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。     

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。     

双频信号作用下的单稳随机共振数值研究

在振动共振的基础上,研究了非线性单稳随机共振系统在高、低两种不同频率作用下的动力学特性,分析得出高频信号可以使系统产生分岔,而低频信号幅值及单稳系统非对称参数是系统跃迁阈值的影响因素,调节高、低频信号参数可改变势垒高度,诱发单稳随机共振效应。理论分析和数值仿真结果表明,在绝热近似条件下,单稳随机共振系统输出信号的信噪比及功率谱均呈非单调变化,同时通过级联后单稳系统输出的效果更佳,冲击信号仿真分析表明该类型随机共振系统有利于工程实际。     

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.     

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。     

分段非对称随机共振系统微弱信号检测EI北大核心CSCD

作为一种重要的信号处理方法,随机共振(SR)能够利用噪声能量增强微弱信号,有效降低噪声信号对特征提取的影响。针对分段对称系统模型随机共振幅值增益不够明显及噪声利用率较低等不足,提出一种分段非线性系统模型。该系统参数独立,易于调节,可通过调节参数诱导最佳随机共振。在双稳态模型下,推导了克莱默斯(Kramers)逃逸率和输出信噪比,同时在模型公式仿真和数值仿真两方面与分段对称系统进行对比分析,用于说明该方法的有效性。结果表明该方法能够有效地提取特征频率,具有良好的放大性能和抗噪声能力。最后将系统应用于不同型号的轴承故障检测,并用自适应智能算法最优化系统参数。结果显示,非对称系统的输出幅值分别为对称系统的8倍,3倍和6倍。数据表明,非对称系统能更有效地实现微弱特征检测与早期故障诊断。该研究进一步对系统在实际工程应用提供了理论指导与依据。     

随机共振用于微弱信号检测时的结构参数研究

分析了参数调节随机共振中系统结构参数对输出效果的影响,通过仿真,得出了不同参数条件下系统输出效果,同时,分析了信噪比随结构参数的变化关系,定量的描述了系统结构参数对输出的影响,根据仿真结果,总结了随机共振用于微弱信号检测时的参数调节策略,为参数调节随机共振提供了一个具体可行的操作步骤。     

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。     

基于随机共振预处理的振动故障特征提取研究

为有效降低噪声对机械故障特征提取结果干扰,提高故障特征集分类性能,提出基于随机共振(SR)预处理的故障特征提取方法。用随机共振方法对振动信号预处理,提高输出信号信噪比,增强信号频率特性;将随机共振输出信号用于特征集提取。为验证随机共振对信号预处理效果,分别提取基于时域、频域及时频域分析的故障特征集用于故障诊断;用转子试验数据对该方法所取特征集进行检验。结果表明,经随机共振处理后提取的各特征集与原始数据提取的特征集相比,均表现出较好分类性能,且其诊断结果的确定性较原始特征好,有望应用于工程实际。     

最优小波包基算法在爆破振动信号去噪中的应用

为比较基于Shannon熵准则的最优小波包基信号去噪算法的优越性,采用延期时间分别为22 ms、45 ms和75 ms高精度雷管进行台阶爆破试验,对监测的振动信号分别用基于小波变换去噪算法和基于Shannon熵准则的最优小波包基信号去噪算法进行对比并计算2者方法的峰值信噪比.结果表明:基于Shannon熵准则的最优小波...     

关于Volterra频域核辨识的多音激励信号设计

为解决非线性系统辨识多音激励信号的设计问题,提出了一种多音激励信号的设计方法.该方法首先研究了多音激励下Volterra核的频域输出特性,推导出了前3阶Volterra核的频域输出的计算公式,进而采用全局搜索法搜索最优频率分量,使非线性系统在多音信号激励下,各阶核的频域输出分量互不重合,从而达到系统可辨识的条件.对一非线性电路,采用所设计的激励信号,可辨识出该电路的前3阶Volterra频域核,验证了该方法的有效性.     

改进多尺度符号动力学信息熵及其在行星变速箱特征提取中的应用

针对行星变速箱在运行时产生的非线性非平稳振动,且故障特征信号微弱等问题,提出一种新的特征提取方法——改进多尺度符号动力学信息熵。在传统的符号动力学信息熵原理的基础上,通过改进传统方法的符号化过程,在考虑条件概率情况下计算信息熵,并引入多尺度概念,使得所提特征具有更大优势。最后求解行星变速箱故障模拟试验台采集到的三种状态下的振动信号改进多尺度符号动力学信息熵,并基于提出的特征评价指标对改进多尺度符号动力学信息熵、时频熵、排列熵、样本熵等特征的计算结果进行了对比。结果表明,该方法能够有效的提取行星变速箱运行状态特征,具有更高的敏感度。     

一种基于DOA分布信息熵加权的线谱目标检测方法

针对常规宽带能量检测方法对低信噪比线谱目标检测性能较差的不足,文章在分析目标线谱波达方向(Direction of Arrival,DOA)估计分布信息熵的基础上,提出一种基于DOA分布信息熵加权的线谱目标检测方法.通过仿真对比分析了该方法的检测性能,并利用海上实验数据验证了其有效性.结果表明,当目标方位较为稳定时,该...     

一种基于广义互相关的水声直扩信号检测方法

直扩信号因其低功率谱密度特性使得检测十分困难,针对传统自相关法在低信噪比条件下检测性能急剧下降的问题,在分析了直扩信号自相关特性的前提下,提出一种基于广义互相关估计的直扩信号检测方法.首先对接收信号分段并对相邻信号段分别进行广义互相关估计,估计结果采用二阶矩非相干积累,提取相关峰获得检测统计量,将检测统计量与门限比较,...     

基于LMD-MFE和DHMM的滚动轴承故障诊断算法

针对滚动轴承在恶劣环境影响下,其特征信息难以被有效提取出来的问题,提出一种基于局部均值分解(Local Mean Decomposition,LMD)和多尺度模糊熵(Multiscale Fuzzy Entropy,MFE)的滚动轴承故障诊断算法。首先,利用LMD对轴承振动信号进行分解,得到一系列乘积函数(Product function,PF)分量,并与经验模态分解(Empirical Mode Decomposition,EMD)进行对比,分析其优越性;然后对每一个分量分别提取MFE特征,同时与多尺度样本熵(Multiscale Sample Entropy,MSE)进行对比,分析MFE的优越性;最后结合各个轴承状态的类间平均距离对多个尺度因子下的熵值进行优选,筛选出可分性良好的敏感特征集,并输入到离散隐马尔科夫模型(Discrete Hidden Markov Models,DHMM)模式分类器中对轴承故障类型进行诊断识别。实验结果表明,所提出的基于LMD和MFE的轴承故障诊断算法能较好识别出多种轴承故障类型。     

Quantifying selection and diversity in viruses by entropy methods, with application to the haemagglutinin of H3N2 influenza

Many viruses evolve rapidly. For example, haemagglutinin (HA) of the H3N2 influenza A virus evolves to escape antibody binding. This evolution of the H3N2 virus means that people who have previously been exposed to an influenza strain may be infected by a newly emerged virus. In this paper, we use Shannon entropy and relative entropy to measure the diversity and selection pressure by an antibody in each amino acid site of H3 HA between the 1992–1993 season and the 2009–2010 season. Shannon entropy and relative entropy are two independent state variables that we use to characterize H3N2 evolution. The entropy method estimates future H3N2 evolution and migration using currently available H3 HA sequences. First, we show that the rate of evolution increases with the virus diversity in the current season. The Shannon entropy of the sequence in the current season predicts relative entropy between sequences in the current season and those in the next season. Second, a global migration pattern of H3N2 is assembled by comparing the relative entropy flows of sequences sampled in China, Japan, the USA and Europe. We verify this entropy method by describing two aspects of historical H3N2 evolution. First, we identify 54 amino acid sites in HA that have evolved in the past to evade the immune system. Second, the entropy method shows that epitopes A and B on the top of HA evolve most vigorously to escape antibody binding. Our work provides a novel entropy-based method to predict and quantify future H3N2 evolution and to describe the evolutionary history of H3N2.     

CEEMDAN 小波包联合降噪的优化方法

针对实测隧道爆破振动信号降噪效果不理想的问题,引入多尺度排列熵的概念,用来筛选含噪明显的本征模态分量,并结合SG（savitzky-golay）平滑滤波方法提出了一种完备的自适应噪声经验模态分解（CEEMDAN）和小波包联合降噪的优化方法,通过信噪比(SNR)、均方根差(RMSE)、相关系数、自相关系数对仿真实验和实测信号处理结果进行对比分析。结果表明,CEEMDAN 小波包联合降噪优化方法提高了信号降噪效果,且有效保留了原始信号中的特征信息,可以应用到类似爆破振动信号的降噪处理中。     

基于分数阶功率谱熵的未知水声脉冲信号检测方法

水声侦察的核心问题是在无先验知识条件下捕获其他平台发射的脉冲信号,单频(Continuous Wave,CW)信号和调频(Frequency Modulation,FM)信号是常用的水声探测脉冲.功率谱熵算法能有效检测低信噪比的CW信号,但对FM信号性能不佳,分数阶傅里叶变换(Fractional Fourier Tr...