基才解调During振子的早期故障诊断及其应用的实证研究

针对滚动轴承微弱调制信号,提出了一种基于Hilbert解调和Duffing振子的故障诊断方法。分别介绍混沌振子检测微弱周期信号、解调Duffing振子检测的原理和数值仿真试验。并着重介绍滚动轴承故障的早期诊断。结果表明,该方法可以有效检测强噪声背景下的微弱调制信号。     

基于混合系统的微弱信号参数提取方法

针对强噪声背景下微弱正弦信号的幅值、频率、相位的提取,构建了锁相环和混沌振子组成的混合检测系统。把待测信号作为混沌振子的内置策动力,在周期状态下测得信号的频率。用锁相环锁定待测信号的相位。最后再次把信号输入到混沌系统,利用混沌振子对周期信号的敏感性和对噪声的免疫性来提取信号的幅值。仿真结果表明:该系统可实现对微弱正弦信号的频率、相位以及幅值进行有效提取,精度较高,抗噪性能好且操作简便易行。     

基于混沌理论的微弱线谱信号检测研究

提出了一种基于Duffing振子的线谱信号检测方法。分析了Duffing方程的分叉特性以及利用其检测微弱周期信号的工作原理,在此基础上对此种混沌检测方法进行了实验研究。实验结果表明,此方法能准确检测出信噪比很低的微弱线谱信号,为水声领域线谱检测系统的设计提供了依据。     

RBF神经网络混沌背景下微弱信号检测方法研究

船舶信号检测系统在检测水场压力值等信号时,会遇到海浪、强风等较强的噪声干扰。为了有效降低信噪比,提取微弱信号,本文提出基于RBF神经网络的混沌背景下微弱信号的检测方法。该微弱信号检测方法基于混沌动力学和静力学原理,利用RBF神经网络算法将敏感程度高的混沌振子与RBF神经网络拓扑结构相结合,构建抗干扰能力强、接收信号能力强的微弱信号检测系统。     

基于自相关和混沌理论的微弱线谱检测

提出基于自相关和混沌理论相结合的微弱线谱检测方法,对微弱信号进行自相关处理并进行初步消噪,输入到处于临界状态的混沌系统中进行微弱线谱检测。该方法利用相轨迹内径确定混沌临界状态阈值及区分混沌与大周期状态。仿真结果表明该方法较单一的混沌检测方法具有更好的检测效果,可用于任意初相位微弱信号的检测,且利用内径判别法较以往混沌判断方法更简单直观。     

对称Alpha稳定分布噪声下的Duffing振子检测方法

Duffing振子是利用系统对与策动力同频的小信号敏感而对噪声免疫实现微弱信号检测,特定分布下的噪声激励Duffing振子系统不会发生相变是应用该方法的前提条件。文中主要研究了服从Alpha稳定分布的噪声激励Duffing振子产生相变的鲁棒性问题,研究结果表明Duffing振子相变在Alpha稳定分布源的激励下为小概率事件。为消除小概率相变的影响,利用多支路并行检测及多数判决准则对常规的Duffing振子检测方法进行改进,即将待测信号分段截短周期延拓后送入多个并行Duffing振子检测单元,若检测单元多数发生相变,必然是由于弱目标信号而非噪声激励所致,即可判定检测信号中包含目标小信号。将该方法应用于水下目标回波信号的检测中,实测数据处理结果验证了该方法是有效的。     

混沌临界值对混沌系统检测性能的影响分析

利用混沌系统进行微弱信号检测时,确定系统由混沌态转化为大尺度周期态的混沌临界阈值至关重要。仿真表明:选取不同精度的混沌临界阈值将对混沌系统检测性能产生影响,选取的临界阈值精度越高,能够检测到信号的信噪比越低,但同时其对噪声检测的虚警率也越高。因此,实际检测中需根据检测要求来选取合适精度的临界阈值,以使检测性能达到检测要求。     

混沌临界值对混沌系统检测性能的影响分析

利用混沌系统进行微弱信号检测时,确定系统由混沌态转化为大尺度周期态的混沌临界阈值至关重要。仿真表明：选取不同精度的混沌临界阈值将对混沌系统检测性能产生影响,选取的临界阈值精度越高,能够检测到信号的信噪比越低,但同时其对噪声检测的虚警率也越高。因此,实际检测中需根据检测要求来选取合适精度的临界阈值,以使检测性能达到检测要求。     

舰船电力系统微弱扰动信号自动跟踪控制方法

目前使用几种电力系统微弱扰动信号自动跟踪控制方法缺乏自我校正机制,参数值求解不准无法精确进行微弱信号的跟踪,因此设计一种舰船电力系统微弱扰动信号自动跟踪控制方法。首先对信号进行模态分解,得到特征尺度分量,提取微弱扰动信号特征,引入混沌理论优化混沌方程,为使跟踪控制方法适用于不同频率电力系统,设置混沌振子的可能阈值方程,设置跟踪过程示意图,根据电力系统中的微弱信号和背景噪声强度,调整跟踪控制参数。在仿真实验中,将设计的方法与3种不同的常规方法在相同环境下比较,设计方法在微弱扰动电势、电阻的跟踪仿真结果均优于3种常规方法,验证了设计方法的有效性。     

随机共振方法在微弱周期信号检测中的应用

在随机共振理论基础上,以非线性双稳态系统为研究对象,以强噪声背景下微弱信号检测的实际需要为出发点,探讨基于随机共振的微弱信号检测方法.将该方法用于强噪声背景微弱周期信号检测,理论分析和数值仿真表明,该方法简单、稳健、可靠,验证了在短数据条件下微弱周期信号检测的有效性.