分段非线性双稳型、指数幂函数组合型随机共振系统研究及应用

发布时间：2020-06-25 14:11

【摘要】：微弱信号检测技术是应用在生物医学、图像处理、机械故障检测、雷达系统、地质学等领域的一种从噪声中提取弱信号的处理方法,传统对噪声处理的方法是利用不同的降噪技术处理噪声带来的影响,但是也削弱了信号的能量。论文首先介绍了随着非线性科学的发展而兴起的混沌振子检测法和随机共振(Stochastic Resonance,SR)检测法,其中随机共振检测技术是论文研究的一个重点,它是利用信号、非线性系统及噪声三者之间的协同作用来增强检测的,这改变了过去弱信号检测中噪声有害的看法。论文首先简要介绍了随机共振的发展现状,从经典双稳随机共振(Classical Bistable Stochastic Resonance,CBSR)系统基础理论出发,重点研究了分段非线性双稳型、时延反馈指数单稳型以及指数幂函数组合型在微弱信号检测中的应用。论文主要工作及创新点如下:(1)基于经典双稳随机共振的输出饱和性,构建了一种新型的分段非线性双稳势函数(Piecewise Nonlinear Bistable,PNB)。首先,以平均信噪比增益为衡量指标,研究由Levy噪声驱动的PNB系统随机共振特性,然后使用量子粒子群算法寻找系统参数的最佳范围,让微弱信号、噪声和非线性系统能产生最佳的随机共振效果,最后分析Levy噪声的特征指数、对称参数以及系统系数对PNBSR系统输出的影响,探究不同Levy噪声分布环境下系统参数对PNBSR现象的影响,以及PNBSR在故障信号诊断中的应用,展现分段非线性双稳随机共振系统的实用价值。(2)基于指数单稳型系统,研究了在周期信号和噪声激励下的单稳时延反馈随机共振系统,运用小时延逼近方法推导稳态概率密度分布和等效势函数,发现平均首次穿越时间(Mean First-passage Time,MFPT)对粒子逃逸的研究起着极其重要的作用;并且通过使用绝热近似理论得到系统的输出信噪比(Signal-to-Noise Ratio,SNR),分析在不同的系统参数和时延反馈参数下的随机共振现象。(3)将指数单势阱和幂函数有机的组合在一起,提出一种指数幂函数组合双稳(Exponential Power Combination Bistable,EPCB)势阱的系统模型。首先,在理论上分析了EPCB系统在不同系统参数下输出SNR随着噪声强度D变化的随机共振现象,为实际的检测做理论支撑,然后将所提的EPCB系统用于检测低频、高频微弱周期信号,以及模拟的衰减冲击信号,最后将EPCB系统应用在故障检测中,验证EPCB系统在实际应用中的高效性。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.23
【图文】：

图 3. 2 CBSR 和 PNBSR 系统势函数统的分析可知，CBSR系统的势函数表达式为( ) c V x = a x/c ca b ，势垒高为2/(4 )c c V a b，且垒高在 0bx 处析，描述 CBSR 系统与 PNBSR 系统势函数的图形如图 3s ( x ) 1时，CBSR 系统的势函数由于4x 项的存在让 ( cV x函数两侧产生了陡峭的势阱壁，即 CBSR 系统在对输入信出信号 x 的绝对值大于 1，x 的值几乎不会随着输入信号峭的势阱壁会使系统的输出快速地达到饱和，因此这就限的增强以及对噪声的利用能力。为了克服这种输出饱和性 系统的检测能力，CBSR 系统左侧和右侧的势阱壁(

重庆邮电大学硕士学位论文 CWRU 实验验证本章节将所提的 EPCB 系统应用在轴承检测故障中，以验证系统的可行选用 CBSR 系统对故障信号的检测效果做了对比；本章节同样采用美国tern Reserve University 电气工程实验室型号为6205 2RS JEM SKF的深公开数据[73]进行实验，其主要参数在文中 3.5 小节给出，实验装置如。

【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 曹莉;基于随机共振和经验模态分解微弱信号检测研究[D];重庆邮电大学;2018年

2 郭利军;神经系统中差频随机共振研究[D];电子科技大学;2019年

3 陈浩;随机共振微弱光信号检测机理的研究[D];陕西师范大学;2019年

4 易甜;基于随机共振和小波分析的微弱信号检测研究[D];重庆邮电大学;2018年

5 李红威;噪声诱导多稳态随机共振微弱信号检测研究[D];重庆邮电大学;2018年

6 褚政泱;随机共振的前馈控制方法及其应用研究[D];中国计量大学;2018年

7 张义俊;基于耦合、联合和非对称双稳态的随机共振系统的微弱信号检测研究[D];重庆邮电大学;2019年

8 石佳蓓;基于随机共振的微弱周期信号检测及应用[D];重庆邮电大学;2019年

9 周熙程;分段非线性双稳型、指数幂函数组合型随机共振系统研究及应用[D];重庆邮电大学;2019年

10 刘真真;活性布朗粒子的熵随机共振[D];云南大学;2017年

本文编号：2729256