基于IGA的Volterra核辨识及机械振动信号消噪方法研究

摘要

机械振动噪声的普遍存在对准确进行机械故障诊断造成了很大的干扰。为了提高故障诊断的准确性，必须得到有效的振动信号，对于振动信号中含有的噪声信号进行滤除。为了达到这一目的，很多研究者对如何让消除原始信号中的噪声信号进行了大量的研究，然而这些研究都是针对某一种噪声进行滤除，不能对含有多种噪声信号的原始信号进行恢复。因此针对这一现象，本文提出使用基于改进遗传算法的Volterra滤波器对振动信号进行噪声滤除处理。本研究基于IGA的Volterra核参数辨识及机械振动信号的消噪法，并进行了基于Matlab软件的仿真实验的研究和论证。本研究主要内容包括：
　　⑴选择合适的群智能算法并对其进行算法改进。通过对几种常用算法性能的比较和分析，最终确定使用遗传算法。遗传算法是模拟自然界生物进化过程的一种概率性寻优算法，它可以快速地解决复杂的非线性问题，这是传统的寻优方法无法企及的。然而传统的遗传算法也有不可避免的缺点，如容易陷入局部最优难以自拔，给定的遗传算子不能满足有些高精度的辨识要求。所以本文提出使用以下策略对遗传算法进行改进：基于对立学习机制的种群初始化；根据种群的多样性程度自适应的改变遗传算子；采用双种群进行寻优，种群一采用遗传算法，种群二采用粒子群算法；使用精英保留策略。使用改进策略得到改进的遗传算法（IGA）,并用经典函数Rosenbrock和Sphere进行算法的性能测试，测试结果显示，本文提出的IGA具有较好的寻优性能和寻优稳定性。
　　⑵使用IGA对Volterra核参数进行辨识研究。首先对Volterra级数模型进行分析，并在此基础上给出待辨识Volterra级数模型；然后用IGA对Volterra级数的核参数进行了辨识，并将辨识结果与遗传算法辨识结果和粒子群算法辨识结果进行了对比分析研究。通过仿真实验，可以得出本文提出的改进的遗传算法比传统的遗传算法和粒子群算法有更好的辨识效果和较快的辨识效率。
　　⑶用Volterra滤波器对采集到的机械振动信号的噪声进行消噪处理。为了检验该方法在实际工程应用中的实用性，使用仿真实验对其进行验证。该部分主要由两个仿真实验构成，仿真实验1对含噪声信号的正弦波进行滤波，在仿真实验中分别用Volterra滤波器、Weiner滤波器、中值滤波器和均值滤波器对其进行滤波，结果显示Volterra滤波器具有比传统滤波器更好的滤波性能；同时用基于GA的Volterra滤波器对噪声信号进行滤波，将结果与基于IGA的Volterra滤波器进行比较，得出IGA对Volterra滤波器有较好的滤波性能。仿真实验2模拟了机械振动信号，并在该振动信号中添加了高斯噪声和脉冲噪声，用相同的方法对其进行消噪处理。分析比较结果得出，本文提出的方法具有更加优良的滤波效果，并且具有稳定性好、收敛速度快等优点，具有一定的实用性。
　　⑷本文提出的基于IGA的Volterra滤波器对于机械振动信号噪声消除是非常有效的。基于IGA的Volterra滤波器的基本滤波过程是：先使用优化算法对Volterra滤波器的核参数进行寻优操作,然后将含有噪声信号的机械振动信号输入Volterra滤波器，最优核参数将使Volterra滤波器更好地对噪声信号进行最大程度的弱化和消除，并通过适应度函数计算得到的值来判定是否为滤波的最优效果。总之，本文提出的方法比传统的消噪滤波方法有更好的性能，能够高效地抑制振动信号中混入的高斯噪声和脉冲噪声的双重混合噪声信号。

目录

封面

声明

中文摘要

英文摘要

目录

1引言

1.1课题研究背景和意义

1.2机械振动信号消噪研究现状及存在问题

1.3 Volterra核辨识研究现状

1.4遗传算法研究现状

1.5本文待解决问题及研究内容

2遗传算法的原理及其改进

2.1遗传算法的基本原理

2.2粒子群算法基本原理

2.3改进遗传算法（IGA）

2.4 改进的遗传算法（IGA）性能测试

2.5 本章小结

3 Volterra级数及其核参数辨识

3.1 Volterra级数模型

3.2 Volterra级数时域模型的核参数辨识原理

3.3 基于IGA的Volterra核辨识

3.4 本章小结

4 机械振动信号消噪方法研究

4.1机械振动信号噪声的产生原因及危害

4.2机械振动信号噪声滤除的基本原理

4.3基于IGA辨识Volterra核的机械振动信号滤波方法

4.4 本章小结

5结论与展望

5.1结论

5.2展望

参考文献

致谢

攻读学位期间的研究成果