多稳态匹配随机共振在机械早期故障特征提取中的应用

传统单稳态或双稳态随机共振方法的势函数稳态结构单一,难以匹配复杂多变的输入信号;固定尺度因子忽略了与势结构、输入信号之间的协同增强作用;且一阶系统易遭受低频噪声干扰,依赖高通滤波器辅助。因此,提出自适应二阶多稳态匹配随机共振方法,并应用于机械早期故障的微弱特征提取。该方法的优势在于:①多稳态势结构的多样性可与不同的输入信号实现有效匹配;②能实现输入信号、势结构、尺度因子三者之间的协同作用;③二阶多稳态随机共振能够抑制低频噪声干扰。仿真分析和机车轴承故障诊断案例表明:提出的方法相比单稳态和双稳态随机共振方法具有更强的微弱特征增强与提取能力。

基于多稳随机共振的机电设备故障诊断研究

针对机械轴承早期故障诊断提出了多稳随机共振检测方法。分析了系统参数对多稳系统结构的影响,研究了高斯噪声背景下基于多稳随机共振的微弱信号检测方法。采用平均输出信噪比作为衡量指标,以多频微弱信号为待测信号进行数值仿真,并将其应用于滚动轴承故障信号检测中,实验结果均表明,该方法对早期故障振动信号具备准确的诊断能力,为其应用于工程实践奠定了基础。

周期势增强随机共振机械故障特征提取方法

针对机械设备早期故障特征难以提取的问题,提出一种周期势函数增强随机共振的机械故障特征提取方法。该方法利用周期势函数的无限稳态结构和抗粒子运动饱和特性,并整合频移尺度变换,能够克服经典双稳态随机共振方法的饱和问题,有利于高速高精机械设备旋转部件早期故障微弱特征的增强与提取。对仿真和电机轴承实验分别用提出方法、经典双稳态随机共振方法和集成经验模式分解方法进行故障特征提取,结果表明提出方法优于集成经验模式分解方法,而且比经典双稳态随机共振方法有更好的增强效果,能够增强和提取微弱故障特征,实现高速高精机械设备电机轴承的故障诊断。

社会模拟算法优化的随机共振轴承故障诊断研究

针对经典双稳态随机共振在处理调制信号时的局限性和系统参数优化不足的问题,提出了一种社会模拟算法优化的多稳态随机共振轴承故障诊断方法.首先,对振动信号进行Hilbert包络解调和高通滤波;其次,采用频率交换与变尺度将高频特征信号变换到低频区;然后,以信噪比为自适应函数,利用社会模拟算法(Social Mimic Optimization,SMO)优化随机共振系统参数;最后,将变换后的振动信号输入随机共振系统,实现轴承故障诊断.通过实验数据分析证明了所提方法的有效性与优越性.

基于PSO和MSR的微弱信号检测方法研究

针对强噪声环境下,旋转机械系统的微弱信号难以得到准确检测的问题,提出了一种基于自适应权重粒子群算法(APSO)和自适应多稳态随机共振(SMSR)相结合的微弱信号检测方法。首先,使用自适应多稳态随机共振作为基本检测方法,并在数值求解输出信号时,引入了二次采样法(TS),解决了随机共振对高频信号适应能力差的问题;然后,以输出信噪比作为适应度函数,使用粒子群算法(PSO)优化了多稳态系统结构参数;采用全局最优点距离的方案,对惯性权重进行了自适应调整,将粒子群算法改善为自适应权重粒子群算法;最后,设置了混有高强度高斯噪声的正弦小信号仿真试验,在此基础上,使用该方法完成了对机械系统微弱故障诊断实验。研究结果表明:该方法可以准确地突显出161.1 Hz故障频率成分,同时能够得到描述实际机械系统运转状态的倍频成分,具有准确的微弱信号检测能力。