發(fā)布時(shí)間：2024-06-14 20:07

　　針對(duì)滾動(dòng)軸承早期故障階段振動(dòng)信號(hào)微弱,信噪比低,提出量子遺傳算法(quantum genetic algorithm,簡(jiǎn)稱QGA)與隨機(jī)共振相結(jié)合的微弱信號(hào)檢測(cè)方法,提高信號(hào)信噪比并識(shí)別故障位置。首先,對(duì)大參數(shù)信號(hào)變尺度處理,并根據(jù)輸入信號(hào)對(duì)噪聲強(qiáng)度進(jìn)行估計(jì)實(shí)現(xiàn)參數(shù)初始化;其次,以輸出信噪比作為目標(biāo)函數(shù),通過(guò)QGA對(duì)系統(tǒng)的雙參數(shù)進(jìn)行自適應(yīng)尋優(yōu);最后,通過(guò)系統(tǒng)的隨機(jī)共振實(shí)現(xiàn)微弱信號(hào)信噪比的提高。仿真及實(shí)驗(yàn)結(jié)果表明,該方法充分考慮了系統(tǒng)參數(shù)之間的相互作用,能夠有效提高信號(hào)信噪比,實(shí)現(xiàn)了早期故障階段的微弱信號(hào)檢測(cè)。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1雙變量自適應(yīng)隨機(jī)共振流程圖

當(dāng)?shù)�代至最大遺傳代數(shù)時(shí),循環(huán)停止。3仿真與實(shí)驗(yàn)

圖2信噪比與勢(shì)壘關(guān)系圖

設(shè)采樣頻率為1000Hz的仿真信號(hào)為s(t)=0.1sin(2π2t),根據(jù)絕熱近似理論,輸入信號(hào)要滿足小參數(shù)信號(hào)條件即信號(hào)幅值A(chǔ)?1、信號(hào)頻率f?1,在實(shí)際研究中發(fā)現(xiàn):只要與噪聲強(qiáng)度D相比A很小,即信號(hào)的頻譜不可識(shí)別,此時(shí)的信號(hào)幅值A(chǔ)就可以稱為小參數(shù)。信號(hào)頻率會(huì)對(duì)隨機(jī)共振的....

圖3原始信號(hào)時(shí)域、頻域圖

采用傳統(tǒng)隨機(jī)共振對(duì)加噪信號(hào)進(jìn)行處理,在不調(diào)節(jié)系統(tǒng)參數(shù)的情況下,也就是默認(rèn)a=1、b=1的情況下,隨機(jī)共振現(xiàn)象并沒(méi)有發(fā)生。前文已說(shuō)明隨機(jī)共振的產(chǎn)生取決于輸入信號(hào),噪聲和非線性系統(tǒng)的協(xié)同作用,目前輸入信號(hào)已知,噪聲的強(qiáng)度也僅是高于輸入信號(hào),而不是強(qiáng)度過(guò)大完全掩蓋信號(hào),說(shuō)明是系統(tǒng)內(nèi)的參....

圖4加噪信號(hào)時(shí)域、頻域圖

圖3原始信號(hào)時(shí)域、頻域圖圖5隨機(jī)共振后時(shí)域、頻域圖

本文編號(hào)：3994360