MCKD在一种新型随机共振系统下的转动体故障诊断研究

为解决由高阶项限制引起的输出饱和问题,利用分段势函数抗饱和的优良特性,提出了一种新的非饱和三稳二阶随机共振(UTSOSR)系统。首先,通过仿真实验验证了该系统能够显著改善经典三稳二阶随机共振系统的输出饱和问题。其次,基于绝热近似理论,推导出UTSOSR系统的稳态概率密度,平均首次通过时间和功率谱放大因子(SA),并通过分析系统各参数对这些性能指标的影响,来更加深入地探究系统的动力学行为。将SA和信噪比增益(Gsnr)作为评价指标,通过数值仿真验证了UTSOSR系统具有更优越的信号增强和抗噪声性能。同时,为了获得更优的输出性能,将最大相关峭度解卷积(MCKD)与UTSOSR系统相结合,提出MCKD-UTSOSR方法对目标信号特征进行提取。最后,联合遗传算法和变步长网格优化算法寻找MCKD-UTSOSR方法的最优参数,并应用于转动体微弱故障信号检测。数据分析结果表明,MCKD-UTSOSR方法相比于其他方法,其信噪比提升了1.1289~23.5854 dB,谱峰峰值提升了88.423~7488.118133,为实际工程中高效的信号处理和故障检测提供了创新和可靠的解决方案。

基于双输入信号驱动的耦合分段对称三稳随机共振的轴承故障检测

为解决传统双输入信号驱动的二维三稳随机共振系统(two-dimensional tri-stable stochastic resonance system driven by dual-input signals, DTDTSR)所存在的输出饱和和信号放大差等问题,独创性地提出了一种全新的系统:双输入信号驱动的耦合分段对称三稳态随机共振系统(coupled piecewise symmetric tri-stable stochastic resonance system driven by dual-input signals, DCPSTSR)。首先深入研究系统输出饱和性的问题,为系统性能的优化提供了关键理论基础。其次,在绝热近似理论的框架下,推导了系统的输出谱放大函数(spectral amplification, SA)。详尽分析了系统参数对其的影响,为更深层次的理解提供了理论支持。进一步,通过数值模拟对DCPSTSR、耦合分段对称三稳态随机共振系统(coupled piecewise symmetric tri-stable stochastic resonance system, CPSTSR)和DTDTSR系统进行了全面比较,结果明确指出DCPSTSR系统在输出谱放大函数方面显著优越于其他系统。最后,通过遗传算法对系统参数进行了精密优化,并将其成功应用于轴承故障检测。实验结果验证了DCPSTSR系统在性能上的卓越表现,为未来理论研究和工程应用提供了有力的理论支持和可行性验证。这一设计以及其在轴承故障检测方面的成功应用,为共振系统领域的进一步研究和实际应用提供了新的方向和范例,具有重要的科学和工程价值。

基于SSA和双稳随机共振的车削颤振微弱特征提取

围绕车削颤振激发过程,针对车削颤振过渡阶段特征微弱且存在噪声和转频干扰的问题,提出一种基于麻雀优化算法(sparrow search algorithm, SSA)和双稳随机共振(bistable stochastic resonance, BSR)系统的车削颤振微弱特征提取方法。该方法利用SSA优良的寻优特性,以信噪比作为优化指标确定最佳BSR系统参数,用优化后的参数对车削颤振信号进行滤波处理,提取颤振特征频率。仿真试验表明SSA-BSR方法可以实现对强噪声背景下微弱特征信号的提取与增强,同时兼顾寻优速度快和获得全局最优解概率高的优点。开展车削颤振检测试验,颤振激发过程的加速度信号图谱分析结果验证了车削颤振特征频率幅值与颤振激发程度之间的相关性;不同模型在车削颤振过渡阶段特征提取的对比结果验证了SSA-BSR模型的有效性和优越性,并且能够满足车削颤振检测对实时性的要求,实现在进入剧烈颤振阶段前发出预警,为量化车削颤振和车削颤振在线监测提供一种新思路。

基于三稳态随机共振的ZPW-2000移频信号检测方法研究

针对ZPW-2000移频信号谐波干扰检测技术在抑制噪声时,不可避免损害有用信号的问题,提出三稳态随机共振系统,将部分噪声能量向移频信号能量转化,减少移频信号能量损失。首先,将移频信号的中心频率从较高频段搬移到较低频段,着重研究移频信号的有用频段。选取尺度变化系数为1 000,保证输入信号在尺度变化的过程中满足数值计算的稳定性,使尺度变换后的小参数信号满足绝热近似理论。其次,使用混沌麻雀算法(chaos sparrow search optimization algorithm, CSSOA)优化三稳态随机共振系统,得到输出信噪比(signal-to-noise ratios, SNR)最大时的系统参数a、b、c以及γ。然后,将搬移至低频区段的移频信号输入至优化后的三稳态随机共振系统,实现信号降噪。最后,对降噪信号采用复调制快速傅里叶算法(zoom fast fourier transformation, ZFFT)实现低频信号的检测。仿真结果表明:对比三稳态随机共振系统处理前后移频信号频谱图,显示频域特征增强,在降噪的同时不损害移频信号的能量;以-5 dB为步长将噪声注入至移频信号时,输出信噪比至少可提升16.54 dB;降噪后的信号通过ZFFT算法解调能够完成ZPW-2000移频信号低频信号的检测。对比经验模态分解算法、小波阈值算法等算法处理不同信噪比的含噪移频信号,验证混沌麻雀算法优化的三稳态随机共振系统输出信噪比较大,降噪效果较好,具有良好的抗干扰能力。研究结果为实现在抑制噪声的同时减少移频信号能量损失提供参考。

基于改进多稳态系统随机共振的轴承微弱故障诊断

针对传统随机共振方法在强噪声背景下对轴承微弱故障诊断中存在严重的边频干扰问题,提出了一种应用改进多稳态随机共振模型进行轴承微弱故障诊断的方法.在高斯白噪声和周期性激励作用下,推导得到了改进多稳态系统的平均首次穿越时间和功率谱放大因子的解析表达式.研究发现,存在一组最优的参数使得改进多稳态系统的随机共振效应最大化.将改进的多稳态随机共振模型应用于轴承内外圈的微弱故障诊断,并利用量子粒子群优化算法对系统参数和阻尼系数进行优化.研究结果表明,所提方法能够在强噪声背景下有效识别出微弱故障特征频率,且与传统多稳态随机共振方法相比,该方法解决了严重的边频干扰问题,输出信号特征频率处的频谱峰值更高,大大提高了轴承微弱故障诊断的性能.

阵列调制随机共振在微弱信号特征提取方面的应用

论述了阵列调制随机共振方法在强噪声背景下多频微弱信号特征提取中的工作原理和实现步骤;采用预先设定系统参数的多个并联非耦合随机共振单元形成阵列,将被测强噪声背景下的多频微弱信号分别与不同频率的载波进行调制,生成多个差频均为0.01Hz的信号作为各对应随机共振单元的激励信号,采用龙格-库塔算法求取各单元输出并进行频谱分析,根据0.01Hz处的信噪比判断在微弱信号中是否存在载波频率与差频值之和大小的频率分量,最后综合各个随机共振单元的检测结果生成微弱信号的频率特征向量;仿真结果表明,阵列调制随机共振在微弱信号特征提取方面效果明显,具有很好的应用前景。

PSO算法下GP-周期随机共振的微弱OFDM信号检测

为了解决传统随机共振系统在微弱正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号解调应用中存在的人工选择参数困难、解调效果差的问题,提出一种基于粒子群优化(Particle Swarm Optimization,PWO)算法的GP(Gaussian Potential)-周期随机共振系统的微弱OFDM信号检测方法。该方法利用GP-周期随机系统对OFDM信号经正交变换后的两路高频信号分别进行随机共振,同时运用阻尼参数与信号频率之间的关系对两路信号进行降频处理,使得上下两路信号都能够发生随机共振;然后使用PWO算法对随机共振的系统参数进行优化处理,以使得上下两路信号达到最优的共振效果;最后,将上下两路共振之后的信号合成完成OFDM信号解调,得到最终的数字序列。本文探讨了优化前后GP-周期随机共振系统的共振效果,研究了优化前后GP-周期随机共振诱导下的OFDM系统星座图的聚集程度以及误码率情况,对比分析了经典双稳随机共振、经典三稳随机共振和所提模型对OFDM信号检测的影响。仿真结果表明:相比常用的传统随机共振模型,该方法用于OFDM信号检测的星座图中信号点的聚集程度更高,同时OFDM系统误码率在同样的信噪比下降低50%左右。

双态噪声驱动的分数阶星型耦合网络的随机共振

本文研究了一类分数阶星型耦合网络模型的随机共振行为,该网络由一个中心粒子和多个耦合粒子组成,其中粒子的耦合强度受到双态噪声的扰动.本文将耦合粒子运动轨迹的算术平均值定义为系统的平均场,然后分别讨论了中心粒子和平均场的统计特征和共振行为.利用随机平均法及变换技巧,本文首先推导了中心粒子和平均场的一阶稳态矩和稳态响应振幅的表达式,然后分析了中心粒子和平均场的运动轨迹的一致性条件以及耦合粒子的同步条件,最后数值研究了中心粒子和平均场的共振行为.仿真结果显示,网络存在丰富的共振行为:中心粒子和平均场的稳态响应均可能出现“单峰共振”“单峰-单谷共振”“单谷-单峰共振”及“逆共振”等共振行为,说明中心粒子和平均场的稳态响应对参数的依赖性很高.此外,本文还基于中心粒子和平均场的稳态响应振幅给出了模型的共振区.本研究可望为分数阶星型网络共振行为的控制提供理论基础.

基于随机共振的水下目标微弱回波信号增强检测

针对低信噪比下主动声呐探测水下目标的微弱回波信号检测难题,本文提出了一种基于随机共振的微弱回波信号增强检测方法。该方法通过建立频移变尺度随机共振系统,与输入高频微弱回波信号、随机噪声相匹配,实现微弱回波信号的共振增强;进而利用乘积谱与谱峭度构建目标回波亮点增强检测指标,有效提升微弱回波亮点的能量集中程度,抑制杂波及虚假成分干扰。仿真结果表明:在低信噪比下,随机共振系统输出信噪比增益可达5 dB以上,微弱目标回波亮点检测结果更加直观便捷,杂波干扰得到大幅抑制。海试数据处理结果进一步验证了所提方法的有效性和可靠性。

基于YOLOv5s和双稳随机共振的夜间车辆检测算法

针对夜间车辆检测过程中光照不强导致漏检误检的问题,基于YOLOv5s和双稳随机共振提出一种改进的夜间车辆检测算法。YOLOv5s从4方面进行改进:1)在Backbone和Neck中更换细小结构,提高网络对小目标的检测能力;2)加入由坐标注意力CA和能量注意力SimAM构成的双注意力机制,提高网络对目标的特征提取能力;3)采用轻量化骨干Fasternet,减少模型参数量;4)在Head中采用WIoU损失函数,加快边界框回归损失的收敛速度。利用经典的双稳随机共振对夜间车辆数据集进行低照度图像增强,分析其有效性,并将增强后的夜间车辆图像传入改进的YOLOv5s网络进行训练。实验结果表明,相较于原始YOLOv5s,融合改进的YOLOv5s和双稳随机共振的夜间车辆检测算法在执行远景小目标以及密集遮挡的夜间车辆检测任务时具有更高的准确率和更低的漏检率。

基于随机共振-反向传播算法的压电选针器渐变失效检测

针对压电式选针器在提花过程中故障特征难以判断的问题,提出了一种基于随机共振-反向传播(SR-BP)算法的压电选针器渐变失效检测方案。研究压电选针器提花过程中驱动件的运动状态及其双向压电效应产生的电信号,对渐变失效状态下的压电陶瓷驱动件内部电信号进行随机共振(SR)故障诊断。提取振动序列的时域及频域参数与SR参数生成训练样本,通过算法使特征参数匹配出最优SR参数,将压电选针器振动信号与噪声信号混入SR参数形成的非线性系统中,观察该系统输出量的时域和频域变化达到快速检测故障的目的。研究结果表明:选针器失效后时域特征在30~350 Hz将发生明显差异,全参数的SR-BP故障检测方法的精确度可达到97.5%,信噪比达到7.36 dB,可有效地对压电选针器进行故障检测。

调制信号驱动的时滞非对称双稳系统的随机共振

本文研究了一类同时包含调制信号及加性噪声的时滞非对称双稳系统的随机共振.本文首先基于小时滞近似理论推导了系统的有效势和稳态概率密度,分析了系统参数对有效势阱的影响.然后,本文利用绝热近似理论得到了系统的平均首通时间及信噪比,分析了信号振幅、时滞及时滞强度对平均首通时间和信噪比的影响,结果显示:信号振幅和时滞促进随机共振,时滞强度则先抑制后促进随机共振.从随机共振控制的角度看,调节势函数的对称性较调节时滞或时滞强度更有效.

含信号调制噪声和频率波动的时滞分数阶振子的随机共振

本文研究了含信号调制噪声和频率波动的小时滞线性分数阶振子的随机共振.利用分数阶Shapiro-Loginov公式和Laplace变换技巧,本文首先推导了系统响应的一阶稳态矩和稳态响应振幅增益(Output Amplitude Gain, OAG)的解析表达式,然后讨论了分数阶、时滞和噪声参数对OAG的影响.结果显示:各参数对OAG的影响均呈现非单调变化的特点,表明系统出现广义随机共振.特别地,分数阶与时滞的协同作用可能诱导随机共振的多样化.这就为在一定范围内调控随机共振提供了可能.

强噪声与非周期脉冲激励下单稳系统的随机共振及应用

随机共振是噪声背景下非线性系统对微弱特征信号的最优响应,能够对微弱特征信号进行增强。偏置单稳态系统相较于传统的双稳态系统,对非周期脉冲激励具有良好的共振特性。然而,非线性系统的参数影响系统的最优输出,对不同的非周期脉冲激励,系统难以自适应调节。针对上述问题,该研究强噪声与非周期脉冲激励下偏置单稳态自适应随机共振。首先,基于优化算法实现不同非周期脉冲激励下的自适应随机共振。然后,以强噪声背景下钢丝绳漏磁检测信号为应用对象,经偏置单稳态系统自适应随机共振输出后,以峰峰值作为损伤特征演化评价指标,评估不同微弱损伤特征间的差异。同时,应用偏置单稳态自适应随机共振法和自适应移位平均法对强噪声背景下钢丝绳漏磁信号进行对比分析,以峰峰值增益和信噪比增益为指标,结果表明偏置单稳态自适应随机共振法效果优于自适应移位平均法。最后,讨论了噪声强度对单稳态自适应随机共振的影响,发现偏置单稳态自适应随机共振具有较强的抗噪能力。

基于RACS-TFODF自适应随机共振系统的轴承故障诊断应用

针对传统随机共振系统(Stochastic resonance,SR)的参数选择和未考虑历史信息影响随机共振效果的问题,提出一种基于改进布谷鸟算法(Ranking-based Adaptive Cuckoo Search,RACS)的自适应改进势模型随机共振方法。首先,对大参数信号进行移频尺度变换处理,使其满足SR的绝热近似理论要求;其次,提出一种时延分数阶偏置非线性过阻尼随机共振系统(Time-delayed Overdamped Stochastic Resonance System with Fractional Deflection Nonlinearity,TFODF-SR),并研究势模型参数对随机共振效果的影响;进而利用以信噪比作为评价函数的RACS算法自适应确定随机共振系统的结构参数;最后经过时、频域分析提取出滚动轴承故障特征。通过仿真与实测实验分析对所提出方法相比于传统SR系统及没有引入时延反馈项的ODF系统(Overdamped System with Fractional Deflection Nonlinearity,ODF)在滚动轴承故障提取上的有效性和优越性进行验证。

面向小型载荷的宽带通信信号随机共振检测方法

随着人工智能等领域的飞速发展,无人机在各个领域,尤其是现代战争中发挥着越来越重要的作用。无人机凭借其强大的灵活性和高隐蔽性优势,对现代作战具有颠覆性影响。在无人机执行战场侦察、监视、通信、电子干扰、雷达诱骗、激光制导等任务的过程中,及时探测敌方辐射信号尤为重要。随机共振方法利用特定非线性系统可以使输入其中的信号与噪声在一定条件下产生协同作用的特点,将噪声的能量转移到信号中来放大信号,是常用的微弱信号检测方法之一。窄带信号的随机共振检测技术已趋于成熟。而对小型载荷无人机监视、通信等场景下的微弱宽带通信信号,现有随机共振检测方法直接采用窄带信号的时域能量检测方法,并未基于宽带信号特点设计专门的检测方法,低信噪比条件下检测性能受限。为了满足对微弱宽带通信信号的检测要求,本文以常用的宽带通信信号为研究对象,对于单通道接收场景,提出基于宽带信号局部频谱的随机共振信号检测方法,该方法与传统的随机共振信号检测方法相比性能提升约6 dB。其次,对于更低信噪比的情况,提出一种随机共振与互相关检测相结合的双通道协同检测方法,并提出基于随机共振后两路互相关系数最大化的系统参数优化准则。典型场景下的仿真分析表明,对于单通道接收的低信噪比微弱宽带通信信号,局部频谱法可以有效提升检测性能;对于更低信噪比宽带通信信号,采用随机共振处理后的双通道互相关检测可以进一步提升检测性能。

强噪声下轴承故障频率的粒子群随机共振提取

为了提取强噪声背景下轴承故障的特征频率,设计了基于变尺度随机共振系统的有用信号增强方法。介绍了滚动轴承结构和不同位置故障的特征;分析了随机共振理论仅适用于低噪声、小频率的问题,针对性地设计了变尺度随机共振系统,扩展了该理论的应用范围;并提出了多行为粒子群算法的随机共振系统参数优化方法。经仿真验证,在信噪比为-20 dB的强噪声背景下,变尺度随机共振系统仍能够有效提取有用信号中的故障特征频率;经西安交通大学公开轴承实验数据集XJTU-SY验证,在强噪声背景下,采用稀疏重构法提取的故障特征频率仍被淹没在附近频域中,而变尺度随机共振系统提取的故障特征频率在159.7 Hz明显凸显,且提取的故障特征频率更接近真实值。实验结果表明,在强噪声背景下,变尺度随机共振系统能够有效提取振动信号中的故障特征频率。

基于随机共振的井下无线电磁2FSK信号解调

井场及周边电器所带来的噪声干扰会对接收到的无线电磁2FSK调制信号产生影响,在信噪比低时提取信号特征困难。为此,提出了一种基于浣熊算法的自适应双稳态随机共振系统,以降低2FSK信号的误码率。该方法充分利用浣熊算法的全局探索和局部优化平衡能力,通过并行选择和优化随机共振系统的多个参数,以获得系统输出的最大信噪比增益。利用卷积神经网络对随机共振系统输出的信号进行解调,并评估其误码率。仿真和试验结果表明,在低信噪比条件下,基于浣熊算法的随机共振系统输出信号的特征频率相对于蚁群优化算法更加显著,并且具有更低的误码率。研究结果可为井下信号实时传输提供技术支撑。

基于卷积神经网络的多噪声随机共振研究

针对噪声增强卷积神经网络缺少考虑噪声类型对模型性能影响的问题,提出了一种改进的噪声增强卷积神经网络算法,使用整流线性函数作为激活函数,向输出神经元分别加入均匀噪声、高斯噪声和拉普拉斯噪声,对比研究了不同噪声类型下卷积神经网络中存在的噪声增益。MNIST数据集上的仿真实验结果表明,改进的噪声增强卷积神经网络具有更高的分类准确率,同时发现拉普拉斯噪声为模型的最优噪声类型。

自构建关联噪声下的随机共振及其在故障诊断上的应用

轴承作为旋转机械的重要组件之一,及时对其进行健康监测与更换可有效避免设备停机,减少经济损失。首先基于自构建关联噪声驱动下的随机共振系统(stochastic resonance system driven by self-constructingly correlated noise, DSCSR),推导了在正弦激励下该系统输出的理论信噪比(signal-to-noise ratio, SNR)。研究发现通过调节此非线性系统的参数可观察到随机共振现象。其次,针对将随机共振现象用于故障诊断时需要准确的先验知识这一局限性,进一步提出了基于功率谱的信噪比评价指标,并以此来确定非线性系统随机共振发生时的最优系统参数,对最优参数系统输出信号进行功率谱分析来判断故障类型。最后,通过轴承故障诊断试验以及实际风机轴承内圈故障实例证明了DSCSR方法的有效性,以及其增强微弱故障特征并抑制其他谐波以及噪声的干扰的能力。