基于隨機(jī)共振和LMD的微弱信號(hào)檢測(cè)技術(shù)研究.pdf

1、隨著企業(yè)管理水平的提高，設(shè)備健康管理理念應(yīng)運(yùn)而生，并逐漸得到了重視。要保證設(shè)備的健康，狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)必不可少。及時(shí)發(fā)現(xiàn)并排除重大裝備的早期微弱故障，阻止故障的進(jìn)一步發(fā)展，可以避免出現(xiàn)重大事故。因此，狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)對(duì)整個(gè)工業(yè)生產(chǎn)來(lái)說(shuō)意義非凡、影響深遠(yuǎn)。本文引入隨機(jī)共振降噪方法和LMD分解方法，重點(diǎn)對(duì)機(jī)械設(shè)備早期故障中的微弱信號(hào)檢測(cè)技術(shù)展開(kāi)研究。
　　隨機(jī)共振在降噪方面獨(dú)具特色，它非但不抑制噪聲，而是利用高頻噪聲使低頻

2、微弱信號(hào)能量增強(qiáng)。但是在工程應(yīng)用中，雙穩(wěn)系統(tǒng)結(jié)構(gòu)參數(shù)的選取過(guò)于依賴(lài)人工，計(jì)算步長(zhǎng)的選取非常困難。針對(duì)這些問(wèn)題，通過(guò)總結(jié)前人研究成果，本文提出基于GAPSO的自適應(yīng)隨機(jī)共振理論。GAPSO是混合了遺傳思想的粒子群優(yōu)化算法，它整合了粒子群算法快速收斂的優(yōu)點(diǎn)和遺傳算法局部搜索的優(yōu)點(diǎn)，可以實(shí)現(xiàn)對(duì)結(jié)構(gòu)參數(shù)a、b和計(jì)算步長(zhǎng)h的同步優(yōu)化。仿真分析和工程應(yīng)用證明該方法的收斂速度快，簡(jiǎn)單易行，在早期故障微弱信號(hào)提取方面有良好的應(yīng)用前景。
　　當(dāng)待檢

3、測(cè)信號(hào)中噪聲很強(qiáng)時(shí)，經(jīng)過(guò)一次隨機(jī)共振降噪很難達(dá)到所要的效果，這時(shí)需要利用級(jí)聯(lián)雙穩(wěn)隨機(jī)共振方法。但在處理實(shí)際工程信號(hào)時(shí)，級(jí)聯(lián)雙穩(wěn)隨機(jī)共振同樣存在參數(shù)無(wú)法自適應(yīng)選取的問(wèn)題，為解決這一問(wèn)題，本文將GAPSO應(yīng)用到級(jí)聯(lián)雙穩(wěn)隨機(jī)共振中。針對(duì)LMD的分解效果受噪聲影響的問(wèn)題，本文提出了級(jí)聯(lián)雙穩(wěn)自適應(yīng)隨機(jī)共振降噪下的LMD分解方法。該方法充分發(fā)揮級(jí)聯(lián)雙穩(wěn)自適應(yīng)隨機(jī)共振獨(dú)特的降噪優(yōu)勢(shì)，在降噪的同時(shí)增強(qiáng)微弱信號(hào)，從而顯著提高LMD的分解質(zhì)量。仿真實(shí)驗(yàn)和工