分段线性双稳态势函数模型的非饱和随机共振方法。该方法通过分段线性化的势函数代替经典的双稳态势函数,然后利用频移尺度变换实现机械设备振动信号的小参数化,使其满足随机共振系统的输入条件;最后,将系统输出信号的信噪比作为遗传算法的目标函数,优化非饱和随机共振系统参数,实现机械设备早期故障特征的增强与提取。仿真分析表明该方法可以有效地提取淹没在强噪声背景下的微弱故障冲击特征,而且轴承实验证明提出的方法能够有效增强与提取故障特征频率。仿真与实验结果进一步表明提出的方法优于经典双稳态随机共振方法,不仅能够获得高的输出信噪比,而且在特征频率处具有更高的幅值。以上优点归功于提出方法不仅克服经典双稳态随机共振系统的内在输出饱和问题,而且利用遗传算法实现系统与输入信号之间的最佳匹配。     

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。     

基于频率控制的自适应随机共振系统研究

研究双稳Duffing系统随机共振产生机理,针对不满足绝热近似条件的大参数信号,提出基于频率控制自适应随机共振微弱信号检测系统,实现对未知大频率微弱信号检测。仿真结果表明,该系统能实现大频率信号随机共振,较传统随机共振系统精度及系统输出信噪比均极大提高,并能扩展其在微弱信号检测领域的应用。     

三稳阱内随机共振在微弱OFDM信号检测中的应用研究

提出了一种基于三稳阱内随机共振的微弱OFDM信号增强与解调方法，对OFDM基带复信号驱动下的三稳阱内随机共振系统的动力学特性和系统性能进行了深入分析。首先，分别给出了三稳阱内随机共振系统动态方程和OFDM基带复信号数学模型；然后，分析了三稳阱内随机共振的暂态响应过程和稳态响应过程，推导了系统从零状态到共振平衡状态所需暂态时间的表达式，推导了阱内随机共振系统处于稳定状态时的系统输出信号表达式；最后，给出了基于双三稳阱内随机共振系统的OFDM基带复信号增强和解调处理过程，先将接收到的OFDM基带复信号按符号周期进行分段，对同相分量和正交分量两路信号同时进行阱内随机共振处理，并进行了仿真。仿真结果表明：三稳随机共振方法有效解决了低信噪比下微弱OFDM信号接收性能恶化的问题，提高了OFDM系统的抗噪性能。     

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 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...     

二维双阱势系统随机共振机理研究及应用

将经典随机共振的一维设定拓展到二维势场中,研究在噪声中受周期驱动的二维双阱势系统的随机共振机理及应用。基于绝热近似理论推导系统输出信噪比的解析式,发现系统发生显著的随机共振现象,且通过增大驱动力、耦合系数、关联系数或降低驱动频率能够进一步地提高输出信噪比。使用四阶龙格库塔法和遗传算法进行数值模拟实验,发现输出信噪比的理论曲线和实际数值曲线基本吻合,证明了理论推导的正确性,微弱信号检测实验结果表明系统能够有效地检测微弱周期信号。将系统运用于实际工业轴承故障诊断中,实验表明系统能够有效地诊断出轴承的内外圈故障,且通过比较峰值大小和峰值辨识度,证明了该系统的故障检测效果优于新型一维非饱和双稳系统。     

垂直空时分层多载波CDMA系统上行链路性能比较研究

根据应用了垂直空时分层(V-BLAST)结构的3种多载波CDMA系统——BLASTMC-CDMA系统、BLAST MC-DS-CDMA系统、BLAST MT-CDMA系统的发射信号、信道模型和接收信号,给出该3种系统的误码率公式。基于对这3种系统的误码率公式分析,比较了在带宽效率相同的条件下这3种BLAST多载波CDMA系统的误码率性能。数值结果表明:在信噪比较高的情况下,BLAST MC-CDMA系统有更好的误码率性能;在低信噪比情况下,BLAST MT-CDMA系统的误码率性能更好;BLAST MC-DS-CDMA系统的误码率性能相对较差。     

基于Duffing振子的天然气管道泄漏检测方法

针对天然气管道泄漏因泄漏声波信号信噪比(SNR)过低而难于检测的问题,研究了基于Duffing振子的天然气管道泄漏检测方法。该方法将待检测数据输入Duffing振子系统,以振子系统的状态转化实现非周期信号中周期信号的检测。为了更好地提高Duffing振子的检测性能,在Duffing振子设计阶段,以随机共振的有关理论为基础,通过对系统输出信噪比的优化来实现Duffing振子的参数设计。基于实际天然气管道泄漏数据的测试结果表明,所提出方法可在低信噪比(-68dB)的情况下有效检测出泄漏,具有较好的检测性能。     

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。     

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。     

基于果蝇优化算法的自适应随机共振轴承故障信号检测方法

针对传统自适应随机共振系统只能单参数优化,而基于群智能算法的自适应随机共振系统存在优化算法参数选取困难、收敛速度慢的缺陷,提出了基于果蝇优化算法的自适应随机共振方法。该方法以双稳随机共振系统输出信噪比作为果蝇优化算法的味道浓度,结合二次采样技术,自适应选取随机共振系统的结构参数,实现周期信号的特征增强。数据仿真与轴承内圈故障数据分析表明,该方法简单易行,收敛速度快,能有效的检测特征信号,实现轴承故障诊断。     

随机参数诱导交流积分器中的随机共振研究

研究了具有随机参数的交流积分器中的随机共振现象。基于线性系统理论,得到了系统输出信噪比的表达式。研究发现,输出信噪比是噪声强度、噪声相关率以及系统参数的非单调函数。信噪比随着激励信号频率的增大而增大,随着信号直流分量的增大而减小。     

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。     

强噪声背景下的经验模式分解研究

研究了强噪声混合条件下微弱信号的经验模式分解(EMD)问题,提出了一种基于随机共振降噪的EMD分解方法.该方法利用随机共振在微弱信号检测方面的独特优势,首先对有噪微弱信号进行随机共振输出,微弱信号得到降噪和加强后,再进行EMD分解.在仿真实验中,对随机共振输出前后的信号分别进行EMD分解,分析结果表明该方法不仅能够提高原始信号的信噪比,有效检测出被噪声淹没的微弱信号从而提高了EMD分解的质量,同时减少了EMD分解的层数,提高了运算效率.     

双稳随机共振降噪下的经验模式分解研究

研究了强噪声混合条件下微弱信号的经验模式分解(EMD)问题,提出了一种基于随机共振降噪的EMD分解方法。该方法利用随机共振在微弱信号检测方面的独特优势,首先对有噪微弱信号进行随机共振输出,微弱信号得到降噪和加强后,再进行EMD分解。在仿真实验中,对随机共振输出前后的信号分别进行EMD分解,分析结果表明该方法不仅能够提高原始信号的信噪比,有效检测出被噪声淹没的微弱信号从而提高了EMD分解的质量,同时减少了EMD分解的层数,提高了运算效率。     

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。     

基于势函数参数的随机共振性能研究

以势阱函数为研究对象,提出了势函数参数的概念,阐述了不同势函数参数下系统随机共振机理,并讨论了过阻尼系统和Duffing振子系统在不同势函数参数下的随机共振性能对比.实验表明,在满足一定参数条件下,提升系统势函数参数将会提升系统输出的最大幅值增益以及最大输出信噪比,与传统一元四次势函数下的随机共振系统相比,性能提升得非常明显;Duffing振子系统相比于过阻尼系统,其调节范围更宽.联合调节阻尼比与势函数参数可以使信号达到更佳的随机共振状态,为信号的后续处理奠定基础.