版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、機(jī)械振動(dòng)噪聲的普遍存在對(duì)準(zhǔn)確進(jìn)行機(jī)械故障診斷造成了很大的干擾。為了提高故障診斷的準(zhǔn)確性,必須得到有效的振動(dòng)信號(hào),對(duì)于振動(dòng)信號(hào)中含有的噪聲信號(hào)進(jìn)行濾除。為了達(dá)到這一目的,很多研究者對(duì)如何讓消除原始信號(hào)中的噪聲信號(hào)進(jìn)行了大量的研究,然而這些研究都是針對(duì)某一種噪聲進(jìn)行濾除,不能對(duì)含有多種噪聲信號(hào)的原始信號(hào)進(jìn)行恢復(fù)。因此針對(duì)這一現(xiàn)象,本文提出使用基于改進(jìn)遺傳算法的Volterra濾波器對(duì)振動(dòng)信號(hào)進(jìn)行噪聲濾除處理。本研究基于IGA的Volterr
2、a核參數(shù)辨識(shí)及機(jī)械振動(dòng)信號(hào)的消噪法,并進(jìn)行了基于Matlab軟件的仿真實(shí)驗(yàn)的研究和論證。本研究主要內(nèi)容包括:
⑴選擇合適的群智能算法并對(duì)其進(jìn)行算法改進(jìn)。通過(guò)對(duì)幾種常用算法性能的比較和分析,最終確定使用遺傳算法。遺傳算法是模擬自然界生物進(jìn)化過(guò)程的一種概率性尋優(yōu)算法,它可以快速地解決復(fù)雜的非線(xiàn)性問(wèn)題,這是傳統(tǒng)的尋優(yōu)方法無(wú)法企及的。然而傳統(tǒng)的遺傳算法也有不可避免的缺點(diǎn),如容易陷入局部最優(yōu)難以自拔,給定的遺傳算子不能滿(mǎn)足有些高精度的辨
3、識(shí)要求。所以本文提出使用以下策略對(duì)遺傳算法進(jìn)行改進(jìn):基于對(duì)立學(xué)習(xí)機(jī)制的種群初始化;根據(jù)種群的多樣性程度自適應(yīng)的改變遺傳算子;采用雙種群進(jìn)行尋優(yōu),種群一采用遺傳算法,種群二采用粒子群算法;使用精英保留策略。使用改進(jìn)策略得到改進(jìn)的遺傳算法(IGA),并用經(jīng)典函數(shù)Rosenbrock和Sphere進(jìn)行算法的性能測(cè)試,測(cè)試結(jié)果顯示,本文提出的IGA具有較好的尋優(yōu)性能和尋優(yōu)穩(wěn)定性。
?、剖褂肐GA對(duì)Volterra核參數(shù)進(jìn)行辨識(shí)研究。首先
4、對(duì)Volterra級(jí)數(shù)模型進(jìn)行分析,并在此基礎(chǔ)上給出待辨識(shí)Volterra級(jí)數(shù)模型;然后用IGA對(duì)Volterra級(jí)數(shù)的核參數(shù)進(jìn)行了辨識(shí),并將辨識(shí)結(jié)果與遺傳算法辨識(shí)結(jié)果和粒子群算法辨識(shí)結(jié)果進(jìn)行了對(duì)比分析研究。通過(guò)仿真實(shí)驗(yàn),可以得出本文提出的改進(jìn)的遺傳算法比傳統(tǒng)的遺傳算法和粒子群算法有更好的辨識(shí)效果和較快的辨識(shí)效率。
?、怯肰olterra濾波器對(duì)采集到的機(jī)械振動(dòng)信號(hào)的噪聲進(jìn)行消噪處理。為了檢驗(yàn)該方法在實(shí)際工程應(yīng)用中的實(shí)用性,使用
5、仿真實(shí)驗(yàn)對(duì)其進(jìn)行驗(yàn)證。該部分主要由兩個(gè)仿真實(shí)驗(yàn)構(gòu)成,仿真實(shí)驗(yàn)1對(duì)含噪聲信號(hào)的正弦波進(jìn)行濾波,在仿真實(shí)驗(yàn)中分別用Volterra濾波器、Weiner濾波器、中值濾波器和均值濾波器對(duì)其進(jìn)行濾波,結(jié)果顯示Volterra濾波器具有比傳統(tǒng)濾波器更好的濾波性能;同時(shí)用基于GA的Volterra濾波器對(duì)噪聲信號(hào)進(jìn)行濾波,將結(jié)果與基于IGA的Volterra濾波器進(jìn)行比較,得出IGA對(duì)Volterra濾波器有較好的濾波性能。仿真實(shí)驗(yàn)2模擬了機(jī)械振動(dòng)信
6、號(hào),并在該振動(dòng)信號(hào)中添加了高斯噪聲和脈沖噪聲,用相同的方法對(duì)其進(jìn)行消噪處理。分析比較結(jié)果得出,本文提出的方法具有更加優(yōu)良的濾波效果,并且具有穩(wěn)定性好、收斂速度快等優(yōu)點(diǎn),具有一定的實(shí)用性。
?、缺疚奶岢龅幕贗GA的Volterra濾波器對(duì)于機(jī)械振動(dòng)信號(hào)噪聲消除是非常有效的?;贗GA的Volterra濾波器的基本濾波過(guò)程是:先使用優(yōu)化算法對(duì)Volterra濾波器的核參數(shù)進(jìn)行尋優(yōu)操作,然后將含有噪聲信號(hào)的機(jī)械振動(dòng)信號(hào)輸入Volte
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波變換的機(jī)械振動(dòng)信號(hào)消噪研究及其DSP實(shí)現(xiàn).pdf
- 面向機(jī)械振動(dòng)信號(hào)的壓縮采樣方法研究.pdf
- 基于壓縮感知的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)處理方法研究.pdf
- 基于多音激勵(lì)的volterra頻域核非參數(shù)辨識(shí)方法
- 基于周期平穩(wěn)性的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分析方法.pdf
- 某水下運(yùn)載器機(jī)械振動(dòng)信號(hào)的分析方法研究.pdf
- 基于量子粒子群優(yōu)化的Volterra核辨識(shí)及故障診斷方法研究.pdf
- 基于網(wǎng)絡(luò)的機(jī)械振動(dòng)信號(hào)分析系統(tǒng)研究.pdf
- 旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的分離.pdf
- 基于小波變換的振動(dòng)信號(hào)去噪方法研究.pdf
- 基于EMD的機(jī)械振動(dòng)分析與診斷方法研究.pdf
- 機(jī)械振動(dòng)信號(hào)的非線(xiàn)性重構(gòu)算法研究.pdf
- 基于經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障振動(dòng)信號(hào)消噪研究.pdf
- 基于VB的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分析系統(tǒng)研究.pdf
- 機(jī)械振動(dòng)信號(hào)的EMD分析及其應(yīng)用.pdf
- 機(jī)械振動(dòng)信號(hào)測(cè)試系統(tǒng)的研究與開(kāi)發(fā).pdf
- 機(jī)械振動(dòng)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識(shí)與控制的研究.pdf
- 基于壓縮感知理論的機(jī)械振動(dòng)信號(hào)處理技術(shù)研究.pdf
- 基于分形的往復(fù)機(jī)械振動(dòng)信號(hào)分析技術(shù).pdf
- 基于LabVIEW的RFID射頻信號(hào)的小波消噪方法研究.pdf
評(píng)論
0/150
提交評(píng)論