基于复合多稳随机共振的微弱信号检测与应用研究

发布时间：2020-06-05 13:22

【摘要】：强噪声背景下的微弱信号检测是许多工程领域中的一个共同问题,随机共振作为一种利用噪声的非线性微弱信号检测方法,近年来被广泛地应用于诸多领域尤其是故障诊断领域,研究随机共振的检测理论与方法,对于实现早期微弱故障诊断具有重要的理论意义和应用价值。目前,随机共振的势函数模型大多采用双稳态、单稳态及三稳态模型,为进一步提高随机共振的微弱信号处理能力,本文在三稳态模型的基础上,结合高斯势模型,提出了一种改进的新型复合多稳势阱模型。研究了复合多稳模型在不同稳态间的切换机制;并以系统输出信噪比为衡量指标,分别研究了高斯噪声和α稳定噪声环境下复合多稳态模型的系统参数和α稳定噪声分布参数对随机共振系统输出的作用规律;根据噪声强度D对随机共振效应的影响,分析了复合多稳随机共振系统的性能;针对不同等级微弱信号,对比分析了基于复合多稳模型、传统三稳模型及双稳与GP模型构建的复合三稳模型的随机共振系统输出响应性能,证明了所提出的模型具有更优的性能;此外,研究了由复合多稳随机共振构成的级联系统,实验结果表明,将随机共振系统级联能够获得更好的检测效果,但是级联的级数要根据实际的检测效果进行选择,并且级联随机共振系统对方波信号具有整形和滤波作用。同时,研究了参数诱导复合多稳随机共振中多个系统参数的自适应同步优化方法,采用差分头脑风暴优化算法实现复合多稳随机共振系统参数的自适应选取,在高斯噪声和α稳定噪声环境下实现了对多个高频周期信号的有效检测,并与粒子群算法的结果进行了对比;且在高斯噪声环境下实现了对非周期冲击信号及UWB-IR信号的检测,并对模型所呈现的最佳势阱形状及粒子在势阱内的运动轨迹进行了分析。最后,将研究得到的随机共振微弱信号检测理论和方法应用于机械故障检测中,实现了对仿真故障信号及轴承内圈和外圈故障的检测,并与谱峭度和经验模式分解方法进行了对比分析。本文的研究结果提供了一种新型的自适应随机共振方法,丰富了随机共振理论的研究成果,拓宽了随机共振在实际工程领域中的应用范围。
【图文】：

本文的主要研究内容归纳总结如图1-1 所示。图 1-1 本文主要研究内容Fig.1-1 The Main Research Contents of This Dissertation全文共六章，各章节的主要内容概括如下：第一章首先介绍了课题的研究背景和意义，并分别从随机共振模型及参数诱导自适应随机共振两个方面阐述了随机共振的国内外研究现状，最后介绍了本文的主要研究内容及各章节内容安排。第二章在随机共振基本原理的基础上，构建了新型的复合多稳随机共振势阱模型，并阐述了所选用的衡量指标，最后介绍了本文理论和方法研究所采用的噪声类型（高斯噪声及 稳定噪声）以及产生方法。第三章对本文所提出的复合多稳势阱模型的随机共振特性进行分析。分别从参数诱导和噪声诱导随机共振的角度分析了复合多稳随机共振系统的输出响应性能，并与其它稳态模型进行对比，同时研究了级联复合多稳随机共振系统的相关特性。第四章研究自适应复合多稳随机共振以实现对不同类型信号的快速增强检测。采用差分头脑风暴优化算法实现复合多稳随机共振多个参数的同步优化，分别研究了在多个高频

原理及模型型是一种典型的非线性现象，经典随机共振的结构框图如图 2-1 所示非线性微弱信号检测理论和方法，，首先需要回顾随机共振检测微弱方法，目前，随机共振系统的势函数模型大多采用双稳态、单稳态随机共振的微弱信号处理能力，本章提出了一种改进的复合多稳态随机共振的衡量指标及理论和方法研究所选用的噪声类型。本章的理及所构建的新型势函数模型给出了本文研究的基本理论框架，该基础。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.23

【相似文献】

相关期刊论文 前10条

1 石海霞;;智能算法在自适应随机共振中的应用[J];科技展望;2016年32期

2 任昱昊;季冰;许丽艳;段法兵;;震荡随机共振的信噪比增益研究与电路仿真[J];复杂系统与复杂性科学;2015年01期

3 李忠虎;蔡志全;;基于调制随机共振的微弱信号频率检测方法[J];仪表技术与传感器;2014年08期

4 赵军;赖欣欢;孔明;林敏;;双频信号作用下的单稳随机共振数值研究[J];噪声与振动控制;2013年01期

5 方倩;赵文礼;;基于随机共振原理的自适应检测系统设计[J];杭州电子科技大学学报;2013年01期

6 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

7 涂水林;邬正义;吴正阳;;阵列调制随机共振在微弱信号特征提取方面的应用[J];计算机测量与控制;2012年06期

8 张丽珠;于健;;基于调制随机共振大频率信号检测的仿真[J];天津职业技术师范大学学报;2012年04期

9 万频;詹宜巨;李学聪;王永华;;一种单稳随机共振系统信噪比增益的数值研究[J];物理学报;2011年04期

10 冷永刚;赵尔华;石鹏;张莹;;二维随机共振参数调节的图像处理[J];天津大学学报;2011年10期

相关会议论文 前10条

1 康艳梅;;关于随机共振的理论研究——几个尚未解决的问题[A];第三届全国动力学与控制青年学者研讨会论文摘要集[C];2009年

2 靳艳飞;;随机共振若干基础问题的研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

3 申建伟;;自诱导随机共振相关研究进展及其在基因网络动力学研究中的应用[A];第六届全国动力学与控制青年学者学术研讨会论文摘要集[C];2012年

4 许勇;;非线性系统的逻辑随机共振研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年

5 刘甜;王青云;张红慧;;异质神经元和信息时滞对神经元网络随机共振的影响[A];第十四届全国非线性振动暨第十一届全国非线性动力学和运动稳定性学术会议摘要集与会议议程[C];2013年

6 邢锴;周萍;欧阳楷;;随机共振理论及其在弱信号检测中的应用[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年

7 何美娟;孙中奎;徐伟;;基于统计复杂测度的随机共振研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年

8 徐博侯;章惠全;;参数诱导的随机共振在浅海混响目标探测中的应用[A];庆祝中国力学学会成立50周年暨中国力学学会学术大会’2007论文摘要集（下）[C];2007年

9 靳艳飞;;周期势系统的随机共振研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年

10 郭卫民;王留芳;;基于发光二极管对的低功耗氨氮在线检测器的研究[A];2010中国环境科学学会学术年会论文集(第二卷)[C];2010年

相关重要报纸文章 前1条

1 董映璧;复杂物理系统存在多样性共振[N];科技日报;2006年

相关博士学位论文 前10条

1 梁琳琳;基于非线性随机共振的数字信号检测技术研究[D];西安电子科技大学;2018年

2 韩靖;基于随机共振的弱光信号非线性重构技术研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2018年

3 李志星;基于强噪声背景下随机共振的微弱故障诊断方法研究[D];北京科技大学;2018年

4 刘军;随机共振与感觉信息处理的理论和实验研究[D];浙江大学;2004年

5 杨祥龙;随机共振理论在弱信号检测中的应用研究[D];浙江大学;2003年

6 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

7 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

8 冷永刚;大信号变尺度随机共振的机理分析及其工程应用研究[D];天津大学;2004年

9 汪茂胜;耦合动力系统中若干复杂性和非线性问题的研究[D];中国科学技术大学;2007年

10 郭锋;随机共振及其在微弱信号检测中的应用[D];电子科技大学;2007年

相关硕士学位论文 前10条

1 郭昌;基于周期势随机共振的印刷机轴承故障诊断研究[D];西安理工大学;2019年

2 乔小雪;基于复合多稳随机共振的微弱信号检测与应用研究[D];西安理工大学;2019年

3 李源;基于随机共振的轨道电路信号检测系统设计[D];西安理工大学;2019年

4 姚杰;双稳随机共振在微弱OFDM信号检测中的应用研究[D];西安理工大学;2019年

5 曹维维;α噪声下大参数信号双稳随机共振检测方法研究[D];西安理工大学;2019年

6 刘真真;活性布朗粒子的熵随机共振[D];云南大学;2017年

7 王海宁;基于随机共振方法的刀具状态监测研究[D];安徽大学;2019年

8 郑平;基于随机共振微弱信号检测的滚动轴承故障诊断方法研究[D];安徽大学;2019年

9 刘运江;强噪声背景下微弱信号的检测[D];天津工业大学;2019年

10 张义;基于参数调节随机共振的弱信号提取方法研究[D];哈尔滨工程大学;2018年

本文编号：2698115