[发明专利]参数诱导的欠阻尼稳态匹配随机共振微弱特征增强方法

说明书

技术领域

本发明属于机械故障诊断技术领域，具体涉及一种参数诱导的欠阻尼稳态匹配随机共振微弱特征增强方法。

背景技术

随着机械装备的结构复杂化、工作环境恶劣化，致使早期故障微弱特征的增强与提取困难重重，难以实现装备的状态监测与及时维护。信号处理作为机械装备故障诊断的强有力工具，能够通过揭示潜藏在振动信号中的早期故障征兆信息，实现装备的故障诊断与维护。而随机共振作为噪声辅助的信号处理方法之一，能够利用非线性系统俘获噪声能量增强与提取机械早期故障微弱特征，这种变废为宝的观念致使随机共振成为潜在的信号处理工具。

随机共振的能量俘获机理是通过调节布朗粒子在势阱内的运动速率实现与周期激励力的周期之间的协同匹配，因此对固定周期激励力而言形成两种随机共振诱导方案，即噪声诱导随机共振和参数诱导随机共振。对获取的机械振动信号成分而言，噪声与特征相互耦合难以单独调节，而且添加外部噪声容易恶化信号本身，因此参数诱导随机共振成为一种行之有效的方案。

然而，传统参数诱导的单一稳态过阻尼随机共振存在以下缺点：(1)不同工况、故障类型必然导致不同时间、传感器位置获取的振动信号千差万别，因此利用单一稳态随机共振难以实现与多变振动信号之间的有效稳态匹配；(2)过阻尼随机共振的噪声响应具有洛伦兹分布形式，即噪声能量向低频区域聚集，致使其难以抑制多尺度噪声，需依赖于高通滤波器进行预处理。若滤波器参数人为设置不当，可能造成系统输出发散或故障的误检误报；(3)尺度因子决定了随机共振系统的响应频带特性，固定尺度因子容易造成随机共振系统难以俘获最多的噪声能量实现故障特征的增强，甚至过宽的通频带致使系统共振响应残留大量背景噪声，干扰故障特征的提取与辨别。这些缺点已经限制了传统参数诱导的单一稳态过阻尼随机共振的早期故障微弱特征增强与提取能力。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种参数诱导的欠阻尼稳态匹配随机共振微弱特征增强方法，改善传统参数诱导的单一稳态过阻尼随机共振的机械早期故障微弱特征增强能力，从而实现机械装备的故障诊断与运行维护。

为了达到上述目的，本发明采取的技术方案为：

一种参数诱导的欠阻尼稳态匹配随机共振微弱特征增强方法，包括以下步骤：

1)利用希尔伯特变换对获取的振动信号进行解调，释放故障特征频率到低频区域，并获得对应的包络；

2)将步骤1)中解调后多故障类型振动信号的包络输入参数诱导的欠阻尼稳态匹配随机共振系统，并以该系统共振响应的加权信噪比作为量子遗传算法的目标函数，优化系统参数、阻尼比和尺度因子，触发粒子运动模式以及跃迁速率与系统输入之间的共振协同，使故障特征频率恰好处于随机共振非线性类带通滤波器的狭窄通频带内，从而实现频带内的故障特征增强与提取，带外噪声能量的俘获与利用，具体过程如下；

2.1)首先将步骤1)中获取的振动信号的包络input(t)作为参数诱导的欠阻尼稳态匹配随机共振系统的输入，即

式中β是阻尼比，且β∈(0,1]；而U(x)是具有多样化稳态分布的多稳态势函数，

式中x(t)为系统共振响应，a和b是系统参数，且

2.2)为了使参数诱导的欠阻尼稳态匹配随机共振系统处于最佳共振状态，即噪声能量的最大俘获和微弱特征的最大增强，利用量子遗传算法快速调节系统参数、阻尼比和尺度因子，并提出改进的加权信噪比作为目标函数量化随机共振系统的共振响应，其表达式如下：

式中，A_max和A_sub-max分别表示系统共振响应x(t)的傅里叶变换谱中最大和次最大谱峰频率的幅值，而SNR是系统共振响应的信噪比，

其中A_d是特征频率的幅值，M是系统共振响应的数据长度，而且A_i表示系统共振响应的傅里叶变换谱中每根谱线的幅值；为了保证高的收敛速率和可接受的计算时间，量子遗传算法初始化的基本参数为：种群大小N＝40，量子比特编码长度L＝20，最大进化代数G_max＝50；然而，为了获得足够多的稳态类型分布初始化系统参数a∈(0,30]和b∈[-10,10]；阻尼比β∈[0,1]；根据需要诊断的机械装备，由于低转速运行解调后的故障特征频率基本位于1000Hz以下频段，因此尺度因子初始化为R∈(0,1000]能够压缩任意低于1000Hz的故障特征频率满足小参数条件；