針對滾動軸承早期故障階段振動信號微弱,信噪比低,提出量子遺傳算法(quantum genetic algorithm,簡稱QGA)與隨機共振相結合的微弱信號檢測方法,提高信號信噪比并識別故障位置。首先,對大參數信號變尺度處理,并根據輸入信號對噪聲強度進行估計實現參數初始化;其次,以輸出信噪比作為目標函數,通過QGA對系統(tǒng)的雙參數進行自適應尋優(yōu);最后,通過系統(tǒng)的隨機共振實現微弱信號信噪比的提高。仿真及實驗結果表明,該方法充分考慮了系統(tǒng)參數之間的相互作用,能夠有效提高信號信噪比,實現了早期故障階段的微弱信號檢測。

【文章頁數】：8 頁

【部分圖文】：

圖1雙變量自適應隨機共振流程圖

當迭代至最大遺傳代數時,循環(huán)停止。3仿真與實驗

圖2信噪比與勢壘關系圖

設采樣頻率為1000Hz的仿真信號為s(t)=0.1sin(2π2t),根據絕熱近似理論,輸入信號要滿足小參數信號條件即信號幅值A?1、信號頻率f?1,在實際研究中發(fā)現:只要與噪聲強度D相比A很小,即信號的頻譜不可識別,此時的信號幅值A就可以稱為小參數。信號頻率會對隨機共振的....

圖3原始信號時域、頻域圖

采用傳統(tǒng)隨機共振對加噪信號進行處理,在不調節(jié)系統(tǒng)參數的情況下,也就是默認a=1、b=1的情況下,隨機共振現象并沒有發(fā)生。前文已說明隨機共振的產生取決于輸入信號,噪聲和非線性系統(tǒng)的協(xié)同作用,目前輸入信號已知,噪聲的強度也僅是高于輸入信號,而不是強度過大完全掩蓋信號,說明是系統(tǒng)內的參....

圖4加噪信號時域、頻域圖

圖3原始信號時域、頻域圖圖5隨機共振后時域、頻域圖

本文編號：3994360