基于IGA的Volterra核辨识及机械振动信号消噪方法研究-车辆工程专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成 果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研 究成果，也不包含获得兰州交通大学或其他教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢 意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解兰州交通大学有关保留、使用学位论文的规定。特授权兰 州交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、 缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送 交论文的复印件和磁盘。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 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。 本文主要研究基于 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，本文的主要内容包含以下几个方面： 第一，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。 第二，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。 第三，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。 综上所述，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。 关键词：Volterra 滤波器；Volterra 核辨识；改进的遗传算法；机械振动噪声消除 论文类型：综合研究 Abstra