基于随机共振的微弱信号检测模型及应用研究

发布时间：2017-05-22 09:15

  本文关键词：基于随机共振的微弱信号检测模型及应用研究，由笔耕文化传播整理发布。

【摘要】：机器设备的状态监测与故障诊断对于保障生产安全、减少停机损失以及避免因设备故障引发的人员伤亡,环境灾害等具有极其重要的意义。对机器开展状态监测和故障诊断,需要采集并分析能够反映机器零部件运行状态的振动、声音等信号。然而,采集到的信号往往包含来自机器其他部件的运行噪声和环境噪声,这些噪声会干扰对信号的分析处理。因此,微弱信号检测手段对于噪声滤除,提高有用信号的信噪比具有十分重要的意义。 本文研究一种基于噪声增强,被称为随机共振的微弱信号检测技术,及其在状态监测和故障诊断中的应用。从信号处理的角度来看,随机共振可以看做一种特殊的非线性滤波器。传统的频域滤波器主要基于噪声抑制原理,即通过衰减或抑制噪声分量,保留有用的频率分量来实现信号滤波。然而,当有用信号频带和噪声频带重叠时,对噪声的抑制会同时衰减有用信号,从而造成信噪比降低或波形失真。和传统滤波器不同,随机共振能够通过非线性系统利用噪声增强放大微弱的有用信号。这种独特的滤波机理对于含噪微弱信号提取,特别是信号频带和噪声频带重叠的微弱信号提取,具有比基于噪声抑制的滤波器更好的效果。 本文回顾和分析当前基于随机共振的微弱信号提取技术和算法,总结出影响随机共振滤波器输出的三个因素：势阱,输入信号类型以及模型阶数。从这三个方面出发,提出了一系列的新的或者改进的技术和算法,以实现更好地从噪声背景中有效地提取微弱信号。特别地,在对随机共振势阱的研究中,1)提出了基于三稳态势阱的随机共振方法,并利用非线性机械悬臂梁结构实现三稳态随机共振的微弱信号滤波和增强,2)提出了基于Woods-Saxon势阱的随机共振方法。在对输入信号类型的研究中,提出了顺序多尺度噪声调节随机共振算法,并将该算法移植到嵌入式系统中实现。在对随机共振模型阶数的研究中,提出了欠阻尼变步长二阶随机共振算法。这些提出的方法在一定程度上提高了微弱信号检测的效果,并被应用到了对齿轮、轴承的信号滤波放大和故障诊断中。 同时,本文还研究了时延反馈随机共振模型及其在微弱信号检测上的应用,提出了一种结合时延反馈随机共振优点和参数调节随机共振优点的算法用于工程信号处理。此外,考虑到随机共振是一个参数化的模型,其滤波效果同时受到多个参数的影响。因此,需要一个指标来指导随机共振的参数调整,才能获得最优参数及对应的最优滤波信号。针对这一问题,本文提出一种基于过零点稳定性检测的指标,以及相应的自适应随机共振算法,并将该算法移植到嵌入式系统上实现含噪信号的在线滤波。 综上,本文研究了基于随机共振的噪声增强微弱信号检测技术及其在机械设备状态监测和故障诊断中的应用。本文提出的方法和传统方法对比,具有效果好,效率高,计算量小,易于实现等优点。同时,所提方法的实用性和优越性在处理实际机械故障信号中得到了有效的验证。
【关键词】：噪声增强 微弱信号检测 随机共振 信号滤波 自适应滤波 在线滤波 机器设备 状态监测 故障诊断
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：O324;TH165.3
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 目录9-13
• 第1章 绪论13-29
• 1.1 研究背景13-18
• 1.1.1 选题意义13-14
• 1.1.2 基于信号处理的设备状态监测诊断方法14-16
• 1.1.3 微弱信号检测方法16-17
• 1.1.4 噪声增强微弱信号检测方法17-18
• 1.2 随机共振概要18-22
• 1.2.1 历史背景18-19
• 1.2.2 随机共振研究发展19-21
• 1.2.3 随机共振现象21
• 1.2.4 随机共振应用21-22
• 1.3 基于随机共振的设备状态监测诊断方法研究现状与发展22-24
• 1.4 论文的主要研究工作24-29
• 1.4.1 论文主要研究内容与技术路线24-26
• 1.4.2 内容结构安排26-27
• 1.4.3 论文创新点27-29
• 第2章 基于随机共振的噪声增强微弱信号检测29-39
• 2.1 引言29
• 2.2 随机共振模型29-33
• 2.2.1 经典双稳态随机共振模型29-31
• 2.2.2 经典随机共振的输出信噪比31-33
• 2.3 双稳态随机共振的朗之万方程33-34
• 2.3.1 布朗运动和朗之万方程33-34
• 2.3.2 经典随机共振的朗之万方程34
• 2.4 随机共振的系统模型34-35
• 2.5 离散随机共振：非线性滤波器35-37
• 2.6 本章小结37-39
• 第3章 随机共振势阱对微弱信号检测的影响研究39-69
• 3.1 引言39
• 3.2 基于三稳态势阱的随机共振研究39-57
• 3.2.1 三稳态悬臂梁结构与分析39-46
• 3.2.2 三稳态随机共振对信号放大和滤波的效果46-49
• 3.2.3 三稳态随机共振用于机械故障诊断49-57
• 3.2.3.1 实验装置49-50
• 3.2.3.2 信号预处理50-51
• 3.2.3.3 实验验证一：仿真故障信号51-53
• 3.2.3.4 实验验证二：轴承故障信号53-55
• 3.2.3.5 实验验证三：齿轮故障信号55-56
• 3.2.3.6 小结与讨论56-57
• 3.3 基于Woods-Saxon势阱的随机共振研究57-68
• 3.3.1 Woods-Saxon势阱随机共振57-59
• 3.3.2 WSSR性能分析59-62
• 3.3.3 实验验证一：CWRU轴承数据62-65
• 3.3.4 实验验证二：列车轴承数据65-67
• 3.3.5 小结与讨论67-68
• 3.4 本章小结68-69
• 第4章 随机共振输入噪声类型对微弱信号检测影响研究69-85
• 4.1 引言69
• 4.2 多尺度噪声调节随机共振69-74
• 4.2.1 噪声类型69-72
• 4.2.2 噪声类型对随机共振的效果72-73
• 4.2.3 多尺度噪声调节随机共振73-74
• 4.3 顺序多尺度噪声调节随机共振74-78
• 4.3.1 算法流程75
• 4.3.2 SMSTSR具体实现步骤75-78
• 4.4 算法性能分析78-80
• 4.5 算法嵌入式实现80-83
• 4.5.1 实验平台和仪器系统80-82
• 4.5.2 实验结果分析82-83
• 4.6 本章小结83-85
• 第5章 随机共振模型阶次对微弱信号检测的影响研究85-99
• 5.1 引言85
• 5.2 二阶随机共振模型85-88
• 5.2.1 欠阻尼二阶随机共振模型85-86
• 5.2.2 信噪比分析86-88
• 5.3 欠阻尼变步长二阶随机共振算法88-92
• 5.3.1 参数分析89-91
• 5.3.2 算法步骤91-92
• 5.4 算法性能分析92-94
• 5.4.1 滤波效果评估92-93
• 5.4.2 滤波器频率响应93-94
• 5.4.3 抗噪声能力94
• 5.5 实验验证94-97
• 5.6 本章小结与讨论97-99
• 第6章 时延反馈随机共振方法的研究99-113
• 6.1 引言99
• 6.2 时延反馈随机共振99-104
• 6.2.1 数学模型99-103
• 6.2.2 基于时延反馈随机共振的工程信号处理算法103-104
• 6.3 算法评估104-107
• 6.3.1 时延反馈随机共振算法效果104-106
• 6.3.2 时延反馈随机共振通频带106-107
• 6.4 实验验证107-111
• 6.4.1 故障轴承信号分析107-109
• 6.4.2 故障齿轮信号分析109-110
• 6.4.3 实验结果和讨论110-111
• 6.5 本章小结111-113
• 第7章 自适应随机共振方法的研究113-129
• 7.1 引言113
• 7.2 一种在线自适应随机共振算法113-118
• 7.2.1 算法模型113-114
• 7.2.2 算法流程114-116
• 7.2.3 仪器系统116-117
• 7.2.4 实验验证117-118
• 7.3 基于自适应随机共振的在线轴承故障诊断118-122
• 7.3.1 基于随机共振的自适应滤波器指数118-119
• 7.3.2 参数优化方法119-120
• 7.3.3 在线信号解调120
• 7.3.4 变频信号检测120-121
• 7.3.5 轴承故障诊断策略121-122
• 7.4 实验验证122-128
• 7.4.1 硬件系统122
• 7.4.2 实验设备122-123
• 7.4.3 无刷直流电机的轴承故障诊断：内圈故障123-125
• 7.4.4 有刷直流电机的轴承故障诊断：外圈故障125-127
• 7.4.5 无故障轴承案例127-128
• 7.5 本章小节与讨论128-129
• 第8章 总结与展望129-135
• 8.1 主要结论129-131
• 8.2 本课题创新点131
• 8.3 本课题展望131-135
• 参考文献135-143
• 致谢143-145
• 在读期间发表的学术论文与取得的其他研究成果145-146

【参考文献】

中国期刊全文数据库 前4条

1 陈敏;胡茑庆;秦国军;安茂春;;参数调节随机共振在机械系统早期故障检测中的应用[J];机械工程学报;2009年04期

2 李继猛;陈雪峰;何正嘉;;采用粒子群算法的冲击信号自适应单稳态随机共振检测方法[J];机械工程学报;2011年21期

3 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

4 ZHANG XiaoFei;HU NiaoQing;HU Lei;CHENG Zhe;;Multi-scale bistable stochastic resonance array: A novel weak signal detection method and application in machine fault diagnosis[J];中国科学:技术科学(英文版);2013年09期

  本文关键词：基于随机共振的微弱信号检测模型及应用研究，由笔耕文化传播整理发布。

，

本文编号：385272