导读:本文包含了变尺度随机共振论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:尺度,信号,故障诊断,计量学,微弱,稳态,鱼群。
变尺度随机共振论文文献综述
黄大文,杨建华,唐超权,张景玲,刘后广[1]（2018）在《二阶系统普通变尺度随机共振及轴承故障诊断》一文中研究指出针对传统随机共振方法难以实现系统最优输出的问题,提出了基于二阶欠阻尼和一阶过阻尼双稳态系统的普通变尺度随机共振方法,利用量子粒子群优化算法实现了自适应随机共振,提高了轴承故障诊断效率。基于数值模拟讨论了时间尺度、阻尼因子、噪声强度和系统参数对输出信噪比的影响。应用提出的方法对两组轴承故障振动信号进行了分析。结果表明,二阶欠阻尼系统普通变尺度自适应随机共振对微弱故障信号的检测效果优于一阶过阻尼系统普通变尺度自适应随机共振,且二阶欠阻尼系统对噪声的抑制和利用能力更强,故障频率处的幅值明显增大,提高了输出信噪比,在轴承故障诊断应用中具有优越性。(本文来源于《振动.测试与诊断》期刊2018年06期）
时培明,苏晓,袁丹真,苏冠华,马晓杰[2]（2018）在《基于VMD和变尺度多稳随机共振的微弱故障信号特征提取方法》一文中研究指出针对强噪声背景下旋转机械早期故障诊断的难题,提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解(variational mode decomposition,VMD)算法对微弱故障信号进行分解,得到若干本征模态分量(intrinsic mode function,IMF);然后通过峭度准则筛选出其中峭度最大的IMF分量;最后对该IMF分量进行变尺度多稳随机共振,实现微弱故障信号的增强。实例表明:在强噪声背景下,利用参数优化VMD分解与变尺度多稳随机共振相结合的方法,可以有效提取出微弱信号特征频率,实现旋转机械故障状态的准确判断。(本文来源于《计量学报》期刊2018年04期）
吴恩浩[3]（2017）在《基于多尺度随机共振谱的滚动轴承故障诊断方法研究》一文中研究指出旋转设备是工业机械中最重要的部件之一,而轴承则是一种典型的旋转设备。如果机械系统中的轴承有故障,不仅会影响系统的正常运行,也有可能导致一些意想不到的危险后果,所以需要及时发现轴承的早期缺陷。一般通过分析振动信号来进行轴承的状态检测和故障诊断,但是受到工作环境的噪声及轴承与其他机械零件耦合而产生的噪声的影响,故障诊断的难度很大。因此,亟需找到一种有效的微弱信号检测的方法。在微弱信号检测中,随机共振是一种利用噪声来增强周期性信号的有效方法。考虑到有故障的轴承振动信号的非平稳特性,本文研究了时频分布中的随机共振。本文提出了一种称为多尺度随机共振谱的新方法,以提高检测初始缺陷信号的有效性。该方法的理论依据在于(1)故障导致的瞬变主要位于时频分布中的特定频带,因此只有该频段的噪声才能激活随机共振效应;(2)时频分布上的每一个频率上对应于在特定频率上调制的包络,因此在时频分布中存在用于每个频率标度的调制系统。本文提出的新方法将时频分布的每个尺度视为特定频率的调制系统,由于有用信息仅包含在测量信号的特定尺度中,不同调制系统中的噪声在用随机共振技术增强缺陷信息方面将具有不同的有效性。在对实验数据的分析中,相比起各种经典的随机共振方法,本文所提出的方法在识别滚动轴承的故障频率方面具有更多的优势,同时也显示了在诊断混合故障的振动信号中的潜力。此外,本文还探索了两种机械故障诊断算法的软件实现,其一是在智能手机中应用故障诊断算法,其二是将算法部署到服务器上并通过网络浏览器将诊断结果可视化,这两种方法分别实现了在线与离线的故障诊断。(本文来源于《中国科学技术大学》期刊2017-05-09）
韩志军,曹威,孙晓云,程恩,王明明[4]（2016）在《非周期变尺度随机共振在锚杆无损检测中的应用》一文中研究指出在强噪声下检测锚杆微弱信号一直是实际工程中的难题。随机共振与以往去噪方法不同,其利用噪声能量来增强被噪声埋没的微弱信号。经典的随机共振只适合于小参数信号(信号频率、信号幅值、噪声强度均远小于1)的检测,而应力波反射法采集到的锚杆信号属于衰减振荡的暂态信号,具有非周期性、大参数等特点,因此采用非周期变尺度随机共振方法处理锚杆信号。针对非周期随机共振,综合峭度指标与互相关系数指标的各自优缺点,采用加权峭度作为其度量指标。变尺度随机共振法对幅值进行归一化、对频率进行线性压缩,使锚杆信号满足经典随机共振的要求。通过处理非周期大参数的仿真信号和实际工程中的锚杆振动信号,验证了非周期变尺度随机共振的有效性。(本文来源于《中国矿业》期刊2016年09期）
谢有浩,刘晓乐,刘后广,程刚,陈曦晖[5]（2016）在《基于改进移频变尺度随机共振的齿轮故障诊断》一文中研究指出为了解决传统的移频变尺度随机共振只对单一参数进行优化,忽略各个参数之间交互作用的不足,提出了一种改进移频变尺度随机共振的算法。首先利用移频变尺度对大参数信号进行预处理;其次以最大信噪比为优化目标,采用改进鱼群算法对系统参数进行同步优化;最终实现齿轮故障微弱特征信号的最优提取。研究结果表明,该算法可以将噪声能量转移到微弱特征信号上,提高信噪比,并对齿轮进行故障诊断,且相对于传统的移频变尺度随机共振以及小波阈值降噪而言更加优越。该文提出的算法可用于强噪声环境下的齿轮故障诊断,为农业机械中齿轮故障诊断研究提供了参考。(本文来源于《农业工程学报》期刊2016年08期）
曹衍龙,杨毕玉,杨将新,郑仕谱,周威杰[6]（2016）在《基于变尺度随机共振的冲击信号自适应提取与识别方法》一文中研究指出针对不同设备故障会产生不同冲击信号类型的问题,为了克服传统指标不能区分冲击信号类型的不足,分析了冲击信号峭度值和近似熵的特性,将两个指标相结合,构造冲击信号特征系数,在此基础上提出了一种基于变尺度随机共振的冲击信号自适应提取与识别方法,实现强噪声环境中弱冲击信号的提取与识别。最后,通过仿真验证该方法的有效性和可行性。(本文来源于《振动与冲击》期刊2016年05期）
周玉飞,王红军,左云波,么曼实[7]（2015）在《基于变尺度随机共振的轴承故障诊断》一文中研究指出针对小参数随机共振难以满足工程实践中大参数下的微弱信号检测的问题,采用变尺度的方法实现了大参数的随机共振。变尺度随机共振法首先选择适当的二次采样频率对原始信号进行线性压缩,实现高频信号到低频信号的转换,使信号满足小参数随机共振的前提条件,再将线性压缩后的信号输入双稳随机共振系统,系统输出响应产生随机共振,使微弱的故障特征信号突出,达到大参数下微弱信号提取的目的。仿真实验验证了方法的正确性,并成功地将变尺度随机共振应用于轴承内圈的故障诊断。(本文来源于《北京信息科技大学学报(自然科学版)》期刊2015年06期）
时培明,李培,韩东颖,刘彬[8]（2015）在《基于变尺度多稳随机共振的微弱信号检测研究》一文中研究指出针对强噪声背景下微弱信号难以检测的难题,提出基于变尺度多稳随机共振的微弱信号检测方法。多稳随机共振系统比双稳随机共振系统具有更好的微弱信号检测能力,为强噪声背景下微弱信号的检测提供了新方法。首先对大频率信号进行尺度变换使之满足随机共振条件,将频率压缩后的信号通过多稳系统,调整参数使其发生随机共振得到信号的频谱特征,并与双稳随机共振方法得到的特征频率进行比较,仿真和实例结果均表明:相同条件下,多稳随机共振方法比双稳随机共振方法得到的频率准确,可以增强信号的幅值,有效地检测出被噪声淹没的微弱信号。(本文来源于《计量学报》期刊2015年06期）
缑新科,马艳[9]（2015）在《多频信号的多尺度随机共振检测方法及应用》一文中研究指出基于随机共振的基本原理,采用多尺度随机共振变换的方法用于多频微弱信号的检测,通过调节双稳态随机共振系统参数、噪声强度,将单频微弱信号上产生的随机共振效应扩展到多频信号,实现多频信号的同时检测.结果表明,该方法可从高噪声背景中有效地提取出多频信号,尤其对于多频大参数信号的检测,多尺度随机共振变换有着更好的性能.(本文来源于《兰州理工大学学报》期刊2015年05期）
缑新科,马艳[10]（2015）在《基于多尺度随机共振变换的微弱信号检测》一文中研究指出针对在高噪声背景下微弱信号的检测,以绝热近似小参数的随机共振理论为依据,根据随机共振的噪声选择性和频率敏感特性,提出了基于多尺度随机共振变换的微弱信号检测方法。将合噪输入信号经小波变换分解为不同尺度频率的信号成分后,通过引入归一化变换来调节各尺度信号成分的大小,再将不同尺度的分解信号作为非线性双稳系统的输入,从而实现大参数条件下微弱信号的检测。数值仿真结果表明:该方法可以从高噪声背景下提取微弱信号,并能获得较高的输出信噪比,在信号检测领域具有很好的应用前景。(本文来源于《测控技术》期刊2015年10期）
变尺度随机共振论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对强噪声背景下旋转机械早期故障诊断的难题,提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解(variational mode decomposition,VMD)算法对微弱故障信号进行分解,得到若干本征模态分量(intrinsic mode function,IMF);然后通过峭度准则筛选出其中峭度最大的IMF分量;最后对该IMF分量进行变尺度多稳随机共振,实现微弱故障信号的增强。实例表明:在强噪声背景下,利用参数优化VMD分解与变尺度多稳随机共振相结合的方法,可以有效提取出微弱信号特征频率,实现旋转机械故障状态的准确判断。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
变尺度随机共振论文参考文献
[1].黄大文,杨建华,唐超权,张景玲,刘后广.二阶系统普通变尺度随机共振及轴承故障诊断[J].振动.测试与诊断.2018
[2].时培明,苏晓,袁丹真,苏冠华,马晓杰.基于VMD和变尺度多稳随机共振的微弱故障信号特征提取方法[J].计量学报.2018
[3].吴恩浩.基于多尺度随机共振谱的滚动轴承故障诊断方法研究[D].中国科学技术大学.2017
[4].韩志军,曹威,孙晓云,程恩,王明明.非周期变尺度随机共振在锚杆无损检测中的应用[J].中国矿业.2016
[5].谢有浩,刘晓乐,刘后广,程刚,陈曦晖.基于改进移频变尺度随机共振的齿轮故障诊断[J].农业工程学报.2016
[6].曹衍龙,杨毕玉,杨将新,郑仕谱,周威杰.基于变尺度随机共振的冲击信号自适应提取与识别方法[J].振动与冲击.2016
[7].周玉飞,王红军,左云波,么曼实.基于变尺度随机共振的轴承故障诊断[J].北京信息科技大学学报(自然科学版).2015
[8].时培明,李培,韩东颖,刘彬.基于变尺度多稳随机共振的微弱信号检测研究[J].计量学报.2015
[9].缑新科,马艳.多频信号的多尺度随机共振检测方法及应用[J].兰州理工大学学报.2015
[10].缑新科,马艳.基于多尺度随机共振变换的微弱信号检测[J].测控技术.2015
论文知识图
