一种基于线性搜索策略的随机共振电流弱信息识别方法与流程

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。

技术实现要素：

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时输出信噪比的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；利用随机搜索算法对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；

4)设定结构参数a_max，继续利用线性搜索寻找最大SNR所对应的噪声强度D_max，以a_max和D_max为基准初始参数，当输出SNR输出达到最大值时，对应的的结构参数a_best与噪声强度D_best即为最佳系统参数，这时结构参数a_best和噪声强度D_best能够控制双稳态随机共振系统的跃迁频率；

5)按照步骤2)和步骤4)中获得结构参数a_best、结构参数b、噪声强度D_best和采样步长h，再次重新构建从步骤1)中的双稳态随机共振系统，并利用SNR为搜索目标重新对双稳态随机共振系统的各个参数进行优化；并对输入信号频率压缩率R进行优化，其中R的初始值设置为100，以此获取系统达到跃迁效应的频率压缩率R_best；并利用高斯分布求解，得最佳噪声的均方差，

式中，ΔU为系统的阀值，输入信号S的幅值为A，则σ_best的最佳取值范围为：

当随机共振系统达到频率跃迁条件时，结构参数b_best，势阱参数a_best、噪声强度D_best与跃迁激发频率f三者之间的关系能被描述为：

6)当双稳态随机共振系统性噪比输出达到最大，目标参数达到稳定，这时结构参数b、势阱参数a、噪声强度D多次迭代不再发生变化，双稳态随机共振系统能够产生共振现象；

7)对经过双稳态随机共振系统输出的时域信号进行傅里叶变换，结合信号频率压缩率R_best值进行重构获得被检测输入信号的微弱信号的特征频谱，其中特征频率即为所需要的微弱信号特征频率。

本发明的有益效果是：

基于线性搜索策略的随机共振检测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。

1、作为一种微弱信号检测方法，基于线性搜索策略的随机共振检测方法在处理具有周期性的电流信号时，可以将强磁干扰下的周期性特征分量进行有效提取。

2、线性搜索随机共振双稳态随机共振系统的参数分量，通过添加合适的噪声使非线性系统放大周期输入信号，实现利用双稳态随机共振系统提取电流信息的中的弱特征信息。

3、与常规的随机共振方法相比，噪声强度被考虑在优化目标中，基于线性搜索的随机共振检测电流信号中弱特征分量的方法可以更准确的识别弱特征分量信息，同时计算效率也被改善。

附图说明

图1是实施例无噪声模拟信号时域波形示意图。

图2是实施例无噪声模拟信号频域波形示意图。

图3是实施例加噪模拟信号时域波形示意图。

图4是实施例加噪模拟信号频域波形示意图。

图5是实施例信号性噪比与结构参数a的变化趋势示意图。

图6是实施例性噪比与噪声强度的变化趋势示意图。

图7是实施例输出信号的时域示意图。

图8是实施例输出信号的频域恢复图。

具体实施方案

下面结合附图及实施例对本发明作详细描述，利用一组模拟电流信号来描述基于线性搜索策略的随机共振检测方法的整个过程。输入周期信号为其中f₁＝60Hz，f₂＝40Hz，与μ分别是输入正弦与余弦信号的相位，设置μ＝10。

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)选择采样点长度4096，采样频率f_s＝1000Hz的输入信号，时域图与频域图如图1和图2所示；由图1可知，被测信号的频谱只能反映60Hz的周期信号，在40Hz处的谱图上看不到谱峰值，这说明对于被测信号来说，40Hz属于一个弱信号特征，对于被测信号来说，特征分量都属大频率特征；

2)对被测信号加入噪声强度D＝25.4924的噪声，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；

本实施例在加噪信号频谱中，在40Hz处的谱图上也未发现普峰值，利用线性搜索随机共振检测方法对模拟信号进行识别，势能结构参数b＝1，采样尺度R＝10000，二次采样频率f_sr为：

可知f_sr＝0.1Hz，此时f_sr为低频信号，满足随机共振小频率的要求；原始计算步长为：

可知h＝10，把这些参数输入双稳态随机共振系统来检测f₂的频率成分；

3)计算随机共振系统初始结构参数a＝1、b＝1时输出信噪比的最大信噪比MSN，利用随机搜索算法以max(SNR)为优化目标，计算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；线性搜索的参数范围a＝0～10其中搜索间隔为0.01，控制自适应速度和稳定性的增益常数μ＝1，循环搜索对象为max(SNR)；对检测信号的结构参数a_max和对应的max(SNR)进行迭代搜索，获得模拟信号经过随机共振系统性噪比与结构参数a_max和噪声强度的变化图，如图5和图6所示，在图5中，显然结构参数a_max的取值会呈现出一定的范围，这个范围受SNR影响较大，因此利用线性随机搜索可以直接将结构参数a_max的取值范围确定；

4)设定结构参数a_max，继续利用线性搜索寻找最大SNR所对应的噪声强度D_max，以a_max和D_max为基准初始参数，当输出SNR输出达到最大值时，对应的的结构参数a_best与噪声强度D_best即为最佳系统参数，这时结构参数a_best和噪声强度D_best能够控制双稳态随机共振系统的跃迁频率；

5)按照步骤2)和步骤4)中获得结构参数a_best、结构参数b、噪声强度D_best和采样步长h，再次重新构建从步骤1)中的双稳态随机共振系统，并利用SNR为搜索目标重新对双稳态随机共振系统的各个参数进行优化；并对输入信号频率压缩率R进行优化，其中R的初始值设置为100，以此获取系统达到跃迁效应的频率压缩率R_best；并利用高斯分布求解，得最佳噪声的均方差，

式中，ΔU为系统的阀值，输入信号S的幅值为A，则σ_best的最佳取值范围为：

当随机共振系统达到频率跃迁条件时，结构参数b_best，势阱参数a_best、噪声强度D_best与跃迁激发频率f三者之间的关系能被描述为：

输出信号的时域图与频域图如图7和8所示，被测信号通过双稳态随机共振系统后，经过频率恢复输出的频谱图中，显然40Hz作为调制频率60Hz-20Hz被检测出来，而在原始被测信号中40Hz作为微弱信号很难被直接检测出；

6)当双稳态随机共振系统性噪比输出达到最大，目标参数达到稳定，这时结构参数b、势阱参数a、噪声强度D多次迭代不再发生变化，双稳态随机共振系统可产生共振现象。

7)对经过双稳态随机共振系统输出的时域信号进行傅里叶变换，结合信号频率压缩率R_best值进行重构获得被检测输入信号的微弱信号的特征频谱，其中特征频率即为所需要的微弱信号特征频率。