利用蚁群算法对随机共振系统进行智能参数优化
更新日期:2022-03-26     浏览次数:89
核心提示:原始信号在fcf处有一定的峰值,但转频fc和二倍频2fc对应的幅值也较为明显,且存在大量干扰杂峰,由式(6)计算得SNR= -0.0003dB。将直接输入到SR系统中

原始信号在fcf处有一定的峰值,但转频fc和二倍频2fc对应的幅值也较为明显,且存在大量干扰杂峰,由式(6)计算得SNR = -0.0003dB。将直接输入到SR系统中,获得最优的输出信号时,SNR = -0.0575dB。虽然大量杂频被滤除,但fcf处所对应的幅值有所降低。利用本文所提出的方法进行处理,当SNR = 0.0331dB时,获得系统最优的输出信号。此方法不仅将大量的杂频滤除,在fcf处相应的峰值也有所提高,SNR显著增加,故障特征较易提取,可以准确识别出故障类型。

2.2 轴承内圈故障处理效果分析

同理,利用EMD算法进行处理轴承内圈故障振动信号,将得到的多个IMF分量。对IMF值大于3的分量进行叠加,得到了IMF融合信号。将此融合信号输入到ASR系统中,利用蚁群算法搜寻最优的势阱参数ab,当a = 0.065,b = 0.271时,SNR最大,得到最佳的系统输出结果。本文所提出的方法与外圈故障原始信号、SR处理的信号进行对比,

2020-03-25• 风力发电机组状态监测装置研究
《风力发电机组状态监测装置研究》为作者:李雨田最新的研究成果,本论文的主要观点为摘要:状态监测技术是深入了解机组运行状态的一项关键技术,通过...
2019-11-13• 风电机组中CAN总线抗干扰技术研究
风电机组中CAN总线抗干扰技术研究摘要:随着风力发电技术的发展,风力发电机组容量及复杂性逐步提高,因此其内部CAN总线所受影响日益明显。本文针对风...