本文關(guān)鍵詞：基于分段線(xiàn)性非飽和隨機(jī)共振的機(jī)械早期故障診斷方法研究　出處：《中國(guó)測(cè)試》2017年08期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 非飽和隨機(jī)共振 故障特征提取 信噪比 早期故障診斷

【摘要】：針對(duì)大型機(jī)械設(shè)備運(yùn)行環(huán)境惡劣、故障特征難以提取的問(wèn)題,提出一種基于分段線(xiàn)性雙穩(wěn)態(tài)勢(shì)函數(shù)模型的非飽和隨機(jī)共振方法。該方法通過(guò)分段線(xiàn)性化的勢(shì)函數(shù)代替經(jīng)典的雙穩(wěn)態(tài)勢(shì)函數(shù),然后利用頻移尺度變換實(shí)現(xiàn)機(jī)械設(shè)備振動(dòng)信號(hào)的小參數(shù)化,使其滿(mǎn)足隨機(jī)共振系統(tǒng)的輸入條件;最后,將系統(tǒng)輸出信號(hào)的信噪比作為遺傳算法的目標(biāo)函數(shù),優(yōu)化非飽和隨機(jī)共振系統(tǒng)參數(shù),實(shí)現(xiàn)機(jī)械設(shè)備早期故障特征的增強(qiáng)與提取。仿真分析表明該方法可以有效地提取淹沒(méi)在強(qiáng)噪聲背景下的微弱故障沖擊特征,而且軸承實(shí)驗(yàn)證明提出的方法能夠有效增強(qiáng)與提取故障特征頻率。仿真與實(shí)驗(yàn)結(jié)果進(jìn)一步表明提出的方法優(yōu)于經(jīng)典雙穩(wěn)態(tài)隨機(jī)共振方法,不僅能夠獲得高的輸出信噪比,而且在特征頻率處具有更高的幅值。以上優(yōu)點(diǎn)歸功于提出方法不僅克服經(jīng)典雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng)的內(nèi)在輸出飽和問(wèn)題,而且利用遺傳算法實(shí)現(xiàn)系統(tǒng)與輸入信號(hào)之間的最佳匹配。
[Abstract]:Aiming at the problem that the operation environment of large mechanical equipment is bad and it is difficult to extract the fault features. An unsaturated stochastic resonance method based on piecewise linear bistable state function model is proposed, in which the classical bistable state function is replaced by piecewise linearized potential function. Then the frequency shift scale transform is used to realize the small parameterization of mechanical equipment vibration signal, which satisfies the input condition of stochastic resonance system. Finally, the SNR of the output signal is taken as the objective function of genetic algorithm to optimize the parameters of unsaturated stochastic resonance system. The simulation results show that the proposed method can effectively extract the weak fault impact features submerged in the strong noise background. The results of simulation and experiment show that the proposed method is better than the classical bistable stochastic resonance method. It can not only obtain high output SNR, but also have higher amplitude at characteristic frequency. The advantages of the proposed method are not only to overcome the intrinsic output saturation problem of classical bistable stochastic resonance system. Moreover, genetic algorithm is used to realize the optimal matching between the system and the input signal.
【作者單位】： 西安工程大學(xué);
【分類(lèi)號(hào)】：TH17
【正文快照】： 0引言隨著科學(xué)技術(shù)的發(fā)展,機(jī)械設(shè)備朝著高、精、尖方向發(fā)展,致使設(shè)備結(jié)構(gòu)愈來(lái)愈復(fù)雜,而且其惡劣的運(yùn)行環(huán)境,導(dǎo)致故障特征遭受傳遞路徑影響極其微弱,通常被淹沒(méi)在強(qiáng)背景噪聲中,因此機(jī)械設(shè)備故障難以提取與診斷。于是,早期故障特征提取一直是大型機(jī)械設(shè)備故障診斷中的關(guān)鍵難題[1

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 向家偉;崔向歡;王衍學(xué);蔣勇英;高海峰;;軸承故障診斷的最優(yōu)化隨機(jī)共振方法分析[J];農(nóng)業(yè)工程學(xué)報(bào);2014年12期

2 董華玉;李金壽;翟鏈;;早期故障信號(hào)基于調(diào)制隨機(jī)共振的核主元檢測(cè)[J];昆明理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

3 劉鎏;閆云聚;常曉通;襲著有;;隨機(jī)共振與響應(yīng)靈敏度相結(jié)合的結(jié)構(gòu)損傷檢測(cè)方法[J];西南交通大學(xué)學(xué)報(bào);2013年05期

4 任立通;謝壽生;胡金海;余堅(jiān);王磊;苗卓廣;;基于穩(wěn)定約束的自適應(yīng)隨機(jī)共振轉(zhuǎn)子故障檢測(cè)方法[J];推進(jìn)技術(shù);2013年10期

5 雷亞國(guó);韓冬;林京;何正嘉;譚繼勇;;自適應(yīng)隨機(jī)共振新方法及其在故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2012年07期

6 焦尚彬;李鵬華;張青;黃偉超;;采用知識(shí)的粒子群算法的多頻微弱信號(hào)自適應(yīng)隨機(jī)共振檢測(cè)方法[J];機(jī)械工程學(xué)報(bào);2014年12期

7 朱維娜;林敏;;基于人工魚(yú)群算法的軸承故障隨機(jī)共振自適應(yīng)檢測(cè)方法[J];振動(dòng)與沖擊;2014年06期

8 曹偉青;傅攀;李曉暉;;刀具磨損早期故障智能診斷研究[J];中國(guó)機(jī)械工程;2014年18期

9 譚繼勇;陳雪峰;雷亞國(guó);何正嘉;;自適應(yīng)移頻變尺度隨機(jī)共振在故障診斷中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2009年07期

相關(guān)博士學(xué)位論文 前4條

1 曹偉青;機(jī)械早期故障弱信號(hào)提取及智能診斷研究[D];西南交通大學(xué);2015年

2 李建龍;隨機(jī)共振的參數(shù)調(diào)節(jié)方法及在信號(hào)處理中的應(yīng)用[D];浙江大學(xué);2005年

3 陸思良;基于隨機(jī)共振的微弱信號(hào)檢測(cè)模型及應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

4 楊定新;微弱特征信號(hào)檢測(cè)的隨機(jī)共振方法與應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 王婕;基于隨機(jī)共振和混沌理論的行星齒輪箱微弱信號(hào)檢測(cè)方法研究[D];電子科技大學(xué);2014年

2 譙自健;基于隨機(jī)共振理論的微弱信號(hào)檢測(cè)方法研究及應(yīng)用[D];蘭州理工大學(xué);2015年

3 李培;基于多穩(wěn)隨機(jī)共振的機(jī)械微弱故障信號(hào)特征提取方法研究[D];燕山大學(xué);2016年

4 孫浩宇;基于隨機(jī)共振的風(fēng)電機(jī)組軸承早期微弱故障信號(hào)檢測(cè)[D];燕山大學(xué);2016年

5 房京祥;基于隨機(jī)共振和LMD的微弱信號(hào)檢測(cè)技術(shù)研究[D];天津大學(xué);2014年

6 蘇云升;基于改進(jìn)二維互補(bǔ)隨機(jī)共振的微弱信號(hào)檢測(cè)方法及應(yīng)用研究[D];安徽大學(xué);2017年

7 張仲海;基于隨機(jī)共振的滾動(dòng)軸承微弱特征檢測(cè)技術(shù)應(yīng)用研究[D];天津大學(xué);2012年

8 耿翠珍;雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng)后處理的研究[D];浙江大學(xué);2004年

9 江波;自適應(yīng)隨機(jī)共振系統(tǒng)及小信號(hào)檢測(cè)方法的研究[D];浙江大學(xué);2003年

10 石鵬;隨機(jī)共振在微弱周期沖擊信號(hào)檢測(cè)中的應(yīng)用[D];天津大學(xué);2012年

，

本文編號(hào)：1431250