基于Duffing振子的噪声背景下微弱周期信号检测

为有效地实现噪声背景下弱信号的提取,阐述了间歇混沌模型Duffing振子的混沌特性。利用Duffing振子对微弱信号具有敏感性、对噪声与频率差较大的周期干扰信号具有免疫力的特性,研究了基于Duffing振子在噪声条件下检测微弱周期信号、复合频率信号和未知频率信号的方法,用数值仿真验证了该方法的可行性。研究结果表明,基于Duffing振子的信号检测方法对极微弱周期信号检测有其独到的优势,其频率误差率在控制范围之内。     

基于混沌理论的微弱信号检测及自跟踪扫频电路实现

为解决工程实际中因待测信号常常被淹没在噪声背景中而传统信号检测方法难以检测等问题,将基于混沌理论的非线性信号检测技术应用到实际工程故障诊断中,开展了基于Duffing振子的微弱信号检测原理的分析,建立了混沌振子与微弱信号检测之间的关系,提出了基于Duffing振子的微弱信号检测方法,利用混沌系统相变对周期小信号的敏感性和对噪声具有免疫力的特点,设计制作了基于Duffing振子的微弱信号检测电路;对微弱信号检测的自适应进行了研究,利用AVR单片机及AD9850等芯片实现了信号检测电路的自动跟踪扫频功能,最后开展了该信号检测电路对不同频率微弱信号的检测试验。研究结果表明,用该电路可以实现在工程中常见的噪声背景下的中、低频率微弱周期信号的检测。     

Lyapunov指数算法在应答器信号混沌振子检测中的应用

针对为提高在强噪声环境下应答器上行链路传输信号的检测精度,利用混沌系统对初始条件敏感以及对噪声免疫的特性,将混沌振子应用到应答器上行链路信号检测解调中.结合微弱信号Duffing振子检测原理和应答器上行链路信号特征,给出了使用Duffing振子检测应答器信号的方法和步骤,并使用Lyapunov指数算法计算Duffing振子检测系统的临界阈值,定量判断系统的输出状态,实现应答器信号的解调.在理论分析的基础上,进行了实验仿真验证.仿真结果表明,基于Lyapunov指数算法的应答器信号混沌振子检测方法提高了阈值设置的准确性和效率,并确保了应答器信号检测的可靠性.     

Lyapunov指数算法在应答器信号混沌振子检测中的应用（英文）

针对为提高在强噪声环境下应答器上行链路传输信号的检测精度,利用混沌系统对初始条件敏感以及对噪声免疫的特性,将混沌振子应用到应答器上行链路信号检测解调中。结合微弱信号Duffing振子检测原理和应答器上行链路信号特征,给出了使用Duffing振子检测应答器信号的方法和步骤,并使用Lyapunov指数算法计算Duffing振子检测系统的临界阈值,定量判断系统的输出状态,实现应答器信号的解调。在理论分析的基础上,进行了实验仿真验证。仿真结果表明,基于Lyapunov指数算法的应答器信号混沌振子检测方法提高了阈值设置的准确性和效率,并确保了应答器信号检测的可靠性。     

基于混沌振子微弱信号检测的改进与比较

为实现强噪声背景下微弱信号的检测,利用混沌系统非平衡相变对系统参数的扰动和对噪声具有免疫力的特点,根据Holmes型的Duffing振子检测系统的检测原理以及Melnikov方法,对Duffing方程的非线性项进行了改进,非线性项取（-x^4＋x^5）。改进后的系统相对原来的检测系统具有更低的信噪比门限,由原来的-92．5dB降到了-111．5dB。数值计算与仿真结果证明了该方法的有效性。     

基于噪声和混沌振子的微弱信号检测

利用混沌振子来检测淹没在强噪声背景中的微弱信号，详细研究了Duffing振子检测微弱信号的原理和过程。理论分析和仿其实验均表明混沌振子能有效地检测微弱信号。     

基于Duffing振子检测频率未知微弱信号的新方法

针对现有混沌振子难以检测频率未知微弱信号这一难点,提出利用Duffing振子输出值的方差峰值结合遗传算法检测淹没在强噪声背景中频率未知微弱信号的一种新方法。从分析混沌系统结构参数的阈值入手,讨论了周期策动力的频率、初始相位和噪声对系统运行状态的影响;研究系统输出值方差与系统状态的对应关系,探讨待测信号频率以及与周期策动力之间相位差对状态变量方差和状态转换时间的影响。由此,提出采用具有相位偏移的Duffing振子阵列覆盖全相位,并结合遗传算法,优化求解不同频率输入信号下系统输出值方差的极值,以此得到待测信号频率的方法。该方法解决了现有混沌振子类检测方法必须已知信号频率的限制。实验结果证明了本方法能准确、快速地检测待测信号频率。新方法的状态判定简便、检测精度高、更为灵活、适应性强,为微弱信号的检测提供了新的手段。     

轴承早期复合故障诊断的一种非线性检测方法

针对强噪声背景下的信号难于检测的问题,利用混沌阵子对周期信号的敏感性和对噪声的免疫力,提出了一种用Duffing阵子结合欧氏距离检测微弱信号的新方法。该方法采用欧氏距离确定混沌振子由混沌状态向大尺度周期状态转换的临界阈值,并利用欧氏距离的跃变自动识别混沌振子的状态。应用该方法对仿真信号和深沟球轴承的早期模拟故障信号进行分析,验证了其可行性,同时分析了相位差和噪声对于系统特性的影响,并用Simulink进行了仿真。     

Duffing振子变尺度未知多频微弱信号提取方法研究

针对检测模型只能同时检测某一频率的待测信号,研究了基于傅里叶变换的Duffing振子变尺度微弱信号检测方法,提出了一种可同时检测多个未知频率微弱信号的Duffing振子优化模型。该模型通过傅里叶与反傅里叶变换、频率截取和尺度变换后,得到相图在经过判决后输出结果。仿真结果表明,提出的方法可以实现提取未知多频微弱信号各信号分量的频率参数。该方法为微弱多频信号处理提供了一种解决方案,拓宽了Duffing振子在微弱信号检测领域的应用。     

基于Lorenz系统的微弱谐和信号检测

基于非共振参数激励混沌抑制原理,利用受控Lorenz系统实现强噪声背景下微弱谐和信号的检测。根据检测系统经平均法和重整化方法处理后的参数等效关系,确定使系统动力学行为由周期轨道突变为稳定平衡点的检测参数临界值。仿真结果表明此系统可以准确检测出强噪声背景下的微弱谐和信号。相比于现有的混沌振子检测方法,此方案可由理论分析得到参数阈值的准确范围,且判决准则简单,有利于实现自动检测。     

基于Lyapunov指数的超声导波检测技术

为了提高超声导波的检测灵敏度,提出了一种基于杜芬方程Lyapunov指数特性的超声导波识别方法,该方法利用了杜芬方程对系统参数的敏感性及其对噪声信号的免疫特性。首先,分析了杜芬方程检测导波信号的数学原理;其次,讨论了如何设定检测系统参数,给出了可用于检测导波信号的杜芬系统;最后,通过分析比较噪声和导波信号对Lyapunov指数的不同影响,证明了该方法识别强噪声下弱超声导波的有效性。数值算例表明,通过合理设置杜芬方程参数使系统处于混沌状态,当输入导波信号和混有噪声的导波信号时,系统由混沌状态转变为极限环运动,利用杜芬系统状态改变可实现对强噪声下弱超声导波的识别,该方法可有效延长超声导波的检测范围和提高检测小缺陷的灵敏度。     

基于Lyapunov指数的非线性Lamb波的微裂纹检测

为了提高在背景噪声干扰下非线性Lamb对于结构微裂纹的检测精度,提出了利用Duffing振子和Lya-punov指数对噪声干扰下的非线性Lamb波特征进行增强与量化分析的方法。首先,采用了庞加莱图确定Duffing系统外策动力参数;其次,将周期延拓滤波后的非线性Lamb波输入调整好的Duffing系统中,对系统输出时间序列进行相空间重构,计算出相应的最大Lyapunov指数。通过多个模型数据的仿真分析结果表明,即使在噪声干扰情况下,Lyapunov指数与裂纹大小也存在着良好的线性关系。该方法对噪声干扰下的微裂纹缺陷识别具有明显的优势,对提高非线性Lamb波的检测灵敏度具有重要意义。     

杜芬振子在故障诊断中的应用

杜芬振子在故障诊断中的应用主要是进行故障特征的微弱正弦信号检测.杜芬振子具有对噪声强免疫能力,根据相位图的变化可判断是否存在待检测的微弱故障特征信号,如果需要检测多个特征信号,可以设定杜芬阵列.目前对于故障信号幅值大小的确定还在定性检测水平.同时在故障诊断中还可以进行杜芬振子逆向检测.     

A probabilistic damage identification approach for structures with uncertainties under unknown input

To avoid the false positives of damages in the deterministic identification method induced by uncertainties in measurement noise, a probabilistic method is proposed to identify damages of the structures with uncertainties under unknown input. The proposed probabilistic method is developed from a deterministic simultaneous identification method of structural physical parameters and input based on dynamic response sensitivity. The deterministic simultaneous identification method is first derived. The effect of uncertainties caused by measurement noise on the identified parameters is then investigated. The statistical parameters of the identified structural parameters are calculated. The damage index is derived from the statistical parameters of the physical parameters of intact and damaged structure. The probability of identified damage, defined as the probability of identified structural stiffness smaller than that of intact structure, is further derived using the probability method. A twelve-story building and a nine-bay three-dimensional frame structure are, respectively, analyzed numerically and experimentally using the proposed method. The research results indicate that the probabilistic simultaneous identification method for damage and input can decrease the false positives of damages in contrast with the deterministic method under intensive measurement noise, and it can also achieve an accurate identification for structural unknown input.     

基于自激振荡系统的混沌稳健检测模型

针对传统混沌检测模型稳健性不强的缺陷,首先依据分形理论分析了纯噪声激励下临界区域稳定性的变化,并建立了一种新的广义Van der Pol混沌检测模型。该模型中包含的自激振荡力保证了混沌相态的稳定性,且根据Bendixson环域定理,证明了新模型用于弱信号检测的可行性。与经典Holmes-Duffing振子相比,新模型在复杂度相当的前提下,状态稳定性和噪声免疫性获得了显著提升。微弱电力载波信号在白噪声、色噪声条件下的检测实验结果均表明:新模型的应用有效改善了混沌算法的检测稳健性,其检测差错率在-30~-15 d B时降低了一个数量级;而在信噪比-50~-35 d B时,系统检测性能可获得至少3 d B的性能增益。     

Weak fault feature extraction of rolling bearing under strong poisson noise and variable speed conditions

Fault feature extraction of the rolling bearing under strong background noise is always a difficult problem in bearing fault diagnosis. At present, most of the research focuses on weak signal extraction under Gaussian white noise and has certain practical significance. However, the noise in engineering is often complex and changeable, Gaussian white noise cannot fully simulate the actual strong background noise. Poisson white noise is a type of typical non-Gaussian noise, which widely exists in complex mechanical impact. It is of great significance to study the weak fault feature extraction of a faulty bearing under this type of noise. At the same time, variable speed conditions occupy most rotating machinery speed conditions. Non-stationary vibration signals make it difficult to extract fault features, and the frequency spectrum ambiguity will occur because of speed fluctuation. To solve the above problems, a method of weak feature extraction of a faulty bearing based on computed order analysis (COA) and adaptive stochastic resonance (SR) is proposed. Firstly, by numerical simulation, the non-stationary fault characteristic signal corrupted with strong Poisson noise is transformed into a stationary signal in the angle domain by COA. Secondly, the influence of the parameters of the pulse arrival rate and noise intensity of Poisson white noise on the optimal SR response in the angle domain are studied, and the influence of the parameters of Poisson white noise on the fault feature extraction is given. Then, adaptive SR method is used to extract and enhance fault feature information. Finally, the effectiveness of this method in weak fault characteristic signal extraction under strong Poisson noise is verified by experiments. Numerical simulation and experimental results verify the effectiveness of the proposed method in bearing fault diagnosis under strong Poisson noise and variable speed conditions.

     

非平稳背景噪声下声音信号增强技术

在电力电缆故障精确定位中声磁同步法由于具有精度高与抗干扰能力强的优点而得到广泛的应用,但放电声音信号的有效检测是其难点。由于小波包变换在检测正常信号中是否含有瞬态异常现象方面具有独特的优势,自适应滤波器具有对信号和噪声的先验知识需求少的特性以及遗传算法具有不依赖于具体问题的优点,提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。实验研究表明,该算法精确性高、鲁棒性强,尤其适用于电缆故障点放电声不明显时声音信号提取的情况,从而解决了电缆故障精确定位中对背景噪声要求高、识别范围小的问题。     

基于最小秩修正的结构损伤识别方法

提出一种改进的最小秩修正法.通过引入损伤定位向量,首先确定损伤单元的个数,再由最小秩修正法求解损伤程度.该方法较好地解决了运用最小秩修正法时必须采用正确的模态个数的问题.以一个平面桁架结构为例验证该方法,并对测量噪音的影响进行讨论.结果表明,所提方法是准确可靠的,且对测量噪音有很强的鲁棒性.