附Matlab源码:滚动轴承早期故障优化自适应蝙蝠算法优化的随机共振诊断法
附Matlab源码:滚动轴承早期故障优化自适应蝙蝠算法优化的随机共振诊断法
文章目录
- 附Matlab源码:滚动轴承早期故障优化自适应蝙蝠算法优化的随机共振诊断法
- 前言
- 一、自适应蝙蝠算法优化的随机共振诊断的原理
- 二、实验仿真与验证
- 总结
前言
随机共振能够利用噪声能量增强微弱信号,有效降低了噪声信号对特征提取的影响,针对随机共振方法参数选择时缺少交互以及提取特征诊断效果缺乏验证的不足,提出自适应蝙蝠算法的随机共振的滚动轴承微弱故障诊断方法。利用自适应蝙蝠算法寻找随机共振的最优系统参数,在考虑参数间交互作用的同时对其进一步优化,有效提高了轴承微弱故障特征的提取效果。滚动轴承实测数据的检验结果表明,该方法可有效实现滚动轴承早期微弱故障检测。
一、自适应蝙蝠算法优化的随机共振诊断的原理
随机共振系统由非线性双稳系统、输入信号与噪声三个要素共同组成,系统输出为Langevin方程。:
x ˙ = − U ( x ) + s ( t ) + n ( t ) \dot x = - U(x) + s(t) + n(t) x˙=−U(x)+s(t)+n(t)
式中,式中: U ( x ) U ( x ) U(x)代表非线性系统; s ( t ) s ( t ) s(t)表示输入的周期信号;
n ( t ) n ( t ) n(t)为零均值的高斯白噪声。其中,双稳系统的势函数为:
U ( x ) = − a 2 x 2 + b 4 x 4 U(x) = - \frac{a}{2}{x^2} + \frac{b}{4}{x^4} U(x)=−2ax2+4bx4
式中, a a a,$b 为 双 稳 系 统 的 结 构 参 数 , 满 足 为双稳系统的结构参数,满足 为双稳系统的结构参数,满足a > 0 , , ,b > 0$。
目标函数确定,将 a a a和 b b b作为变量,然后将 a a a, b b b 的值赋给随机共振系统,接着输入压缩信号,得出随机共振系统的输出信号,最后计算输出信号的信噪比(Signal to Noise Ratio,SNR),并将其作为适应度函数。SNR计算方式如下:
S N R = 10 l g ( S N ) SNR = 10lg( S N ) SNR=10lg(SN)
式中, S S S 表示信号能量; N N N 为噪声能量。当SNR 最大时,表示随机共振系统取得最优参数。
自适应蝙蝠算法的优化流程如下图所示,
5)最后将最优参数 a k a_k ak 与 b k b_k bk 代入随机共振系统,实现滚动轴承早期微弱故障信号的增强与提取。
二、实验仿真与验证
为了验证提出 方法对滚动轴承早期故障诊断的实际效果,本文采用美国凯斯西储大学轴承数据中心的轴承故障数据进行分析。数据如下图所示,
自适应蝙蝠算法的优化收敛曲线如下图所示,
最终优化结果对应的时域和频谱图如下图所示,
选取点蚀凹坑直径0.18mm 的轴承振动数据作为早期故障数据。将内圈、滚动体和外圈故障数据输入双稳态系统,优化输出信噪比。由图可知,内圈故障下幅值谱162 Hz 处存在明显峰值,同时由于径向游隙、单边载荷的调制原因,能观察到264, 384 Hz 处峰值; 外圈故障下108 Hz 频谱峰值明显。以上结果与故障通过频率理论值相吻合,直接使用自适应随机共振即可实现内圈/外圈的故障诊断。由于游隙和滚动体转动的摇摆或横滚,滚动体损伤时振动情况较内外圈复杂,故障理论频点146 Hz处峰值相对淹没在复杂成分中。
总结
本文提出自适应遗传随机共振方法,利用自适应蝙蝠算法对随机共振系统参数进行优化,并将信噪比作为系统参数优化的衡量指标,可有效提取微弱故障信号。滚动轴承实测信号分析结果表明,AGSR提取的特征较随机共振方法提取特征分类性能更好,诊断精度更高。为滚动轴承故障诊断和微弱故障检测提供了一个新方法,具有很好的应用前景。
除了自适应蝙蝠算法对随机共振系统参数进行优化,还有
(1)方案18-滚动轴承早期故障优化蚁群算法优化的随机共振诊断法
(2)方案19-滚动轴承早期故障优化差分进化算法优化的随机共振诊断法
(3)方案20-滚动轴承早期故障优化粒子群算法优化的随机共振诊断法
(4)方案21-滚动轴承早期故障优化遗传算法优化的随机共振诊断法
(5)方案22-滚动轴承早期故障优化灰狼算法优化的随机共振诊断法
(6)方案24-滚动轴承早期故障优化布谷鸟算法优化的随机共振诊断法
参考文献
【1】基于自适应遗传随机共振的滚动轴承微弱故障诊断_王丽华
【2】滚动轴承早期故障优化自适应随机共振诊断法_郑煜
附Matlab源码:滚动轴承早期故障优化自适应蝙蝠算法优化的随机共振诊断法相关推荐
- 基于ITD实现的轴承故障信号分解并附Matlab源码
基于ITD实现的轴承故障信号分解并附Matlab源码 轴承是旋转机械中重要的支撑部件,其状态的健康程度对设备运行的性能和寿命有着至关重要的影响.因此,轴承状态监测和故障诊断成为了研究热点.本文基于IT ...
- 基于确定性最大似然算法 DML 的 DoA 估计,用牛顿法实现(附 MATLAB 源码)
本文首次在公众号[零妖阁]上发表,为了方便阅读和分享,我们将在其他平台进行自动同步.由于不同平台的排版格式可能存在差异,为了避免影响阅读体验,建议如有排版问题,可前往公众号查看原文.感谢您的阅读和支持 ...
- 初勘数据处理之预测算法(随机森林random forest)附matlab源码
初勘数据处理之预测算法(随机森林random forest)附matlab源码 集成学习方法 集成学习方法,是整合多个分类方法的预测结果,以提高分类准确率.集成学习方法先用训练数据构建一组基分类器,再 ...
- 视觉机器学习20讲-MATLAB源码示例(10)-增强学习算法
视觉机器学习20讲-MATLAB源码示例(10)-增强学习算法 1. 增强学习算法 2. Matlab仿真 3. 仿真结果 4. 小结 1. 增强学习算法 增强学习(Reinforcement Lea ...
- 视觉机器学习20讲-MATLAB源码示例(12)-RBF学习算法
视觉机器学习20讲-MATLAB源码示例(12)-RBF学习算法 1. RBF学习算法 2. Matlab仿真 3. 仿真结果 4. 小结 1. RBF学习算法 RBF(Radial Basis Fu ...
- 视觉机器学习20讲-MATLAB源码示例(17)-RBM学习算法
视觉机器学习20讲-MATLAB源码示例(17)-RBM学习算法 1. RBM学习算法 2. Matlab仿真 3. 仿真结果 4. 小结 1. RBM学习算法 受限玻尔兹曼机(restricted ...
- 视觉机器学习20讲-MATLAB源码示例(18)-深度学习算法
视觉机器学习20讲-MATLAB源码示例(18)-深度学习算法 1. 深度学习算法 2. Matlab仿真 3. 仿真结果 4. 小结 1. 深度学习算法 深度学习(DL, Deep Learning ...
- 视觉机器学习20讲-MATLAB源码示例(3)-回归学习算法
视觉机器学习20讲-MATLAB源码示例(3)-回归学习算法 1. 回归学习算法 2. Matlab仿真 3. 仿真结果 4. 小结 1. 回归学习算法 回归学习(Regression Learnin ...
- 视觉机器学习20讲-MATLAB源码示例(4)-决策树学习算法
视觉机器学习20讲-MATLAB源码示例(4)-决策树学习算法 1. 决策树学习算法 2. Matlab仿真 3. 仿真结果 4. 小结 1. 决策树学习算法 统计学,数据挖掘和机器学习中的决策树训练 ...
最新文章
- LeetCode5382. HTML 实体解析器
- Python动态绑定属性和方法
- 怎么知道自己适不适合学计算机专业,不知道自己到底适不适合学习计算机专业...
- codeblocks 终端设置
- oracle存档模式,Oracle学习系列之如何开启归档模式
- 【大数据部落】R在GIS中用ggmap地理空间数据分析
- ARM体系结构与编程笔记
- node项目报错had too many unstable restarts (16). Stopped. “errored”
- esphome 中使用bme280读取温度、湿度、气压信息
- php公众号模板在哪,微信公众号页面模板在哪里设置的?微信公众号页面模板怎么设置?...
- 设计模式-单例模式,观察者模式
- 发微博利器 FaWave(发微)---- chrome扩展程序
- H3C设备忘记密码修改办法
- 第三方、第四方扫二维码的支付平台有哪些?
- 车载DSP音频功放淡入淡出算法实现方法
- 获取和安装 FleaPHP
- 减肥的第5天 (想吃——冰淇淋)
- 【Verilog】跨时钟域设计Clock Domain Crossing Design(Multi cycle path formulation with feedback acknowledge)
- 千人千面智能淘宝店铺背后的算法研究登陆人工智能顶级会议AAAI 2017
- 翁恺《C语言程序设计》(第四版)何钦铭 例题+练习题代码 第八章-指针
热门文章
- 虚拟机不能上网,ifconfig后只有lo,没有ens33等信息
- 专家详解甲型H1N1流感疫苗生产原理过程
- 计算机三级relay agent,计算机三级网络技术大题技巧
- 48.jango09
- 微信上传素材 java_微信上传素材php代码
- python元组和列表的联系_Python元组和列表的区别
- 解决:UserWarning: Failed to initialize NumPy: module compiled against API version 0xf but this version
- Network: Theorizing Knowledge Work in Telecommunications
- 与甲类功率放大方式相比,乙类互补对称功放的主要优点是( C)。a.不用输出变压器b,不用输出端大电容c,效率高d.无交越失真...
- 10个心理学故事引出的各种效应