典型文献
基于PSO和MSR的微弱信号检测方法研究
文献摘要：
针对强噪声环境下,旋转机械系统的微弱信号难以得到准确检测的问题,提出了一种基于自适应权重粒子群算法(APSO)和自适应多稳态随机共振(SMSR)相结合的微弱信号检测方法.首先,使用自适应多稳态随机共振作为基本检测方法,并在数值求解输出信号时,引入了二次采样法(TS),解决了随机共振对高频信号适应能力差的问题;然后,以输出信噪比作为适应度函数,使用粒子群算法(PSO)优化了多稳态系统结构参数;采用全局最优点距离的方案,对惯性权重进行了自适应调整,将粒子群算法改善为自适应权重粒子群算法;最后,设置了混有高强度高斯噪声的正弦小信号仿真试验,在此基础上,使用该方法完成了对机械系统微弱故障诊断实验.研究结果表明:该方法可以准确地突显出161.1 Hz故障频率成分,同时能够得到描述实际机械系统运转状态的倍频成分,具有准确的微弱信号检测能力.
文献关键词：
旋转机械系统;故障诊断;微弱信号检测;多稳态随机共振;粒子群优化;二次采样
中图分类号：
作者姓名：
郑煜
作者机构：
陕西工业职业技术学院 机械工程学院,陕西 咸阳712000
文献出处：
引用格式：
[1]郑煜-.基于PSO和MSR的微弱信号检测方法研究)[J].机电工程,2022(03):362-367
A类：
多稳态随机共振
B类：
微弱信号检测,强噪声,噪声环境,旋转机械系统,自适应权重粒子群算法,APSO,SMSR,振作,数值求解,输出信号,二次采样,采样法,TS,高频信号,输出信噪比,比作,适应度函数,系统结构,全局最优,惯性权重,自适应调整,善为,混有,强度高,高斯噪声,正弦,小信号,信号仿真,仿真试验,微弱故障,诊断实验,突显出,故障频率,倍频,检测能力,粒子群优化
AB值：
0.266892
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
