开云优惠体育网页版入口

专利名称：基于随机共振模型的轴承故障弱信号检测方法及系统

专利类型：发明专利

专利申请号：CN202311654317.2

专利申请（专利权）人：北方民族大学
权利人地址：宁夏回族自治区银川市西夏区文昌北街204号

专利发明（设计）人：马少娟,王晶晶,冉金花,麻硕

专利摘要：本发明公开了一种基于随机共振模型的轴承故障弱信号检测方法，涉及轴承故障检测技术领域，包括步骤：S1：对轴承采样，得到故障数据；S2：将故障数据经二次采样技术进行预处理；S3：将预处理后的故障数据以信噪比为寻优指标送入耦合系统中经自适应变异粒子群算法寻得a、b、v、r和c的最优值；S4：将得到a、b、v、r和c的最优值代入耦合系统中发生随机共振，得到输出信号及频谱；本发明还公开了一种基于随机共振模型的轴承故障弱信号检测系统，包括：传感器，对轴承的振动信号进行采集；处理器，运行上述步骤S2～S4；以及显示器，显示输出信号和频谱，能够匹配复杂多样的机械振动信号，并提高对故障特征频率提取效率以及对噪音的利用率。

主权利要求：
1.一种基于随机共振模型的轴承故障弱信号检测方法，其特征在于：包括如下步骤：S1：对轴承进行振动信号采样，得到故障数据；
S2：将故障数据经二次采样技术进行预处理；
S3：将预处理后的故障数据以信噪比为寻优指标送入耦合系统中经自适应变异粒子群算法寻得a、b、v、r和c的最优值，其中耦合系统为：式中，a和b为非负的系统参数，v为势阱深度，r为势阱宽度，c为势阱的陡峭程度；
S4：将得到a、b、v、r和c的最优值代入耦合系统中发生随机共振，得到输出信号及频谱；
随机共振中布朗粒子在势场中的运动轨迹表达式为：式中，a、b、v、r和c为耦合系统中的参数，S(t)＝Asin(ωt)，ω为驱动频率，A为信号幅度；为高斯白噪音，D为噪音强度放大系数；sgn(x)为符号函数；
使用龙格?库塔方程求出布朗粒子在势场中的运动轨迹表达式的解；其中龙格?库塔方程为：式中，f(xi,yi)代表布朗粒子在势场中的运动轨迹表达式的右项，h代表步长。
2.根据权利要求1所述的基于随机共振模型的轴承故障弱信号检测方法，其特征在于：步骤S2中，二次采样技术中采样压缩比R＝2400。
3.根据权利要求1所述的基于随机共振模型的轴承故障弱信号检测方法，其特征在于：步骤S3中，自适应变异粒子群算法运行过程中，耦合系统中参数a、b、v、r和c的搜索范围为[0.1,10]。
4.根据权利要求1所述的基于随机共振模型的轴承故障弱信号检测方法，其特征在于：步骤S3中，自适应变异粒子群算法运行过程中，初始化种群数为40，迭代次数为200。
5.一种基于随机共振模型的轴承故障弱信号检测系统，其特征在于：包括：传感器，用于对轴承的振动信号进行采集；
处理器，用于运行如权利要求1～4中任意一项所述的基于随机共振模型的轴承故障弱信号检测方法中的步骤S2～S4；
以及显示器，用于显示输出信号和频谱。 说明书 : 基于随机共振模型的轴承故障弱信号检测方法及系统技术领域[0001] 本发明涉及轴承故障检测技术领域，特别是涉及一种基于随机共振模型的轴承故障弱信号检测方法及系统。背景技术[0002] 随机共振概念最早是由Benzi于1981年研究古气象冰川期与暖气候期交际现象时提出的，随后，Fauve等人首先通过对施密特触发电路的实验，验证了实际物理系统中随机共振现象的存在；自此，随机共振理论被广泛用于解决不同学科的关键技术问题，如故障诊断、信号增强、图像增强和治疗听力损害等；传统的信号检测主要通过去除或抑制噪声来提高信噪比,从而达到信号检测的目的，然而故障信号经常被来自其他耦合机器部件和工作环境的强背景噪声淹没，使得一些初始故障无法被识别；通过随机共振，非线性动力系统的输出信号可以经由向系统中加入噪声而使信噪比得到增强，从而使弱信号得到识别。[0003] 目前,随着工业的迅速发展，微弱信号检测愈发重要,基于随机共振的非线性弱信号检测技术得到广泛应用及推广；在实际工程应用中，输入信号和噪声不易调控，因此随机共振的非线性系统成为研究热点；由于势函数的不同，随机共振有很多非线性模型，最经典的是一维朗之万方程模型，即经典的双稳态随机共振系统模型，为解决经典双稳系统输出饱和的弊端，石博强等人提出了一种分段双稳态随机共振模型，将其应用于轴承的弱故障特征提。〉昧私虾玫男Ч，但经典双稳系统一般只有单一类型的势阱结构，不足以匹配复杂多样的机械振动信号，且其对故障特征提取效率以及对噪音的利用率均较低。发明内容[0004] 本发明的目的是提供一种基于随机共振模型的轴承故障弱信号检测方法，以解决上述现有技术存在的问题，能够匹配复杂多样的机械振动信号，并提高对故障特征频率提取效率以及对噪音的利用率。[0005] 为实现上述目的，本发明提供了如下方案：[0006] 本发明提供一种基于随机共振模型的轴承故障弱信号检测方法，包括如下步骤：[0007] S1：对轴承进行振动信号采样，得到故障数据；[0008] S2：将故障数据经二次采样技术进行预处理；[0009] S3：将预处理后的故障数据以信噪比为寻优指标送入耦合系统中经自适应变异粒子群算法寻得a、b、v、r和c的最优值，其中耦合系统为：[0010][0011] 式中，a和b为非负的系统参数，v为势阱深度，r为势阱宽度，c为势阱的陡峭程度；[0012] S4：将得到a、b、v、r和c的最优值代入耦合系统中发生随机共振，得到输出信号及频谱。[0013] 优选的，步骤S2中，二次采样技术中采样压缩比R＝2400。[0014] 优选的，步骤S4中，随机共振中布朗粒子在势场中的运动轨迹表达式为：[0015][0016] 式中，a、b、v、r和c为耦合系统中的参数，S(t)＝Asin(ωt)，ω为驱动频率，A为信号幅度；ζ(t)为高斯白噪音，D为噪音强度放大系数；sgn(x)为符号函数。[0017] 优选的，使用龙格?库塔方程求出布朗粒子在势场中的运动轨迹表达式的解；其中龙格?库塔方程为：[0018][0019] 式中，f(xi,yi)代表布朗粒子在势场中的运动轨迹表达式的右项，h代表步长。[0020] 优选的，步骤S3中，自适应变异粒子群算法运行过程中，耦合系统中参数a、b、v、r和c的搜索范围为[0.1,10]。[0021] 优选的，步骤S3中，自适应变异粒子群算法运行过程中，初始化种群数为40，迭代次数为200。[0022] 本发明还提供了一种基于随机共振模型的轴承故障弱信号检测系统，包括：[0023] 传感器，用于对轴承的振动信号进行采集；[0024] 处理器，用于运行如上所述的基于随机共振模型的轴承故障弱信号检测方法中的步骤S2～S4；[0025] 以及显示器，用于显示输出信号和频谱。[0026] 本发明相对于现有技术取得了以下技术效果：[0027] 本发明提供了一种基于随机共振模型的轴承故障弱信号检测方法及系统，采用新型的耦合系统，同时借助自适应变异粒子群算法优势,并引入信噪比作为度量指标,得到新型耦合多稳态随机共振模型在不同周期力和噪声力协同作用下的系统参数，保留了Woods?Saxon势阱模型的连续性和约束的优点，并具有较高的噪声利用率；相对于经典双稳模型系统的输出信噪比，本发明中的耦合系统模型的输出信噪比均有提高；本发明中的耦合系统模型对信号特征频率提取比经典双稳系统效率更高，有助于随机共振应用在工程实践中，且能够匹配复杂多样的机械振动信号。附图说明[0028] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0029] 图1为实施例三中单频输入加噪信号的时域图和频域分析图；[0030] 图2为实施例三中经典双稳系统输出的时域图和频域分析图；[0031] 图3为实施例三中经典双稳系统输出的迭代曲线图；[0032] 图4为实施例三中耦合系统输出的时域图和频域分析图；[0033] 图5为实施例三中耦合双稳系统输出的迭代曲线图；[0034] 图6为实施例四中多频输入加噪信号的时域图和频域分析图；[0035] 图7为实施例四中经典双稳系统输出的时域图和频域分析图；[0036] 图8为实施例四中经典双稳系统输出的迭代曲线图；[0037] 图9为实施例四中耦合系统输出的时域图和频域分析图；[0038] 图10为实施例四中耦合双稳系统输出的迭代曲线图；[0039] 图11为实施例五中冲击输入加噪信号的时域图和频域分析图；[0040] 图12为实施例五中经典双稳系统输出的时域图和频域分析图；[0041] 图13为实施例五中经典双稳系统输出的迭代曲线图；[0042] 图14为实施例五中耦合系统输出的时域图和频域分析图；[0043] 图15为实施例五中耦合双稳系统输出的迭代曲线图；[0044] 图16为实验验证1中轴承外圈故障信号的时域图和频域分析图；[0045] 图17为实验验证1中经典双稳系统输出的时域图和频域分析图；[0046] 图18为实验验证1中经典双稳系统输出的迭代曲线图；[0047] 图19为实验验证1中耦合系统输出的时域图和频域分析图；[0048] 图20为实验验证1中耦合双稳系统输出的迭代曲线图；[0049] 图21为实验验证2中轴承内圈故障信号的时域图和频域分析图；[0050] 图22为实验验证2中经典双稳系统输出的时域图和频域分析图；[0051] 图23为实验验证2中经典双稳系统输出的迭代曲线图；[0052] 图24为实验验证2中耦合系统输出的时域图和频域分析图；[0053] 图25为实验验证2中耦合双稳系统输出的迭代曲线图。具体实施方式[0054] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0055] 本发明的目的是提供一种基于随机共振模型的轴承故障弱信号检测方法，以解决上述现有技术存在的问题，能够匹配复杂多样的机械振动信号，并提高对故障特征频率提取效率以及对噪音的利用率。[0056] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。[0057] 实施例一[0058] 本发明提供一种基于随机共振模型的轴承故障弱信号检测方法，基于随机共振模型的轴承故障弱信号检测方法，具体包括如下步骤：[0059] S1：通过振动传感器对轴承进行振动信号采样，得到故障数据；[0060] S2：将故障数据经二次采样技术进行预处理，其中，采样压缩比R＝2400；[0061] 具体的，二次采样技术为现有技术，已经在由冷永刚,王太勇,秦旭达，等发表的论文《二次采样随机共振频谱研究与应用初探》中有详细的介绍。[0062] S3：将预处理后的故障数据以信噪比为寻优指标送入耦合系统中经自适应变异粒子群算法寻得a、b、v、r和c的最优值，其中耦合系统为：[0063][0064] 式中，a和b为非负的系统参数，v为势阱深度，r为势阱宽度，c为势阱的陡峭程度；[0065] 具体的，自适应变异粒子群算法运行过程中，耦合系统中参数a、b、v、r和c的搜索范围为[0.1,10]，初始化种群数为40，迭代次数为200。[0066] S4：将得到a、b、v、r和c的最优值代入耦合系统中发生随机共振，得到输出信号及频谱；[0067] 其中，随机共振中，布朗粒子在势场中的运动轨迹由Langevin方程描述，其描述了布朗粒子的速度、加速度和随机力之间的关系，Langevin方程为：[0068][0069] 式中，U(x)为耦合系统；S(t)＝Asin(ωt)，ω为驱动频率，A为信号幅度；ζ(t)为高斯白噪音，D为噪音强度放大系数；[0070] 将耦合系统代入上式中，得到随机共振中布朗粒子在势场中的运动轨迹表达式为：[0071][0072] 式中，a、b、v、r和c为耦合系统中的参数，S(t)＝Asin(ωt)，ω为驱动频率，A为信号幅度；ζ(t)为高斯白噪音，D为噪音强度放大系数；sgn(x)为符号函数。[0073] 使用龙格?库塔方程求出布朗粒子在势场中的运动轨迹表达式的解；其中龙格?库塔方程为：[0074][0075] 式中，f(xi,yi)代表布朗粒子在势场中的运动轨迹表达式的右项，h代表步长。[0076] 上述基于随机共振模型的轴承故障弱信号检测方法，采用新型的耦合系统，同时借助自适应变异粒子群算法优势,并引入信噪比作为度量指标,得到新型耦合多稳态随机共振模型在不同周期力和噪声力协同作用下的系统参数，保留了Woods?Saxon势阱模型的连续性和约束的优点，并具有较高的噪声利用率；相对于经典双稳模型系统的输出信噪比，本发明中的耦合系统模型的输出信噪比均有提高；本发明中的耦合系统模型对信号特征频率提取比经典双稳系统效率更高，有助于随机共振应用在工程实践中，且能够匹配复杂多样的机械振动信号。[0077] 实施例二[0078] 本实施例提供了一种基于随机共振模型的轴承故障弱信号检测系统，包括：[0079] 传感器，用于对轴承的振动信号进行采集，具体的，传感器为振动传感器，能够在市场上购买取得；[0080] 处理器，用于运行如实施例一中的基于随机共振模型的轴承故障弱信号检测方法中的步骤S2～S4；其中，处理器为电脑、单片机或芯片等；[0081] 以及显示器，用于显示输出信号和频谱；显示器具体为电脑屏幕、LED显示屏等。[0082] 实施例三[0083] 本实施例提供了一种利用实施例一中的基于随机共振模型的轴承故障弱信号检测方法对单频信号特征提取的试验仿真，预设条件为：输入信号为单频信号：S(t)＝Asin(2πf0t)，其中A＝0.5，f0＝0.02HZ，采样频率为fs＝5HZ，采样点为4096，加入强度为3dB的高斯白噪声，此时的信噪比为17.14dB，初始化种群为40，迭代次数为200；经典双稳系统的参数的搜索范围为[0.1,10]，耦合系统中参数的搜索范围也为[0.1,10]。[0084] 具体过程为：将加噪的单频信号按实施例一中的步骤S2～S4进行处理，得到如图4所示的耦合系统输出加噪信号时域、频域图和如图5所示的耦合系统迭代曲线图。[0085] 对比例为：将实施例一中的耦合系统替换为经典双稳系统，将加噪的单频信号按实施例一中的步骤S2～S4进行处理，得到如图2所示的耦合系统输出加噪信号时域、频域图和如图3所示的经典双稳系统迭代曲线图。[0086] 图1是单频输入加噪信号的时域图和频域分析图，时域图中信号被噪声给淹没,不能分辨出信号的特征，从频域图中可以看到在0.02HZ处有频谱幅度为0.311的尖峰，但在其周围还存在一些干扰频率，特征频率不是很明显。将该加噪信号输入经典双稳系统中，通过自适应变异粒子群优化算法寻优参数，图2所示为经典双稳系统输出加噪信号时域、频域图，从时域图中看，波形得到明显改善，频域图中在0.02HZ处频谱幅度提升为1.12，相比之前有明显的改善，且周边噪声的干扰频率大幅减。3为经典双稳系统的迭代曲线图,在T＝46处算法收敛，适应度值为18.72dB，对应参数a＝3.01，b＝1.67。图4所示为耦合系统输出加噪信号时域、频域图，从时域图中看，相对于经典双稳系统波形得到进一步改善，频域图中在0.02HZ处频谱幅度提升为2.25，比经典双稳系统输出高出1.13，更能识别特征频率；图5为耦合系统迭代曲线图，在T＝88处算法收敛，适应度值为21.41dB，相对经典双稳系统提升2.69dB,对应参数为a＝0.11，b＝0.10，v＝6.70，c＝0.12，r＝6.47，因此，本发明的耦合系统对单频信号特征频率的提取明显优于经典双稳系统。[0087] 实施例四[0088] 本实施例提供了一种利用实施例一中的基于随机共振模型的轴承故障弱信号检测方法对多频信号特征提取的试验仿真，预设条件为：输入信号为多频信号：S(t)＝Asin(2πf0t)+Bsin(2πf1t)+Csin(2πf2t)，其中A＝0.5，B＝0.5,C＝0.5，f0＝0.01HZ，f1＝0.05HZ，f2＝0.08HZ，采样频率为fs＝5HZ，采样点为4096，加入强度为3dB的高斯白噪声，此时的信噪比为12.21dB，初始化种群为40，迭代次数为200；经典双稳系统中a，b的搜索范围为[0.1,10]，耦合系统中a,b,v,c,r的搜索范围也为[0.1,10]。[0089] 具体过程为：将加噪的多频信号按实施例一中的步骤S2～S4进行处理，得到如图9所示的耦合系统输出加噪信号时域、频域图和如图10所示的耦合系统迭代曲线图。[0090] 对比例为：将实施例一中的耦合系统替换为经典双稳系统，将加噪的单频信号按实施例一中的步骤S2～S4进行处理，得到如图7所示的耦合系统输出加噪信号时域、频域图和如图8所示的经典双稳系统迭代曲线图。[0091] 图6是多频输入加噪信号的时域图和频域分析图，时域图中信号被噪声给淹没，不能分辨出信号的特征；从频域图中可以看到在0.01Hz、0.05Hz、0.08Hz处分别有频谱幅度为0.36，0.53，0.41的尖峰，但在其周围还存在一些干扰频率，尤其是0.1HZ之后的噪声强度偏大，特征频率不是很明显。将该加噪信号输入经典双稳系统中，并由粒子群优化算法寻优参数，图7所示为经典双稳系统输出加噪信号时域、频域图，从时域图中看，波形得到明显改善，频域图中在0.1Hz处频谱幅度提升为1.15，相比之前有明显的改善，且周边噪声的干扰频率大幅减。0.05Hz，0.08Hz处并没有得到明显改善；图8为经典双稳系统的迭代曲线图，在T＝138处算法收敛，适应度值为21.35Hz，对应参数a＝3.86，b＝1.54。图9所示为耦合系统输出加噪信号时域、频域图，从时域图中看，相对于经典双稳系统波形得到进一步改善，频域图中在0.01Hz、0.05Hz、0.08Hz处频谱幅度分别提升为1.89、1.51、0.74，比经典双稳系统提取的特征频率分别高出0.74、1.01、0.31，更能识别特征频率；图10为耦合系统迭代曲线图，在T＝92处算法收敛，适应度值为23.19dB，相对经典双稳系统提升1.84dB,对应参数a＝0.10，b＝0.10，v＝3.76，c＝5.34，r＝7.92，因此，本发明中的耦合系统对多频信号特征频率的提取明显优于经典双稳系统。[0092] 实施例五[0093] 本实施例提供了一种利用实施例一中的基于随机共振模型的轴承故障弱信号检测方法对冲击信号特征提取的试验仿真，预设条件为：输入信号为冲击信号：其中A为位移常量，ωn为固有频率，ξ为阻尼系数，选取A＝0.5，ωn＝0.01,ξ＝0.05，采样频率为fs＝5HZ，采样点为4096，加入强度为2dB的高斯白噪声，此时的信噪比为?21.97dB，初始化种群为40，迭代次数为200；经典双稳系统中a，b的搜索范围为[0.1,10]，耦合系统中a,b,v,c,r的搜索范围也为[0.1,10]。[0094] 具体过程为：将加噪的冲击信号按实施例一中的步骤S2～S4进行处理，得到如图14所示的耦合系统输出加噪信号时域、频域图和如图15所示的耦合系统迭代曲线图。[0095] 对比例为：将实施例一中的耦合系统替换为经典双稳系统，将加噪的冲击信号按实施例一中的步骤S2～S4进行处理，得到如图12所示的耦合系统输出加噪信号时域、频域图和如图13所示的经典双稳系统迭代曲线图。[0096] 图11是输入加噪冲击信号的时域图和频域分析图，时域图中信号被高斯白噪声给淹没，不能分辨出信号的特征；从频域图中几乎看不出特征频率0.1Hz的尖峰，周围存在大量干扰频率。将该加噪冲击信号输入经典双稳系统中，并由粒子群优化算法寻优参数，图12所示为经典双稳系统输出加噪信号时域、频域图，从时域图中看，波形得到改善，频域图中在0.1Hz处频谱幅度提升为0.44，提升了0.22，且0.05Hz之后噪声的干扰频率大幅减。煌13为经典双稳系统的迭代曲线图，在T＝161处算法收敛，适应度值为19.88dB，对应参数a＝3.21，b＝2.18。图14所示为耦合系统输出加噪信号时域、频域图，从时域图中看，相对于经典双稳系统波形得到进一步改善，频域图中在0.1Hz处频谱幅度分别提升为1.57，比经典双稳系统提取的特征频率分别高出1.13，更能识别特征频率；图15为耦合系统迭代曲线图，在T＝145处算法收敛，适应度值为21.04dB，相对经典双稳系统提升1.16dB,对应参数a＝0.10，b＝0.10，v＝2.25，c＝1.66，r＝9.00，因此，本发明中的耦合系统对多频信号特征频率的提取明显优于经典双稳系统。[0097] 实施例六[0098] 本实施例提供了一种利用实施例一中的基于随机共振模型的轴承故障弱信号检测方法对深沟轴承振动故障的实验验证。[0099] 选用型号为6205?2RSJEMSKF的深沟球轴承外圈和内圈数据进行了分析实验，为验证本发明中的耦合系统在轴承故障检测中的实用性和效率，并与经典双稳系统对轴承故障信号的检测效果进行了对比；轴承故障数据来自CaseWesternReserveUniversity(CWRU)的电气工程实验室，深沟球轴承主要参数如表1所示；采样频率fs＝12kHZ，采样点数N＝10000，轴承转速r＝1797r/min。滚动轴承故障检测中可能出现的故障特征频率大都在几十到几百赫兹，不满足绝热近似理论，因此必须采用二次采样技术对大频信号进行预处理，其采样压缩比R＝2400。在物理学中，当轴承出现故障时，会产生振动信号的周期性脉冲，因此可以通过检测分析脉冲周期来判断故障类型；轴承的故障特征频率如表2所示，其中固有频率fS＝29.93Hz。[0100] 表1滚动轴承主要计算参数[0101][0102] 表2滚动轴承古装特征频率[0103]轴承元件 内圈 外圈 保持架 滚动体故障频率/HZ 5.4152fr 3.5848fr 0.3928fr 1.7135fr[0104] 本文仅选用滚动轴承的内圈和外圈故障信号进行分析，故障信号频率计算公式如下：[0105][0106] 式中，fr为轴承的转动频率，α为滚动体接触角，一般取值α＝0，此外n,D与表1中的轴承参数相对应，由上式可以计算得到轴承外圈的故障频率fBPFO＝107.3HZ，内圈的故障频率为fBPFI＝162.2HZ。[0107] 实验验证1～轴承外圈故障实例[0108] 具体过程为：将轴承外圈故障信号按实施例一中的步骤S2～S4进行处理，得到如图19所示的耦合系统输出加噪信号时域、频域图和如图20所示的耦合系统迭代曲线图。[0109] 对比例为：将实施例一中的耦合系统替换为经典双稳系统，将轴承外圈故障信号按实施例一中的步骤S2～S4进行处理，得到如图17所示的耦合系统输出加噪信号时域、频域图和如图18所示的经典双稳系统迭代曲线图。[0110] 图16为轴承外圈故障信号的时域波形与频谱图，故障类型不能被识别，且2500～3500HZ的高频段存在大量的尖峰干扰。将大频率外圈包络信号通过二次采样后(二次采样频率fsr＝5HZ)，以信噪比为寻优指标送入到经典双稳系统中发生随机共振，经过自适应变异粒子群算法寻得最优参数为a＝1，b＝1，信噪比为0.34dB，输出信号及频谱如图17所示，由图可知，频谱在f＝108Hz(在允许的误差范围内)处出现了尖峰。将故障信号以同样的方式送入耦合系统后，寻得最优系统参数为a＝0.10，b＝0.10，v＝7.10，c＝5.93，r＝8.45，信噪比SNR＝22.37dB；输出信号及频谱如图19所示，可见相比经典双稳系统，故障频率周围的干扰频率消除了很多，且高频段的毛刺也几乎消失，证明是外圈存在故障，验证了耦合系统在弱信号检测中的有效性，且优于经典双稳系统。[0111] 实验验证2～轴承内圈故障实例[0112] 具体过程为：将轴承内圈故障信号按实施例一中的步骤S2～S4进行处理，得到如图24所示的耦合系统输出加噪信号时域、频域图和如图25所示的耦合系统迭代曲线图。[0113] 对比例为：将实施例一中的耦合系统替换为经典双稳系统，将轴承内圈故障信号按实施例一中的步骤S2～S4进行处理，得到如图22所示的耦合系统输出加噪信号时域、频域图和如图23所示的经典双稳系统迭代曲线图。[0114] 图21为轴承内圈故障信号的时域波形与频谱图，从其时域图和频谱图看，几乎不能识别出故障频率fBPFI＝162Hz。同样将大频率内圈包络信号经过二次采样后送入经典双稳系统中，使用自变异粒子群算法寻找系统最优参数a＝1，b＝1，信噪比SNR＝22.75dB，输出信号及频谱如图22所示，由图可知，频谱在f＝162Hz(在允许的误差范围内)处出现了尖峰。将故障信号以同样的方式送入耦合系统后，寻得最优系统参数为a＝0.10，b＝3.54，v＝9.91，c＝1.59，r＝4.95，SNR＝24.29dB，输出信号及频谱如图24所示，可见相比经典双稳系统，故障频率周围的干扰频率消除了很多，且高频段的毛刺也几乎消失，证明是内圈存在故障，再一次验证了所提耦合系统在弱信号检测中的有效性，且优于经典双稳系统。[0115] 综上，本发明提供了一种新型耦合系统模型，运用自适应变异粒子群算法寻找系统在单频、多频和冲击信号环境下的最优参数，最终在轴承故障信号中得到验证；且有以下优势：(1)该模型保留了Woods?Saxon势阱模型的连续性和约束的优点，并具有较高的噪声利用率；(2)相对于经典双稳模型系统的输出信噪比，新型耦合系统模型的输出信噪比均有提高；(3)新型耦合模型系统对信号特征频率提取比经典双稳系统效率更高，有助于随机共振应用在工程实践中。[0116] 本发明中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

专利地区：宁夏

专利申请日期：2023-12-05

专利公开日期：2024-11-29

专利公告号：CN118153415B