[发明专利]一种基于自适应随机共振滤波器的微弱信号检测方法

摘要

本发明公开了一种基于自适应随机共振滤波器的微弱信号检测方法，该检测方法在待检测轴承上安装传感器采集轴承的振动信号，再将振动信号进行包络解调得到滤波器的输入信号Z[n]。通过利用遗传算法调整滤波器参数对Z[n]进行滤波并计算优化输出信号的SQI值。本发明具有以下优点：一、在故障频率未知情况下能够实现轴承故障微弱信号的自适应增强；二、具有好的滤波效果，能够同时滤除高频段和低频段的噪声干扰；三、本发明采用的遗传算法能够提高运算速度，从而提高轴承故障诊断的效率。

主权项

1.一种基于自适应随机共振滤波器的微弱信号检测方法，其特征在于：该方法包括如下步骤：步骤(1)、构建一个BPNN神经网络，将六维的输入指标训练成一个一维的输出指标SQI，训练完成之后得到的SQI指标值越低，表示随机共振滤波器滤波效果越好；其中，六维的输入指标六个已知可行的滤波器指标，输出指标SQI为一个综合定量指标；步骤(2)、初始化随机共振滤波器参数h和γ的范围，对其在给定范围内进行编码，随后利用随机共振滤波器对轴承振动信号中反映故障特征的微弱信号采用以下四阶龙格库塔公式进行处理：式中x[n]为滤波输出信号，y[n]为x[n]的一阶导数，Z[n]为输入信号，h∈(0,+∞)为计算步长，γ∈(0,1)为阻尼因子，U(·)为双势阱函数，x1为x[n]时间段开始时的斜率，x2和x3为x[n]时间段中点的斜率，x4为x[n]时间段终点的斜率，y1为y[n]时间段开始时的斜率，y2和y3为y[n]时间段中点的斜率，y4为y[n]时间段终点的斜率，得到输出信号x[n]后使用建立的BPNN神经网络计算对应的SQI值，通过遗传算法中的选择、交叉和变异，这些SQI值被筛选和优化，最后小的SQI值被留下，大的SQI值被排除；步骤(3)、根据步骤(2)得到最小的SQI值和对应的最优值hopt和γopt，如下式所示：(hopt,γopt)＝argmin(SQI(h,γ))。