基于频率调制随机共振的弱周期信号检测

将调制技术与随机共振原理相结合,提出用频率调制随机共振的方法,实现在大参数情况下从强噪声中检测微弱周期信号,并对随机共振技术运用于强噪声背景下的弱信号检测进行研究。分析调频信号的频谱,发现其含有的低频信号通过双稳系统易产生随机共振,数值分析及仿真结果表明该方法能使微弱的故障信号特征突出、明显而易于捕捉。     

基于变尺度频移带通随机共振的多频微弱信号检测方法

针对噪声背景下多频微弱信号检测难题,提出一种基于变尺度频移带通随机共振的多频微弱信号检测方法。首先对信号不同频段进行频率变尺度二次采样压缩处理,使每个频段满足随机共振条件。再经过随机共振系统使多个微弱信号频率成分分别得到增强,各段增强信号在合成前对各个频段的共振输出进行带通滤波处理,只保留增强段的信号成分。最后将得到的分段加强信号进行合成,实现多频微弱信号的检测。仿真和实际信号分析结果表明,所提方法简单易行,很好地实现了多频微弱信号的检测,能有效提高信噪比,具有良好的工程应用前景。     

外加周期信号控制下的随机共振及其应用

分析了双稳系统的Kramers逃逸率与外加周期信号参数的关系,揭示了外加周期信号通过调节Kramers逃逸率影响微弱周期信号的随机共振效应,从而人为地产生或增强随机共振,实现随机共振的有效控制.数值仿真和实验结果表明,外加周期信号控制下的随机共振,可以增强双稳系统输出功率谱在微弱周期信号频率处的谱值,检测出强噪声中的微弱信号,在涡街频率检测方面的应用是可行和有效的.     

基于VMD和变尺度多稳随机共振的微弱故障信号特征提取方法

针对强噪声背景下旋转机械早期故障诊断的难题,提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解(variational mode decomposition, VMD)算法对微弱故障信号进行分解, 得到若干本征模态分量(intrinsic mode function, IMF);然后通过峭度准则筛选出其中峭度最大的IMF分量;最后对该IMF分量进行变尺度多稳随机共振, 实现微弱故障信号的增强。实例表明:在强噪声背景下,利用参数优化VMD分解与变尺度多稳随机共振相结合的方法,可以有效提取出微弱信号特征频率,实现旋转机械故障状态的准确判断。     

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。     

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。     

双稳系统噪声特性的分析与弱信号检测的研究

研究了噪声通过双稳系统其能量向低频区集中的频谱特性，并根据绝热近似理论，得出只有在噪声能量集中的低频区域才能产生随机共振(SR)主谱峰的结论。提出频率压缩变换的SR方法，分析了绝热近似SR技术在大参数条件下从强噪声中检测弱信号的应用。仿真结果表明，只要双稳系统输入端的信噪比不低于-30 dB，且实测采样频率不小于弱周期信号频率的50倍，就可由双稳系统的响应谱得到弱周期信号频率处的SR谱峰值特征。达到识别弱信号的目的。     

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.     

双稳系统随机共振效应的数值分析

以绝热近似随机共振理论为基础,分析了双稳系统随机共振模型,研究系统参数、噪声强度、信号幅值和频率变化对双稳系统随机共振效应的影响。通过分析得出,输入信号和系统参数一定时,系统发生随机共振所需要的噪声存在一个最佳强度;信号幅值的增大有利于随机共振效应的产生;信号频率的增大将使输出功率谱信号频率处谱峰逐渐离开噪声能量集中的低频区,且谱峰幅度逐渐减小,随机共振效应逐渐弱化消失。针对信号幅值、频率、噪声强度超出绝热近似理论的小参数要求而成为大参数,对变尺度方法实现大参数信号的随机共振进行分析和评述。     

双稳系统处理微弱冲击信号的研究

双稳系统是研究随机共振的基础。在机械故障诊断中,应用双稳系统的随机共振可以提取淹没在强噪声中的故障信号。首先研究了脉冲信号通过双稳系统的响应,提出了设定迭代初值的脉冲信号检测方法。然后通过分析滚动轴承故障,验证了用双稳系统的随机共振处理含冲击故障信号的实用性。     

Nonstationary weak signal detection based on normalization stochastic resonance with varying parameters

The nonlinear stochastic resonance system possesses the ability of taking advantage of background noise to enhance the weak signal. It provides a new approach to detect the weak signal embedded with heavy noise. This study proposes a new varying parameter stochastic resonance employing the fourth-order Runge–Kutta numerical method as well as the normalized transformation of a bistable stochastic resonance system. The model performs well in the detection of a time-varying signal with background noise for denoising and signal recovery. We take the fitness coefficient and cross-correlation coefficient as the criteria and analyze the influence of different parameters. The simulating results indicate its availability, validity and that it generates a better performance than the traditional stochastic resonance. The method develops the area of time-varying signal detection with stochastic resonance and presents new strategy for detection and denoising of a time-varying signal. It can be expected to be widely used in the areas of aperiodic signal processing, radar communication, etc.     

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。     

基于改进耦合增强随机共振的滚动轴承故障诊断

针对强背景噪声下经典随机共振方法对滚动轴承故障特征提取效果差的问题,提出了一种基于改进耦合增强随机共振的滚动轴承故障诊断方法。首先,利用一个定参双稳系统和一个变参双稳系统构成耦合随机共振系统,外部输入直接作用于定参双稳系统;然后,通过调节变参双稳系统参数和耦合系数实现耦合系统的随机共振控制,并借助遗传算法实现控制参数的自适应选取。实验和工程应用验证了所提方法的有效性和优越性。     

基于AMD和自适应随机共振的旋转机械故障诊断方法研究

针对强噪声背景下信噪比较低的旋转机械故障诊断问题,提出一种基于解析模态分解(AMD)和随机共振的旋转机械故障诊断方法。若信号的频率成分已知,AMD方法能将多频率成分的信号分解为单频率信号。对于可预知故障特征频率的旋转机械故障诊断,首先利用AMD方法提取振动信号中故障特征频率所在频段的信号,并对每个提取出的信号添加强度较低的噪声;然后利用粒子群算法优化的双稳随机共振对含噪信号进行处理来加强信号;最后求该信号的频谱,若频谱中含有故障特征频率,则说明振动信号中存在该故障。通过对滚动轴承故障信号特征的提取证明了该方法有良好的效果。