[发明专利]一种基于线性搜索策略的随机共振电流弱信息识别方法

说明书

一种基于线性搜索策略的随机共振电流弱信息识别方法，采用信噪比作为控制系统产生随机共振的条件，具有通过改善噪声强度控制系统输出信噪比达到最大的优点；同时以最大信噪比max(SNR)作为系统优化的目标函数，通过对系统结构参数a和噪声强度D在每次迭代过程中权函数进行估计，然后在迭代过程中对权函数进行修定，最终促使系统输出最大的信噪比，因此改善了通过优化信噪比SNR确定系统结构参数的计算能力，实现了对电流信号的自适应随机共振；由于迭代过程中降低了系统搜索的难度和权函数复杂性，因此减少了计算时间，非常适合电流周期性信号的检测。

技术领域

本发明属于电机故障诊断与监测技术领域，具体涉及一种基于线性搜索策略的随机共振电流弱信息识别方法。

背景技术

电机作为一种驱动设备被广泛应用于各个领域中,由于其故障与负载、环境或其它运行条件改变以及制造缺陷等原因有关，因此运行状态的检测与故障诊断具有复杂性，使得传统方法检测电机状态存在一定的困难，近年来利用电流信号作为电机状态检测的一项新技术逐渐被应用于工业领域中。电流检测可以直接反映电机系统信息，具有非接触、性噪比高、可直接反映其传动信息等特点。尽管电流信号具有明显的技术优势，但也存在需要迫切解决的技术问题。在电流信号中，反映电机微弱机械特性的信号往往被驱动频率淹没，造成了识别低能量信号困难，无法对电机及驱动设备进行有效的状态识别。为此，需要进一步对电机电流信号进行辨识与处理，从而实现电机运行状态的检测与辨识。

在对电流信号分析中，由于状态信号特征量是未知的，信号中噪声也是未知的，而利用微弱信号处理方法能够对电流信号中的状态特征信号进行提取。作为处理微弱信号的主要方法之一，随机共振方法在检测微弱信号时，主要是以向非线性系统中加一定强度的噪声来实现系统的随机共振，最终获取特征信号，但是该方法不能直接应用于强噪声背景下的电流信号中。由于随机共振方法以结构参数单目标作为优化对象，忽视了噪声强度对系统的影响，从而影响了随机共振系统输出的被测结果。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于线性搜索策略的随机共振电流弱信息识别方法，可更准确的识别弱特征分量信息，同时计算效率也得到了改善。

为了达到上述目的，本发明采取的技术方案为：

一种基于线性搜索策略的随机共振电流弱信息识别方法，包括以下步骤：

1)根据采样频率和采样点数，检测被测信号；

2)对被测信号加入随机噪声，计算噪声强度D，并设定双稳态随机共振系统朗之万方程其中U(x)是双稳态随机共振系统的势能函数，ξ(t)为被测信号，noise为噪声；势能函数中结构参数为a与b，初始设置a＝1、b＝1；

在计算机求解中，利用四阶Runge-Kutta算法计算势能函数U(x)的微分解U’(x)

其中，x(t)为输入信号随时间的变化量，y为势能函数的四阶微分解，x₀和y₀分别是输入信号x(t)的初始值和信号的输出值；K为系统变量，设置其中初始采样步长h＝1；

3)计算随机共振系统初始结构参数a＝1、b＝1时输出的信噪比SNR，按照非线性动力学中的信噪比检测方法，随机共振以输出信号信噪比的大小来衡量，SNR为双稳态随机共振系统在某参数状态下的输出信噪比，MSN为最大信噪比，

MSN＝max(SNR)＝max(10lg(P_o/P_i))

其中，P_o是输出信号的功率与噪声功率之比，P_i是输入信号的功率与噪声功率之比；利用线性搜索算法对MSN进行优化，以max(SNR)为迭代目标，寻找max(SNR)所对应的结构参数a_max与b_max，作为系统产生随机共振的结构参数；