基于周期势系统自适应随机共振的微弱特征信息提取方法技术方案

本发明专利技术公开了一种基于周期势系统自适应随机共振的微弱特征信息提取方法，包括：1)信号采集；2)信号预处理；3)周期势系统随机共振参数优化；4)最优输出曲线的获取；5)微弱特征信息提取。本发明专利技术寻优精度高，收敛速度快，在自适应选取最优系统参数时，能够对信噪比极低的微弱信号进行有效增强，并可依据增强后的信号对微弱特征信息进行有效的提取。同时，本发明专利技术也为随机共振在机械设备故障诊断应用方面提供了一种有效的方法。

【技术实现步骤摘要】

本专利技术涉及机械设备故障微弱特征信息提取领域，尤其涉及一种基于周期势系统自适应随机共振的微弱特征信息提取方法。
技术介绍
大型旋转机械通常工作在低速重载、强噪声背景下，从而导致在故障诊断过程中获取的振动信号是被强噪声深度污染的信噪比极低的信号，严重影响诊断的精确性。因此，如何提取强噪声背景下微弱故障特征信息就成了故障诊断领域关键问题之一。在微弱信号检测方面，传统的方法主要是设法抑制和消除噪声以提高信噪比。然而，当噪声频率与信号频率接近或重合时，抑制噪声的同时，有用信号往往也被剔除掉，这极大影响了微弱信号的检测效果。对于如何解决该问题，非线性随机共振理论的提出起到了一定作用。当非线性系统发生随机共振时，部分噪声能量会转化为信号能量，使系统输出信噪比大大提高，非线性系统随机共振理论为科研人员提取强噪声背景下的微弱特征信号开创了新的思路。目前，被广泛研究的是具有双稳态势函数的非线性系统随机共振，但其在处理信噪比极低的微弱信号时，往往达不到预期的效果。所以，如果要进一步提高信噪比，有必要探索能够更高效提取强噪声背景下微弱特征信息的新型随机共振系统，并将其应用于机械设备故障诊断技术中。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供了一种基于周期势系统自适应随机共振的微弱特征信息提取方法,寻优精度高，收敛速度快，在自适应选取最优系统参数时，能够对信噪比极低的微弱信号进行有效增强，并可依据增强后的信号对微弱特征信息进行有效的提取。技术方案：本专利技术提供的一种基于周期势系统自适应随机共振的微弱特征信息提取方法。包括：1)信号采集；2)信号预处理；3)周期势系统随机共振参数优化；4)最优输出曲线的获取；5)微弱特征信息提取。进一步地，所示步骤2)信号预处理指的是，采用移频变尺度方法对采集到的振动信号进行处理，使其满足经典随机共振只能处理特征信号频率远小于1Hz的小参数要求。进一步地，所示步骤3)中的周期势系统随机共振，其对应的朗之万方程为：dxdt=-dU(x)dx+s(t)+n(t)U(x)=-a cos(bx)<n(t)>=0<n(t)n(t′)>=2Dδ(t-t′)]]>式中：x表示位移；t表示时间；a、b表示系统参数；s(t)表示输入信号；n(t)表示噪声强度为D的高斯白噪声；U(x)表示周期势函数，而以往较多采用的传统双稳态势函数为U(x)＝-ax2/2+bx4/4。进一步地，所述周期势系统随机共振朗之万方程，可以采用四阶龙格库塔算法进行求解，其离散公式如下：xm+1=xm+16[k1+2k2+2k3+k4],m=0,1,2...N-1k1=h[-ab sin(bxm)+sm+nm]k2=h{-ab sin[b(xm+12k1)]+sm+nm)]本文档来自技高网...

【技术保护点】
一种基于周期势系统自适应随机共振的微弱特征信息提取方法，其特征在于，包括如下几个步骤：1)信号采集；2)信号预处理；3)周期势系统随机共振参数优化；4)最优输出曲线的获取；5)微弱特征信息提取。

【技术特征摘要】
1.一种基于周期势系统自适应随机共振的微弱特征信息提取方法，其特征在于，包括如下几个步骤：1)信号采集；2)信号预处理；3)周期势系统随机共振参数优化；4)最优输出曲线的获取；5)微弱特征信息提取。2.根据权利要求1所述的一种基于周期势系统自适应随机共振的微弱特征信息提取方法，其特征在于：所述步骤2)信号预处理指的是，采用移频变尺度方法对采集到的振动信号进行处理，使其满足经典随机共振只能处理特征信号频率远小于1Hz的小参数要求。3.根据权利要求1所述的一种基于周期势系统自适应随机共振的微弱特征信息提取方法，其特征在于：所述步骤3)中的周期势系统随机共振，其对应的朗之万方程为：dxdt=-dU(x)dx+s(t)+n(t)U(x)=-a cos(bx)<...

【专利技术属性】
技术研发人员：杨建华，刘晓乐，刘后广，刘送永，韩帅，王文博，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏;32