【摘 要】
：
轴承故障信号的提取易受工作环境中强背景噪声的影响,特别在早期故障信号检测中,轴承故障信号被噪声淹没,导致检测受限.针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷,提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法,该方法以输出信号信噪比作为适应度函,对随机共振理论中两个参数协调优化,得到一组最优参数,自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果.最后通过仿真对比,所提出的算法信号检测结果优于传统随机共振方法;通过轴承故障诊断实验数据验证,该算法实现的轴承故障信号
【机 构】
：
中北大学信息与通信工程学院 太原030051;中国长峰机电技术研究设计院 北京100854
论文部分内容阅读
轴承故障信号的提取易受工作环境中强背景噪声的影响,特别在早期故障信号检测中,轴承故障信号被噪声淹没,导致检测受限.针对传统的自适应随机共振理论在轴承故障信号检测中参数优化单一的缺陷,提出一种基于布谷鸟算法优化随机共振参数的轴承故障检测算法,该方法以输出信号信噪比作为适应度函,对随机共振理论中两个参数协调优化,得到一组最优参数,自适应实现与输入信号、噪声、非线性系统三者最匹配的随机共振效果.最后通过仿真对比,所提出的算法信号检测结果优于传统随机共振方法;通过轴承故障诊断实验数据验证,该算法实现的轴承故障信号的检测误差为0.15％.实验结果表明所提方法具有寻优参数准确度高、可靠性好等优点,对轴承故障的精准检测和工业设备稳定运行具有重要意义.
其他文献
架空电缆安装施工过程中,塔架物品提升使用的钢丝绳的拉力监测对施工安全性有着重要意义.由此设计了一种基于三点弯曲法原理的拉力检测装置.该装置内单片机系统将压力传感器获得的信号放大接入计算机,转化为电信号输出,以实现监测.但该方法必然存在非线性因素的干扰,通过实验标定与误差补偿,该装置误差可控制到2％以内;实际使用中发现环境温度引起的测量误差不可忽略,为此通过温度标定试验进行温度补偿.实际工程数据结果表明,其测量误差能够满足工程需求.
针对鲸鱼优化算法在优化复杂工程时易陷入局部最优、收敛精度低等问题,提出一种基于精英反向学习和L6vy飞行的鲸鱼优化算法(ELWOA),该算法首先通过精英反向学习优化初始化种群,提高种群的多样性;然后增加自适应权重因子,有利于平衡算法的全局和局部搜索能力;最后将L6vy飞行策略应用到鲸鱼优化算法,在最优位置附近进行小范围搜索,有利于算法后期跳出局部最优,提升算法的局部搜索能力.通过对多个测试函数的仿真优化分析,结果表明,ELWOA算法比WOA、MWOA算法具有较快收敛速度和较好的收敛精度.
基于介电润湿(EWOD)效应的数字微流控系统(DMF)能实现微升级别的多个液滴移动、分裂、合成等操作.为了降低EWOD器件异质液滴之间的交叉污染,减少化学合成和生化检验在EWOD器件中的完成时间,保证器件的可靠性,通过MATLAB平台对DMF系统环境进行空间建模,在基本A*算法的基础上,将拐点作为估计函数值的影响因子,融入液滴碰撞策略,提出了针对EWOD器件流体特征的改进A*算法.通过对化学合成实验的仿真模拟,该算法表现出了较好的液滴寻址优化特性.对比基本A*算法,在相同路径长度下(64个驱动电极),该算
针对在低信噪比环境下传统语音增强方法适应性差和增强效果不理想的问题,提出一种基于Wasserstein散度的深度生成对抗网络的语音增强方法.该方法以5个生成器和1个判别器为基础组成深度生成对抗网络,利用5个生成器进行5次增强处理,有效提高对抗网络在低信噪比条件下的增强效果,使用Wasserstein散度优化网络训练,改善传统GAN网络训练过程中存在的训练不稳定等问题,提高深度生成对抗网络训练的稳定性.在低信噪比环境下该方法相比于传统语音增强方法噪声适应性和增强效果都有明显提升.实验结果表明,与原始带噪语音
针对地下浅层震源定位中地表噪声过大、目标信号较弱的问题,设计了基于F-K分析的圆形传感器阵列布设方案.选用圆形阵列作为研究对象,利用波束形成法估算阵列的频率-波数谱(F-K谱).在100 m×100 m的传感器布设区域内,通过对比分析圆形阵列在不同传感器测点和不同阵列孔径的设置对F-K谱的影响,选择最佳的传感器测点数量和阵列孔径.最后,研究结果表明在100 m×100 m的区域内,阵列孔径为180m的9元传感器圆形阵列的F-K谱效果最好,即对目标信号的拾取效果最好,对慢度信号分辨率更强,是阵列模型的最佳选
全球卫星导航系统是一个巨大、复杂的系统.如果直接在真实环境中进行试验验证和人员培训,除了耗费巨大的系统资源外,可能还会存在巨大的风险.通过建立卫星导航系统高保真度的空间段、地面段和用户段模型,开发系统级功能和性能评估算法,并实现由ICD文件定义的系统间接口仿真,研制了一款支持“北斗三号”的全球卫星导航系统级仿真与分析软件—BDSim.本文重点阐述BDSim作为系统级测试仿真平台用于系统测试与评估以及地面操作人员培训的方法.首先,提出卫星导航高保真度模型体系的构建方法,给出BDSim的模型体系;然后,针对“
在分时交替模数转换器(TI-ADCs)系统各项误差的校正中,目前大多方法是针对高速(GSPS)中低精度(≤16 bit) TI-ADCs系统的误差校正算法,且对非线性误差的研究较少,提出了一种适用于高精度(24 bit) TI-ADCs系统的非线性失配误差校正算法.首先提取输入信号经过系统后的含非线性误差输出数据,根据截断的Volterra级数误差模型并借助矩阵变换与最小二乘法(LS)估计出误差系数,然后使用误差重构的多级校正方法来补偿系统的动态非线性误差,得到校正前后的频谱对比图.在单频、多频等频率间隔
针对长输油气管道泄漏检测过程中泄漏信号特征信息提取困难,提出一种新的管道负压波信号特征提取方法.采用添加自适应噪声的完备集合经验模态分解算法对采集的负压波信号进行去噪,通过评估CEEMDAN分解后分量与原始信号的概率密度之间的豪斯多夫距离选取有效模态并重构.计算重构信号的云模型特征熵、峭度作为特征参数,用支持向量机进行分类识别.通过实验室数据验证,CEEMDAN、豪斯多夫距离与云模型特征熵结合的方法可以有效提高油气管道泄漏检测的准确性,实现了对流量小于43 m/h的微小泄漏信号的识别,具有一定的现场应用价
针对柴油机系统故障特征信息微弱、识别率低的问题,提出一种基于多特征提取和核熵成分分析(KECA)的柴油机关键部件故障识别方法.首先对采集的信号经集合经验模态分解重构降噪后提取方差、峭度、方根幅值、峰值因子和排列熵作为特征参量,选择KECA对其高维降成低维特征,最后由支持向量机对新的低维特征进行故障识别,并对比用其他降维方法的分类结果.结果 显示,此分类结果显著比其他方法好,识别准确率为96.67％,说明所提方法可对柴油机关键部件进行故障识别,且拥有良好的应用前景.
在电力系统实际工作的过程中,电缆导体的温度过高往往会造成电力系统出现故障,但由于电缆的缆芯温度不易监测,因此提出一种基于LSTM的滚动预测方法对电缆的缆芯温度进行预测.根据采集到的缆芯温度数据集,利用该算法对模型进行训练,动态调节网络模型参数,学习数据变化的规律,从而实现缆芯温度的预测.结果 表明该算法模型的RMSE为0.1979℃,与BP、LSTM算法模型进行对比,验证了该算法模型可以有效的预测短期缆芯温度变化趋势,表明该算法在电力系统安全运行方面具有一定的实际应用意义.