基于随机共振的滚动轴承微弱特征检测技术应用研究 机械工程专业论文.docx

基于随机共振的滚动轴承微弱特征检测技术 应用研究 Research on Weak Signal Detection of Rolling Bearings based on Stochastic Resonance 学科专业：机械工程 研 究 生：张仲海 指导教师：王 多 副教授 天津大学机械工程学院 二零一二年十二月 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得 天津大学 或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 天津大学 有关保留、使用学位论文的规定。 特授权 天津大学 可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 摘 要 双稳随机共振是一种非线性现象，它只有在噪声、双稳系统和输入信号三者 之间达到一定的协同关系时才会发生。具体针对某一确定的大参数含噪信号，需 要对随机共振的多个参数进行联合调节，才能产生随机共振。但是，目前关于系 统参数、信号频率以及噪声强度三者之间的耦合性的研究很少，随机共振的联合 调参缺乏指导，只能依赖于人为经验。因此，本文将围绕随机共振多参数联合调 节实现困难的问题，对自适应随机共振展开研究。 针对随机共振系统参数选取依赖于人为经验和变步长随机共振计算步长选 取困难的缺陷，提出一种采用粒子群算法的自适应变步长随机共振方法，该方法 以随机共振输出信噪比作为粒子群算法的适应度函数，通过对系统参数和计算步 长的同步优化，实现变步长随机共振最优输出的自适应求解。利用仿真数据和工 程实际数据对该方法进行实验验证，分析结果表明该方法简单易行，适用范围广， 收敛速度快，能有效的检测出强噪声背景下的高频微弱信号，具有良好的工程应 用前景。 把采用粒子群算法的自适应变步长随机共振融入到级联双稳随机共振中，提 出了级联双稳随机共振自适应降噪方法，通过对各级随机共振参数的自适应求 解，实现了级联随机共振各级系统的自适应输出，最终达到对大参数条件下的工 程信号进行自适应降噪的目的。将该方法应用于仿真数据和工程实测数据，分析 结果表明该方法能快速、有效的消除大参数信号里的高频噪声干扰，并突出低频 有用信号成分，降噪效果显著。 将级联双稳随机共振自适应降噪方法与经验模式分解相结合，提出了基于级 联双稳随机共振自适应降噪的经验模式分解方法，该方法可以消除经验模式分解 的边界效应并有效提高分解效率。在实验研究中，分别对原始输入信号和级联双 稳各级输出信号进行了经验模式分解，通过对这些分解结果进行比较分析，可以 发现该方法能在提高信号信噪比的同时，减少 IMF 分量的数量，并提高经验模 式分解的质量。 关键词： 随机共振 微弱特征检测 粒子群算法 经验模式分解 ABSTRACT Stochastic resonance (SR) is a nonlinear phenomenon, and it occurs only when the three of noise, bistable system and input signal, achieve certain synergies. Specific for a certain noisy signal, it is very necessary to joint adjustment of multiple parameters of stochastic resonance to produce SR phenomenon. However, there is less research about the coupling of system parameters, signal frequency and noise intensity, the joint parameter adjustment of stochastic resonance lack of guidance, and highly rely on the experience. Therefore, this paper focuses on the problem of hard to realize multi-parameter j