复合多稳态随机共振轴承微弱故障信号特征提取研究

摘要

针对传统随机共振系统在强噪声背景下难以提取弱信号的问题，在经典的双稳态系统模型和高斯势阱模型的基础上，提出一种新的复合型幂指函数多稳态随机共振(Composite Exponential Potential Multistable Stochastic Resonance, CEMSR)系统。首先，对Gaussian Potential模型进行改进，构建CEMSR系统模型，并基于四阶龙格-库塔算法对系统进行数值求解，分析噪声强度对系统的影响。其次，以输出信噪比(Signal-to-Noise Ratio, SNR)作为随机共振效果的衡量指标，采用粒子群算法并结合二次采样技术优化系统参数。最后，采用参数最优的CEMSR系统模型检测轴承微弱故障信号，并与2种复合三稳态模型的系统输出进行对比分析。信号仿真分析和试验结果表明，含噪信号处理后，CEMSR系统模型的性能显著优于其他2种复合三稳态系统，其SNR提升幅度均超过30 dB,检测误差控制在0.5 Hz以内，充分证明即使在系统参数较少的情况下，新模型仍能展现出更优异的微弱故障信号特征提取性能。

关键词

随机共振 / 微弱信号检测 / 多稳态模型 / 信噪比 / 粒子群算法