[发明专利]基于蚁群算法的自适应随机共振系统参数选择方法

说明书

技术领域

本发明属于机械设备早期故障特征提取领域，涉及一种基于蚁群算法的随机共振系统参数选择方法，可以自适应地选择最优的系统参数，实现机械设备早期故障的有效诊断。

背景技术

随着科学技术的发展，机电设备在社会经济生活中发挥着越来越重要的作用，而设备的大型化、复杂化趋势无疑增加了故障发生的机率，单一故障的发生，往往会引发连锁反应，导致整台设备甚至整条生产线不能正常运行，造成巨大的经济损失，甚至造成人员伤亡。因此机电设备的状态监测与故障诊断工作，尤其是早期故障的诊断具有深远的社会意义和经济价值。

由于机电设备工况的复杂多样化，机械故障也越来越复杂，设备的早期故障特征往往比较微弱，而对于低速重载设备而言微弱信号是它的一个固有特性，因此微弱信号的检测是设备状态监测与早期故障诊断的关键技术。通常能够反映设备早期故障的微弱特征都被噪声所淹没，传统的处理做法是消噪，但是消噪的同时往往容易产生信号的削弱甚至破坏，而随机共振是一种利用噪声来加强微弱信号的非线性信号处理方法，具有重要的工程实际意义。在经典随机共振中最常用的就是如下公式中的双稳态系统模型，当小参数信号(A＜＜1，D＜＜1，f＜＜1)、系统和噪声达到一定的匹配关系时，噪声的能量会部分传递给小信号，信号的能量得到加强就可以跃过势垒ΔU形成跃迁发生随机共振，这种特性被用来检测隐藏在噪声中的微弱信号。

U(x)=-ax22+bx44,(a>0,b>0)]]>

在实际应用中，需要调节信号、系统和噪声三者的关系使随机共振产生比较好的效果。信号要经过预处理使之满足小参数条件，一般不能精确控制，噪声因为添加容易而减小困难所以一般也不做调节，双稳态系统可以通过改变参数a和b的值达到方便调节的目的，所以在调节三者的匹配关系时应用最广。随着计算机技术的发展，让计算机代替人去自动尝试和获得最优的信号、噪声与系统的匹配关系可以大大节约时间成本，越来越多的参数可以由计算机自适应的选择出来。对于随机共振系统而言，一般的调节方法都是固定一个参数调节另一个，这种方法简单易于实现，但当第一个参数选择的偏差太大时，即使第二个参数可以减小误差求得的也只是相对最优值，离真正的最优值还有一定的差距；也可以用计算机遍历所有可能的参数组合，这种方法能够求得最优值，但如果精度要求高时或多于两个参数时计算量会相当大，这对计算机配置的要求较高，耗时较长。”

蚁群算法是一类随机搜索算法，模拟了蚁群的觅食机制，从最开始的随机寻找逐渐找到一条从蚁穴到食物的最短路径。通过蚂蚁所在点附近的各个目标点的信息素浓度来决定蚂蚁移动到的位置，直到找寻到信息素浓度最大的点，所以它是一个很好的参数选择方法。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于蚁群算法的自适应随机共振系统参数选择方法。该方法模拟蚂蚁群体觅食的原理进行随机共振系统的参数寻优，其本质是一个复杂的智能系统，具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合的优点。蚁群算法与随机共振相结合可以有效地提高随机共振参数选择的精度和效率，使随机共振的应用范围得到扩展，实现机械设备早期故障的有效诊断。

本发明的技术方案是按照如下步骤进行的：

(1)先对信号进行预处理，使其满足随机共振小参数要求，选择随机共振处理后信号的输出信噪比作为蚁群算法的评价函数；

(2)选择基于网格划分的蚁群算法，根据随机共振初始搜索范围和评价函数来设定蚁群算法内的参数；

(3)用基于网格划分的蚁群算法对随机共振系统参数进行寻优，最后得到的就是自适应求得的随机共振系统参数。

所述步骤(1)中：