针对传统随机共振方法难以实现系统最优输出的问题,提出了基于二阶欠阻尼和一阶过阻尼双稳态系统的普通变尺度随机共振方法,利用量子粒子群优化算法实现了自适应随机共振,提高了轴承故障诊断效率.基于数值模拟讨论了时间尺度、阻尼因子、噪声强度和系统参数对输出信噪比的影响.应用提出的方法对两组轴承故障振动信号进行了分析.结果表明,二阶欠阻尼系统普通变尺度自适应随机共振对微弱故障信号的检测效果优于一阶过阻尼系统普通变尺度自适应随机共振,且二阶欠阻尼系统对噪

液压泵振动信号常湮没在强噪声背景中,为准确提取其特征频率,提出自适应随机共振形态学方法。首先采用以广义相关系数为目标函数的量子遗传算法对随机共振系统参数进行优化,再将优化后的参数代入随机共振系统对液压泵振动信号进行降噪预处理,最后利用形态学差值滤波器提取振动信号的特征频率。仿真实验和液压泵故障模拟实验结果表明,该方法能够准确地提取出振动信号的各种频率特征,优于其他特征提取方法。

针对液压泵故障振动信号信噪比低，故障特征难以提取的问题，对液压泵振动信号预处理方法进行研究。针对现有自适应随机共振优化算法及其目标函数存在的问题，将量子遗传算法（Quantum Genetic Algorithm，QGA）引入自适应随机共振中，提出一种改进的自适应随机共振的信号预处理方法。该方法以广义相关系数为目标函数，采用 QGA 算法对随机共振系统的结构参数进行优化，从而实现对信号的降噪预处理。仿真及实验结果表明，该方法能够有效提取强噪声背景下的液压泵振动信号频率特征，是液压泵故障特征提取及故障诊断中信号预处理的有效方法，可进一步发展至实际工程应用。