基于强噪声背景下随机共振的微弱故障诊断方法研究
发布时间：2021-08-27 07:54
本文主要研究基于强噪声背景下随机共振的微弱故障诊断方法,虽然众多学者也提出了利用随机共振解决机械微弱故障的方法,但这些方法都有不足及可改进完善之处。本文针对传统随机共振方法的不足,提出相应的解决方案,最后将所提方法应用于机械设备的微弱故障信号诊断。本文的研究内容主要包括以下几个方面:（1）针对传统算法噪声过滤不足,微弱信号难以提取的问题,提出多分量总体平均随机共振的微弱故障诊断方法,通过选取有效奇异值和有效集合经验模态分解分量,以达到降低噪声的目的,而后将选取的有效分量输入到随机共振系统并总体平均各有效分量,从而提取微弱故障特征;（2）针对经典随机共振系统势参数优化极易陷入局部寻优问题,根据混沌运动的遍历性,随机性等特点,在蚁群算法求解的基础上,利用混沌算法对解的邻域进行混沌优化,以实现参数匹配的全局寻优;（3）针对经典随机共振系统势模型势宽度和势垒高度同时调节的特性,研究约束势随机共振模型对微弱信号检测的影响,提出一种自适应约束势双稳随机共振方法,分析约束势随机共振系统模型,并应用于轴承的微弱故障和行星齿轮箱的实验验证;（4）针对经典双稳随机共振势模型参数匹配寻优问题,研究分段非线性...
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：120 页
【学位级别】：博士
【部分图文】：
图２－１不同形状的双稳态势阱??
北京科技大学博士学位论文有效奇异值个数；??取的Ａ：个有效奇异值（Ｊ，对应的分量信号ｆ移频变尺度处要求；??频变尺度处理后的分量信号＾输入到随机共振系统，利化随机共振的两个参数〃和６，得到ｙｔ个被增强的有效分ｔ个有效分量信号的总体平均值，最终提取出微弱故障证??证所提方法的有效性，仿真一个周期信号，采样频率为ｌ１００Ｈｚ，采样时间是０．３ｓ，如图３－１?（ａ）所示。为了模仿故障信号，向周期信号加入标准差为０．５的高斯白噪声，
在强噪声背景下可能为噪声干扰。??根据选取的前３个奇异值分别重构分量信号，每个分量信号的频谱图，??如图３－４所示。??Ｉ?Ｉ?１?＇?ｊ??Ｑ＿?Ｑ?ｖ．?－?／＊＇?－?Ｓｖｖｗ?－＿＿■．???－?？?．?－?．．?－?＾??０?—?１０００?２０００?３０００?４０００?５０００??ｎ?１?频率／ＨＺ??－〇．０５?ｆ?＾?；?＾?］??０?１?．?＞祕一．■?：??．??０?１０００?２０００?３０００?４０００?５０００??频率／ＨＺ??③?０．?１?ｐ．?—￣Ｃ?Ｃ?Ｃ?ｃ?－ｊ??＾?０．０５?Ｌ?ｉ?」??』板—?■?一?－?－??：??０?１０００?２０００?３０００?４０００?５０００??频率／ＨＺ??图３＿４有效分置信号频谱??由图３－４可知，分量信号６和户２高频段频率比较明显，但特征频率不在??其范围内，而分量信号尸３在低频段有明显频率，也无法识别目标频率，说明??对于强背景噪声下的微弱故障特征，仅ＳＶＤ降噪难以提取出特征频率，因??此，将３个有效分量信号分别输入到随机共振系统，首先采用移频变尺度处??理，由于目标频率是１００Ｈｚ，因此设定高通滤波器的通过频率和截止频率是??分别是９０Ｈｚ和８５Ｈｚ，调制频率为８５Ｈｚ，变尺度压缩率是４００，则预处理后??的目标频率被压缩为（］００－８５）／４００?＝?０．０３７５，满足小参数要求，利用蚁群算法??在０＜ａ＜１０
【参考文献】：
期刊论文
[1]基于模糊理论的柴油机故障诊断专家系统[J]. 尹新权,王珺,张亚萍. 工业仪表与自动化装置. 2015(01)
[2]单模激光增益模型的能量随机共振[J]. 张良英,金国祥,汪志云,曹力. 物理学报. 2015(03)
[3]基于QPSO-SVM的轴承故障诊断方法[J]. 杨光春,蹇清平. 机械传动. 2014(08)
[4]基于KPCA和PSOSVM的异步电机故障诊断[J]. 李平,李学军,蒋玲莉,曹宇翔. 振动.测试与诊断. 2014(04)
[5]基于改进交叉熵算法多目标不等间距阵列综合[J]. 边莉,车向前,张少卿. 上海交通大学学报. 2014(03)
[6]基于小波降噪和短时傅里叶变换的主轴突加不平衡非平稳信号分析[J]. 胡振邦,许睦旬,姜歌东,张东升. 振动与冲击. 2014(05)
[7]基于骨干微粒群算法和支持向量机的电机转子断条故障诊断[J]. 史丽萍,王攀攀,胡泳军,韩丽. 电工技术学报. 2014(01)
[8]基于粒子群优化SVM的飞机发电机故障诊断[J]. 和麟,梁丽嫒,黄潇瑶,马存宝. 计算机测量与控制. 2013(12)
[9]微弱信号检测系统设计[J]. 王仕元,李强,朱晓兵,陈圣俭. 电子科技. 2013(11)
[10]基于神经网络PID控制的颗粒物料称量系统[J]. 谢宇,韩保红,段云龙. 国外电子测量技术. 2013(09)
博士论文
[1]基于局域均值分解的旋转机械故障特征提取方法及系统研究[D]. 任达千.浙江大学 2008
[2]随机共振理论在弱信号检测中的应用研究[D]. 杨祥龙.浙江大学 2003
硕士论文
[1]基于小波分形理论的振动信号分析系统研究[D]. 李颖琼.浙江理工大学 2011
[2]基于神经网络专家系统的电机故障诊断研究[D]. 朱文.天津科技大学 2002
本文编号：3365967
【文章来源】：北京科技大学北京市 211工程院校 教育部直属院校
【文章页数】：120 页
【学位级别】：博士
【部分图文】：
图２－１不同形状的双稳态势阱??
北京科技大学博士学位论文有效奇异值个数；??取的Ａ：个有效奇异值（Ｊ，对应的分量信号ｆ移频变尺度处要求；??频变尺度处理后的分量信号＾输入到随机共振系统，利化随机共振的两个参数〃和６，得到ｙｔ个被增强的有效分ｔ个有效分量信号的总体平均值，最终提取出微弱故障证??证所提方法的有效性，仿真一个周期信号，采样频率为ｌ１００Ｈｚ，采样时间是０．３ｓ，如图３－１?（ａ）所示。为了模仿故障信号，向周期信号加入标准差为０．５的高斯白噪声，
在强噪声背景下可能为噪声干扰。??根据选取的前３个奇异值分别重构分量信号，每个分量信号的频谱图，??如图３－４所示。??Ｉ?Ｉ?１?＇?ｊ??Ｑ＿?Ｑ?ｖ．?－?／＊＇?－?Ｓｖｖｗ?－＿＿■．???－?？?．?－?．．?－?＾??０?—?１０００?２０００?３０００?４０００?５０００??ｎ?１?频率／ＨＺ??－〇．０５?ｆ?＾?；?＾?］??０?１?．?＞祕一．■?：??．??０?１０００?２０００?３０００?４０００?５０００??频率／ＨＺ??③?０．?１?ｐ．?—￣Ｃ?Ｃ?Ｃ?ｃ?－ｊ??＾?０．０５?Ｌ?ｉ?」??』板—?■?一?－?－??：??０?１０００?２０００?３０００?４０００?５０００??频率／ＨＺ??图３＿４有效分置信号频谱??由图３－４可知，分量信号６和户２高频段频率比较明显，但特征频率不在??其范围内，而分量信号尸３在低频段有明显频率，也无法识别目标频率，说明??对于强背景噪声下的微弱故障特征，仅ＳＶＤ降噪难以提取出特征频率，因??此，将３个有效分量信号分别输入到随机共振系统，首先采用移频变尺度处??理，由于目标频率是１００Ｈｚ，因此设定高通滤波器的通过频率和截止频率是??分别是９０Ｈｚ和８５Ｈｚ，调制频率为８５Ｈｚ，变尺度压缩率是４００，则预处理后??的目标频率被压缩为（］００－８５）／４００?＝?０．０３７５，满足小参数要求，利用蚁群算法??在０＜ａ＜１０
【参考文献】：
期刊论文
[1]基于模糊理论的柴油机故障诊断专家系统[J]. 尹新权,王珺,张亚萍. 工业仪表与自动化装置. 2015(01)
[2]单模激光增益模型的能量随机共振[J]. 张良英,金国祥,汪志云,曹力. 物理学报. 2015(03)
[3]基于QPSO-SVM的轴承故障诊断方法[J]. 杨光春,蹇清平. 机械传动. 2014(08)
[4]基于KPCA和PSOSVM的异步电机故障诊断[J]. 李平,李学军,蒋玲莉,曹宇翔. 振动.测试与诊断. 2014(04)
[5]基于改进交叉熵算法多目标不等间距阵列综合[J]. 边莉,车向前,张少卿. 上海交通大学学报. 2014(03)
[6]基于小波降噪和短时傅里叶变换的主轴突加不平衡非平稳信号分析[J]. 胡振邦,许睦旬,姜歌东,张东升. 振动与冲击. 2014(05)
[7]基于骨干微粒群算法和支持向量机的电机转子断条故障诊断[J]. 史丽萍,王攀攀,胡泳军,韩丽. 电工技术学报. 2014(01)
[8]基于粒子群优化SVM的飞机发电机故障诊断[J]. 和麟,梁丽嫒,黄潇瑶,马存宝. 计算机测量与控制. 2013(12)
[9]微弱信号检测系统设计[J]. 王仕元,李强,朱晓兵,陈圣俭. 电子科技. 2013(11)
[10]基于神经网络PID控制的颗粒物料称量系统[J]. 谢宇,韩保红,段云龙. 国外电子测量技术. 2013(09)
博士论文
[1]基于局域均值分解的旋转机械故障特征提取方法及系统研究[D]. 任达千.浙江大学 2008
[2]随机共振理论在弱信号检测中的应用研究[D]. 杨祥龙.浙江大学 2003
硕士论文
[1]基于小波分形理论的振动信号分析系统研究[D]. 李颖琼.浙江理工大学 2011
[2]基于神经网络专家系统的电机故障诊断研究[D]. 朱文.天津科技大学 2002
本文编号：3365967
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3365967.html
