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。     

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.     

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。     

基于混沌理论的电力系统微弱谐波检测方法研究

针对微弱谐波信号时频域分析检测方法在宽谱环境噪声较强场景中无法识别目标信号的缺陷,首先引入混沌系统的随机共振原理,在信号成分完全未知的情况下,利用随机噪声增强微弱目标信号进行频率盲检。进一步引入Duffing混沌系统,利用其对特定频率周期信号幅值的极高敏感性和噪声抵抗力,对检出的各谐波频率分量进行幅值精准检测。在经典随机共振模型的基础上,通过归一化改进了系统参数。结合Duffing混沌系统模型,设计了实时检测控制策略。通过粒子群寻优算法,以系统输入输出信号的互相关系数为适应度函数,寻找最优系统参数。对强随机噪声背景下的多整次谐波与间谐波混叠的谐波信号进行了仿真实验。结果表明,所提方法能在恶劣的噪声环境中,实现各谐波分量的无差频率检测与高精度幅值检测。     

频谱监测中的多频随机共振检测

基于频段分离思想设计能够完成频谱监测中多频微弱信号的双稳态随机共振检测方案。使用归一化尺度变换对高频段范围内周期信号进行随机共振检测仿真实验;针对随机共振方法对多频信号检测的局限性,利用小波变换频段分离的特性,将小波变换与归一化随机共振相结合,进行多频微弱信号检测仿真实验。仿真结果表明,结合了小波变换的归一化随机共振的方案能够检测出待测频段内的多频微弱周期信号。     

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F-K分析的圆形传感器阵列布设

轴承故障信号的提取易受工作环境中强背景噪声的影响,特别在早期故障信号检测中,轴承故障信号被噪声淹没,导致检测受限。针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷,提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法,该方法以输出信号信噪比作为适应度函,对随机共振理论中两个参数协调优化,得到一组最优参数,自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果。最后通过仿真对比,所提出的算法信号检测结果优于传统随机共振方法;通过轴承故障诊断实验数据验证,该算法实现的轴承故障信号的检测误差为0.15%。实验结果表明所提方法具有寻优参数准确度高、可靠性好等优点,对轴承故障的精准检测和工业设备稳定运行具有重要意义。     

基于布谷鸟算法优化随机共振参数的轴承故障检测算法

轴承故障信号的提取易受工作环境中强背景噪声的影响,特别在早期故障信号检测中,轴承故障信号被噪声淹没,导致检测受限。针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷,提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法,该方法以输出信号信噪比作为适应度函,对随机共振理论中两个参数协调优化,得到一组最优参数,自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果。最后通过仿真对比,所提出的算法信号检测结果优于传统随机共振方法;通过轴承故障诊断实验数据验证,该算法实现的轴承故障信号的检测误差为0.15%。实验结果表明所提方法具有寻优参数准确度高、可靠性好等优点,对轴承故障的精准检测和工业设备稳定运行具有重要意义。     

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。     

Frequency modulated weak signal detection based on stochastic resonance and genetic algorithm

Stochastic resonance system is subject to the restriction of small frequency parameter in weak signal detection, in order to solve this problem, a frequency modulated weak signal detection method based on stochastic resonance and genetic algorithm is presented in this paper. The frequency limit of stochastic resonance is eliminated by introducing carrier signal, which is multiplied with the measured signal to be injected in the stochastic resonance system, meanwhile, using genetic algorithm to optimize the carrier signal frequency, which determine the generated difference-frequency signal in the low frequency range, so as to achieve the stochastic resonance weak signal detection. Results show that the proposed method is feasible and effective, which can significantly improve the output SNR of stochastic resonance, in addition, the system has the better self-adaptability, according to the operation result and output phenomenon, the unknown frequency of the signal to be measured can be obtained, so as to realize the weak signal detection of arbitrary frequency.     

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.     

Adaptive stochastic resonance method for weak signal detection based on particle swarm optimization

In order to solve the parameter adjustment problems of adaptive stochastic resonance system in the areas of weak signal detection, this article presents a new method to enhance the detection efficiency and availability in the system of two-dimensional Duffing based on particle swarm optimization. First, the influence of different parameters on the detection performance is analyzed respectively. The correlation between parameter adjustment and stochastic resonance effect is also discussed and converted to the problem of multi-parameter optimization. Second, the experiments including typical system and sea clutter data are conducted to verify the effect of the proposed method. Results show that the proposed method is highly effective to detect weak signal from chaotic background, and enhance the output SNR greatly.     

基于Duffing振子的微弱信号检测方法研究

利用Duffing振子相变对微弱信号敏感和对噪声免疫的特点,可以对淹没在强噪声背景中的微弱周期信号进行检测,但传统的Duffing振子相变检测方法仅能检测特定频率的周期信号并且会受过渡带的影响.针对上述问题,给出了一种基于Duffing振子变尺度逆相变的微弱周期信号检测方法,通过引入变尺度系数将待测信号进行重构,进而减小了系统参数对检测的影响.建立了仿真模型并进行了仿真实验.分析和仿真结果表明,该方法能够仅利用一组固定的参数来对任意频率的周期信号进行有效的检测,且减少过渡带的影响,具有较好的检测性能.     

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.     

基于信号预处理的杜芬振子弱信号检测方法

杜芬振子对周期信号极其敏感,对噪声具有较强免疫力,被研究用于强噪声背景下弱周期信号的检测及其各项参数的测量。为进一步提高杜芬振子检测含噪信号的性能,本文提出了先对待测信号预处理再送入杜芬振子的弱信号检测算法,并在理论上进行了证明。该方法先将待测信号分割、叠加、延拓再送入杜芬振子进行检测,仿真表明该方法在将信号分割成多段、叠加、延拓时可获得较大的信噪比增益,其中分割数目为3时,检测信噪比下限降低约为2 dB,分割数目为5时,检测信噪比下限降低约为3 dB。     

次同步谐振的变尺度全方位扫描Duffing振子检测方法

针对传统Duffing振子检测方法参数设定繁复、限制条件多的问题,为了快速、准确地检测出微弱次同步谐振信号,根据次同步谐振产生原理,提出了一种变尺度全方位扫描Duffing振子次同步谐振信号检测方法。通过引入尺度系数,实现了对大参数信号的检测;使用全方位扫描方法,消除检测的初相位死区。采用不同信噪比次同步谐振信号进行仿真检测,结果表明所提方法具有检测频率范围广、抗噪性强、对检测微弱信号准确度高的优点。     

基于混沌振子周期区域的微弱信号检测方法

混沌振子微弱信号检测方法中存在着输出信号时域判别的抗干扰性差、宽频率范围信号检测系统复杂等问题。本文利用混沌振子对噪声处理的优势,提出一种新的强噪声背景中微弱周期信号检测方法。通过提取周期1外轨区域的Poincaré截面,得到一种频率为振子周期策动力与待检测信号频率差的周期信号,而该周期信号对噪声具有很强的抑制。应用所提方法对一个频率段的正弦信号进行检测,实现了低于-110dB信噪比条件下高斯白噪声背景中正弦信号检测。     

微弱信号检测的3种非线性方法

阐述了随机共振法、混沌振子法及差分振子法3种方法的基本监测思想,确定了数学模型。随机共振系统(SR)是一个非线性双稳态系统,存在着在某一最佳输入噪声强度下,使系统产生最高信噪比输出,达到抑制噪声、放大微弱信号的目的。SR系统数学模型可由非线性Langevin方程定义,并进行了分析及仿真。混沌系统具有对初值敏感性及对噪声免疫的特点,数学模型选用Holmes型Duffing方程为监测器,进行了分析及仿真。差分振子法是基于差分方程构造监测器,以二维离散性系统作为数学模型,进行了分析及仿真。将3种方法应用于同步发电机转子匝间短路故障监测和异步电动机转子断条故障监测的实例中是成功的,证明了3种方法的有效性和准确性。     

基于自适应随机共振的异步电动机转子断条故障检测

异步电动机转子断条故障检测属于强噪声背景下故障的微弱信号检测问题。由于不同转差率下电机具有不同的转子断条故障特征频率，给随机共振最佳系统参数调节增加了难度。针对上述问题，在已有Hilbert模量法的基础上，提出了基于自适应随机共振的异步电动机转子断条故障检测方法。通过应用小波消噪、随机共振技术，改进了转子断条故障特征信号的检测灵敏度。随机共振参数的自适应调节进一步增强了该方法的实用性，与传统方法相比，该方法在各种情况下尤其是在噪声强度、电机类型及运行状况未知时，仍能有效检测转子断条故障，具有较好的自适应性。数值仿真和实验分析证明了该方法的有效性。