本文關(guān)鍵詞：基于隨機(jī)共振的微弱信號(hào)檢測模型及應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：機(jī)器設(shè)備的狀態(tài)監(jiān)測與故障診斷對(duì)于保障生產(chǎn)安全、減少停機(jī)損失以及避免因設(shè)備故障引發(fā)的人員傷亡,環(huán)境災(zāi)害等具有極其重要的意義。對(duì)機(jī)器開展?fàn)顟B(tài)監(jiān)測和故障診斷,需要采集并分析能夠反映機(jī)器零部件運(yùn)行狀態(tài)的振動(dòng)、聲音等信號(hào)。然而,采集到的信號(hào)往往包含來自機(jī)器其他部件的運(yùn)行噪聲和環(huán)境噪聲,這些噪聲會(huì)干擾對(duì)信號(hào)的分析處理。因此,微弱信號(hào)檢測手段對(duì)于噪聲濾除,提高有用信號(hào)的信噪比具有十分重要的意義。 本文研究一種基于噪聲增強(qiáng),被稱為隨機(jī)共振的微弱信號(hào)檢測技術(shù),及其在狀態(tài)監(jiān)測和故障診斷中的應(yīng)用。從信號(hào)處理的角度來看,隨機(jī)共振可以看做一種特殊的非線性濾波器。傳統(tǒng)的頻域?yàn)V波器主要基于噪聲抑制原理,即通過衰減或抑制噪聲分量,保留有用的頻率分量來實(shí)現(xiàn)信號(hào)濾波。然而,當(dāng)有用信號(hào)頻帶和噪聲頻帶重疊時(shí),對(duì)噪聲的抑制會(huì)同時(shí)衰減有用信號(hào),從而造成信噪比降低或波形失真。和傳統(tǒng)濾波器不同,隨機(jī)共振能夠通過非線性系統(tǒng)利用噪聲增強(qiáng)放大微弱的有用信號(hào)。這種獨(dú)特的濾波機(jī)理對(duì)于含噪微弱信號(hào)提取,特別是信號(hào)頻帶和噪聲頻帶重疊的微弱信號(hào)提取,具有比基于噪聲抑制的濾波器更好的效果。 本文回顧和分析當(dāng)前基于隨機(jī)共振的微弱信號(hào)提取技術(shù)和算法,總結(jié)出影響隨機(jī)共振濾波器輸出的三個(gè)因素：勢阱,輸入信號(hào)類型以及模型階數(shù)。從這三個(gè)方面出發(fā),提出了一系列的新的或者改進(jìn)的技術(shù)和算法,以實(shí)現(xiàn)更好地從噪聲背景中有效地提取微弱信號(hào)。特別地,在對(duì)隨機(jī)共振勢阱的研究中,1)提出了基于三穩(wěn)態(tài)勢阱的隨機(jī)共振方法,并利用非線性機(jī)械懸臂梁結(jié)構(gòu)實(shí)現(xiàn)三穩(wěn)態(tài)隨機(jī)共振的微弱信號(hào)濾波和增強(qiáng),2)提出了基于Woods-Saxon勢阱的隨機(jī)共振方法。在對(duì)輸入信號(hào)類型的研究中,提出了順序多尺度噪聲調(diào)節(jié)隨機(jī)共振算法,并將該算法移植到嵌入式系統(tǒng)中實(shí)現(xiàn)。在對(duì)隨機(jī)共振模型階數(shù)的研究中,提出了欠阻尼變步長二階隨機(jī)共振算法。這些提出的方法在一定程度上提高了微弱信號(hào)檢測的效果,并被應(yīng)用到了對(duì)齒輪、軸承的信號(hào)濾波放大和故障診斷中。 同時(shí),本文還研究了時(shí)延反饋隨機(jī)共振模型及其在微弱信號(hào)檢測上的應(yīng)用,提出了一種結(jié)合時(shí)延反饋隨機(jī)共振優(yōu)點(diǎn)和參數(shù)調(diào)節(jié)隨機(jī)共振優(yōu)點(diǎn)的算法用于工程信號(hào)處理。此外,考慮到隨機(jī)共振是一個(gè)參數(shù)化的模型,其濾波效果同時(shí)受到多個(gè)參數(shù)的影響。因此,需要一個(gè)指標(biāo)來指導(dǎo)隨機(jī)共振的參數(shù)調(diào)整,才能獲得最優(yōu)參數(shù)及對(duì)應(yīng)的最優(yōu)濾波信號(hào)。針對(duì)這一問題,本文提出一種基于過零點(diǎn)穩(wěn)定性檢測的指標(biāo),以及相應(yīng)的自適應(yīng)隨機(jī)共振算法,并將該算法移植到嵌入式系統(tǒng)上實(shí)現(xiàn)含噪信號(hào)的在線濾波。 綜上,本文研究了基于隨機(jī)共振的噪聲增強(qiáng)微弱信號(hào)檢測技術(shù)及其在機(jī)械設(shè)備狀態(tài)監(jiān)測和故障診斷中的應(yīng)用。本文提出的方法和傳統(tǒng)方法對(duì)比,具有效果好,效率高,計(jì)算量小,易于實(shí)現(xiàn)等優(yōu)點(diǎn)。同時(shí),所提方法的實(shí)用性和優(yōu)越性在處理實(shí)際機(jī)械故障信號(hào)中得到了有效的驗(yàn)證。
【關(guān)鍵詞】：噪聲增強(qiáng) 微弱信號(hào)檢測 隨機(jī)共振 信號(hào)濾波 自適應(yīng)濾波 在線濾波 機(jī)器設(shè)備 狀態(tài)監(jiān)測 故障診斷
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：O324;TH165.3
【目錄】：

• 摘要5-7
• ABSTRACT7-9
• 目錄9-13
• 第1章 緒論13-29
• 1.1 研究背景13-18
• 1.1.1 選題意義13-14
• 1.1.2 基于信號(hào)處理的設(shè)備狀態(tài)監(jiān)測診斷方法14-16
• 1.1.3 微弱信號(hào)檢測方法16-17
• 1.1.4 噪聲增強(qiáng)微弱信號(hào)檢測方法17-18
• 1.2 隨機(jī)共振概要18-22
• 1.2.1 歷史背景18-19
• 1.2.2 隨機(jī)共振研究發(fā)展19-21
• 1.2.3 隨機(jī)共振現(xiàn)象21
• 1.2.4 隨機(jī)共振應(yīng)用21-22
• 1.3 基于隨機(jī)共振的設(shè)備狀態(tài)監(jiān)測診斷方法研究現(xiàn)狀與發(fā)展22-24
• 1.4 論文的主要研究工作24-29
• 1.4.1 論文主要研究內(nèi)容與技術(shù)路線24-26
• 1.4.2 內(nèi)容結(jié)構(gòu)安排26-27
• 1.4.3 論文創(chuàng)新點(diǎn)27-29
• 第2章 基于隨機(jī)共振的噪聲增強(qiáng)微弱信號(hào)檢測29-39
• 2.1 引言29
• 2.2 隨機(jī)共振模型29-33
• 2.2.1 經(jīng)典雙穩(wěn)態(tài)隨機(jī)共振模型29-31
• 2.2.2 經(jīng)典隨機(jī)共振的輸出信噪比31-33
• 2.3 雙穩(wěn)態(tài)隨機(jī)共振的朗之萬方程33-34
• 2.3.1 布朗運(yùn)動(dòng)和朗之萬方程33-34
• 2.3.2 經(jīng)典隨機(jī)共振的朗之萬方程34
• 2.4 隨機(jī)共振的系統(tǒng)模型34-35
• 2.5 離散隨機(jī)共振：非線性濾波器35-37
• 2.6 本章小結(jié)37-39
• 第3章 隨機(jī)共振勢阱對(duì)微弱信號(hào)檢測的影響研究39-69
• 3.1 引言39
• 3.2 基于三穩(wěn)態(tài)勢阱的隨機(jī)共振研究39-57
• 3.2.1 三穩(wěn)態(tài)懸臂梁結(jié)構(gòu)與分析39-46
• 3.2.2 三穩(wěn)態(tài)隨機(jī)共振對(duì)信號(hào)放大和濾波的效果46-49
• 3.2.3 三穩(wěn)態(tài)隨機(jī)共振用于機(jī)械故障診斷49-57
• 3.2.3.1 實(shí)驗(yàn)裝置49-50
• 3.2.3.2 信號(hào)預(yù)處理50-51
• 3.2.3.3 實(shí)驗(yàn)驗(yàn)證一：仿真故障信號(hào)51-53
• 3.2.3.4 實(shí)驗(yàn)驗(yàn)證二：軸承故障信號(hào)53-55
• 3.2.3.5 實(shí)驗(yàn)驗(yàn)證三：齒輪故障信號(hào)55-56
• 3.2.3.6 小結(jié)與討論56-57
• 3.3 基于Woods-Saxon勢阱的隨機(jī)共振研究57-68
• 3.3.1 Woods-Saxon勢阱隨機(jī)共振57-59
• 3.3.2 WSSR性能分析59-62
• 3.3.3 實(shí)驗(yàn)驗(yàn)證一：CWRU軸承數(shù)據(jù)62-65
• 3.3.4 實(shí)驗(yàn)驗(yàn)證二：列車軸承數(shù)據(jù)65-67
• 3.3.5 小結(jié)與討論67-68
• 3.4 本章小結(jié)68-69
• 第4章 隨機(jī)共振輸入噪聲類型對(duì)微弱信號(hào)檢測影響研究69-85
• 4.1 引言69
• 4.2 多尺度噪聲調(diào)節(jié)隨機(jī)共振69-74
• 4.2.1 噪聲類型69-72
• 4.2.2 噪聲類型對(duì)隨機(jī)共振的效果72-73
• 4.2.3 多尺度噪聲調(diào)節(jié)隨機(jī)共振73-74
• 4.3 順序多尺度噪聲調(diào)節(jié)隨機(jī)共振74-78
• 4.3.1 算法流程75
• 4.3.2 SMSTSR具體實(shí)現(xiàn)步驟75-78
• 4.4 算法性能分析78-80
• 4.5 算法嵌入式實(shí)現(xiàn)80-83
• 4.5.1 實(shí)驗(yàn)平臺(tái)和儀器系統(tǒng)80-82
• 4.5.2 實(shí)驗(yàn)結(jié)果分析82-83
• 4.6 本章小結(jié)83-85
• 第5章 隨機(jī)共振模型階次對(duì)微弱信號(hào)檢測的影響研究85-99
• 5.1 引言85
• 5.2 二階隨機(jī)共振模型85-88
• 5.2.1 欠阻尼二階隨機(jī)共振模型85-86
• 5.2.2 信噪比分析86-88
• 5.3 欠阻尼變步長二階隨機(jī)共振算法88-92
• 5.3.1 參數(shù)分析89-91
• 5.3.2 算法步驟91-92
• 5.4 算法性能分析92-94
• 5.4.1 濾波效果評(píng)估92-93
• 5.4.2 濾波器頻率響應(yīng)93-94
• 5.4.3 抗噪聲能力94
• 5.5 實(shí)驗(yàn)驗(yàn)證94-97
• 5.6 本章小結(jié)與討論97-99
• 第6章 時(shí)延反饋隨機(jī)共振方法的研究99-113
• 6.1 引言99
• 6.2 時(shí)延反饋隨機(jī)共振99-104
• 6.2.1 數(shù)學(xué)模型99-103
• 6.2.2 基于時(shí)延反饋隨機(jī)共振的工程信號(hào)處理算法103-104
• 6.3 算法評(píng)估104-107
• 6.3.1 時(shí)延反饋隨機(jī)共振算法效果104-106
• 6.3.2 時(shí)延反饋隨機(jī)共振通頻帶106-107
• 6.4 實(shí)驗(yàn)驗(yàn)證107-111
• 6.4.1 故障軸承信號(hào)分析107-109
• 6.4.2 故障齒輪信號(hào)分析109-110
• 6.4.3 實(shí)驗(yàn)結(jié)果和討論110-111
• 6.5 本章小結(jié)111-113
• 第7章 自適應(yīng)隨機(jī)共振方法的研究113-129
• 7.1 引言113
• 7.2 一種在線自適應(yīng)隨機(jī)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 儀器系統(tǒng)116-117
• 7.2.4 實(shí)驗(yàn)驗(yàn)證117-118
• 7.3 基于自適應(yīng)隨機(jī)共振的在線軸承故障診斷118-122
• 7.3.1 基于隨機(jī)共振的自適應(yīng)濾波器指數(shù)118-119
• 7.3.2 參數(shù)優(yōu)化方法119-120
• 7.3.3 在線信號(hào)解調(diào)120
• 7.3.4 變頻信號(hào)檢測120-121
• 7.3.5 軸承故障診斷策略121-122
• 7.4 實(shí)驗(yàn)驗(yàn)證122-128
• 7.4.1 硬件系統(tǒng)122
• 7.4.2 實(shí)驗(yàn)設(shè)備122-123
• 7.4.3 無刷直流電機(jī)的軸承故障診斷：內(nèi)圈故障123-125
• 7.4.4 有刷直流電機(jī)的軸承故障診斷：外圈故障125-127
• 7.4.5 無故障軸承案例127-128
• 7.5 本章小節(jié)與討論128-129
• 第8章 總結(jié)與展望129-135
• 8.1 主要結(jié)論129-131
• 8.2 本課題創(chuàng)新點(diǎn)131
• 8.3 本課題展望131-135
• 參考文獻(xiàn)135-143
• 致謝143-145
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果145-146

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 陳敏;胡蔦慶;秦國軍;安茂春;;參數(shù)調(diào)節(jié)隨機(jī)共振在機(jī)械系統(tǒng)早期故障檢測中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2009年04期

2 李繼猛;陳雪峰;何正嘉;;采用粒子群算法的沖擊信號(hào)自適應(yīng)單穩(wěn)態(tài)隨機(jī)共振檢測方法[J];機(jī)械工程學(xué)報(bào);2011年21期

3 王國彪;何正嘉;陳雪峰;賴一楠;;機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J];機(jī)械工程學(xué)報(bào);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];中國科學(xué):技術(shù)科學(xué)(英文版);2013年09期

  本文關(guān)鍵詞：基于隨機(jī)共振的微弱信號(hào)檢測模型及應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：385272