基于tsPSO算法的阵列自适应随机共振方法研究

发布时间：2018-01-20 06:12

  本文关键词： 随机共振 阵列 自相关分析 自适应 tsPSO算法　出处：《机械强度》2017年06期 　论文类型：期刊论文

【摘要】：针对传统随机共振方法存在的单级自适应随机共振方法输出响应信噪比低、参数自适应时间长且阵列随机共振方法参数设置困难等不足,提出了一种基于带极值扰动的简化粒子群(Extremum Disturbed and Simple Particle Swarm Optimization,tsPSO)算法的阵列自适应随机共振方法,实现了强噪声背景下大参数微弱信号的有效、快速检测。首先,采用并联随机共振系统,通过对各子系统的输出响应进行自相关分析并合成提高最终输出响应的信噪比;其次,在每个并联子系统中,通过随机共振系统级联的方式进一步提高输出响应的信噪比;最后,以信噪比为适应度函数,对每个子系统的参数进行自适应选择,并通过变换尺度分段搜索和采用ts PSO算法缩短参数自适应的时间。仿真实验和工程应用结果验证了该方法的有效性。
[Abstract]:In this paper , an array adaptive stochastic resonance method based on a simplified particle swarm optimization ( PSO ) algorithm with extreme disturbance is proposed to improve the signal - to - noise ratio of a large parameter weak signal . First , a parallel stochastic resonance system is adopted to adaptively select the parameters of each subsystem by means of a random resonance system cascade . Finally , the parameters of each subsystem are adaptively selected by means of a random resonance system cascade . Finally , the parameters adaptation time is shortened by means of the transform scale segmentation search and the ts PSO algorithm . The simulation experiment and engineering application result validate the validity of the method .

【作者单位】： 海军航空工程学院;91079部队;
【分类号】：TH17
【正文快照】： 出了随机共振(Stochastic Resonance,SR)理论,并由此引言得到广泛的关注。随机共振现象是一种非线性现象,强噪声背景下的微弱信号检测,是信号检测与处它在一定条件下,将部分高频噪声能量转移到低频信理领域的研究热点,也是机械故障诊断与预测领域的号上,在降低噪声的同时能够

【相似文献】

相关期刊论文 前10条

1 向家伟;崔向欢;王衍学;蒋勇英;高海峰;;轴承故障诊断的最优化随机共振方法分析[J];农业工程学报;2014年12期

2 董华玉;李金寿;翟链;;早期故障信号基于调制随机共振的核主元检测[J];昆明理工大学学报(自然科学版);2014年04期

3 刘鎏;闫云聚;常晓通;袭著有;;随机共振与响应灵敏度相结合的结构损伤检测方法[J];西南交通大学学报;2013年05期

4 任立通;谢寿生;胡金海;余坚;王磊;苗卓广;;基于稳定约束的自适应随机共振转子故障检测方法[J];推进技术;2013年10期

5 雷亚国;韩冬;林京;何正嘉;谭继勇;;自适应随机共振新方法及其在故障诊断中的应用[J];机械工程学报;2012年07期

6 焦尚彬;李鹏华;张青;黄伟超;;采用知识的粒子群算法的多频微弱信号自适应随机共振检测方法[J];机械工程学报;2014年12期

7 朱维娜;林敏;;基于人工鱼群算法的轴承故障随机共振自适应检测方法[J];振动与冲击;2014年06期

8 曹伟青;傅攀;李晓晖;;刀具磨损早期故障智能诊断研究[J];中国机械工程;2014年18期

9 谭继勇;陈雪峰;雷亚国;何正嘉;;自适应移频变尺度随机共振在故障诊断中的应用[J];西安交通大学学报;2009年07期

10 冯锁魁;;可变约束与自适应机械综合设计的要点研究[J];科技视界;2012年06期

相关博士学位论文 前5条

1 曹伟青;机械早期故障弱信号提取及智能诊断研究[D];西南交通大学;2015年

2 李建龙;随机共振的参数调节方法及在信号处理中的应用[D];浙江大学;2005年

3 陆思良;基于随机共振的微弱信号检测模型及应用研究[D];中国科学技术大学;2015年

4 杨定新;微弱特征信号检测的随机共振方法与应用研究[D];国防科学技术大学;2004年

5 王胜春;自适应时频分析技术及其在故障诊断中的应用研究[D];山东大学;2007年

相关硕士学位论文 前10条

1 王婕;基于随机共振和混沌理论的行星齿轮箱微弱信号检测方法研究[D];电子科技大学;2014年

2 谯自健;基于随机共振理论的微弱信号检测方法研究及应用[D];兰州理工大学;2015年

3 李培;基于多稳随机共振的机械微弱故障信号特征提取方法研究[D];燕山大学;2016年

4 孙浩宇;基于随机共振的风电机组轴承早期微弱故障信号检测[D];燕山大学;2016年

5 房京祥;基于随机共振和LMD的微弱信号检测技术研究[D];天津大学;2014年

6 苏云升;基于改进二维互补随机共振的微弱信号检测方法及应用研究[D];安徽大学;2017年

7 赵跃;随机共振系统的脉冲响应与恢复研究[D];天津大学;2016年

8 吴恩浩;基于多尺度随机共振谱的滚动轴承故障诊断方法研究[D];中国科学技术大学;2017年

9 张仲海;基于随机共振的滚动轴承微弱特征检测技术应用研究[D];天津大学;2012年

10 耿翠珍;双稳态随机共振系统后处理的研究[D];浙江大学;2004年

，

本文编号：1447159