随机时滞微分系统的演化过程与检测微弱周期信号.pdf

摘 要 微弱故障有效信号检测已成为当今研究热点，其研究的主要方法有非线性 参数识别法，混沌理论法，随机共振法以及人工智能方法等，本文主要基于混 沌理论和随机共振理论进行信号检测研究。本文对随机时滞Mathieu-Duffing 系 统的演化过程以及其非线性动力学行为进行研究，利用其丰富的非线性动力学 行为进行微弱周期信号的检测。 首先，研究了随机时滞Mathieu-Duffing 振子的演化过程及动力学行为，包 括加性噪声驱动的速度时滞反馈控制Mathieu-Duffing 振子、乘性噪声驱动的速 度时滞反馈控制Mathieu-Duffing 振子和乘性噪声驱动的速度及位移时滞反馈控 制Mathieu-Duffing 振子。利用中心流形法和随机平均法得到加性或乘性噪声驱 ˆ Ito 动的速度反馈控制Mathieu-Duffing 系统的 微分方程和FPK 方程及平稳概率 密度函数，并结合一维扩散过程的奇异边界分类，分析得到系统的随机稳定性 行为和随机分岔现象。利用扰动法得到乘性噪声驱动的位移速度反馈控制的 Mathieu-Duffing 系统的一维随机平均方程，基于分岔参数的改变和平稳概率密 P 度函数得到随机稳定性与分岔，并观察到位移时滞反馈会使得系统的 分岔消 失。 其次，利用随机 Melnikov 函数对乘性噪声驱动速度时滞反馈控制的 Mathieu-Duffing 振子进行混沌预测，通过分析噪声强度与时滞对理论混沌阈值 的控制，得到时滞可以提高系统对微弱周期信号检测能力的结论。在实际工程   背景意义下，提出微弱周期信号检测的顺序为：频率 相位 幅值，且分别给 出了相应的检测方法；利用分岔序列图发现混沌暂歇现象，进而利用混沌暂歇 现象检测微弱周期信号的频率，在已知的频率前提下根据混沌跃迁的方法检测 微弱周期信号的相位及幅值。 最后，讨论随机共振方法检测微弱周期信号，随机共振的三个主要条件为： 非线性系统、周期信号和噪声。通过对输出功率信噪比的分析，可以得到调节 系统参数会使得输出功率信噪比达到峰值，并进行模拟仿真轴承故障信号，经 过基于Mathieu-Duffing 振子构建的滤波器滤波后得到了淹没在噪声下的待检测 微弱周期信号的频率特征。 目 录 第一章 绪 论 1 1.1 研究背景 1 1.2 时滞随机动力系统 3 1.2.1 中心流形方法 3 1.2.2 随机平均法 4 1.2.3 扰动法 6 1.2.4 随机稳定性与分岔理论 8 1.2.5 随机Melnikov 函数 9 1.3 微弱信号检测 10 1.4 论文的组织结构 11 第二章 随机时滞Mathieu-Duffing 振子的演化过程 13 2.1 引言 13 2.2 加性噪声驱动的时滞Mathieu-Duffing 振子的随机动力学 14 2.3 乘性噪声驱动的时滞Mathieu-Duffing 振子的随机动力学 22 2.3.1 具有速度反馈控制 22 2.3.2 具有位移反馈和速度反馈控制 27 2.4 小结与讨论 37 第三章 基于动力学行为转迁检测微弱周期信号 40 3.1 引言 40 3.2 基于随机Melnikov 函数的随机时滞Mathieu-Duffing 振子的混沌预测 42 3.3 高斯白噪声强度和时滞对混沌阈值的贡献 44 3.4 检测微弱信号的频率 46 3.5 基于随机Melnikov 函数检测微弱信号的相位与幅值 53 3.6 本章小结与讨论 5