基于IGA的Volterra核辨識及機械振動信號消噪方法研究.pdf

1、機械振動噪聲的普遍存在對準確進行機械故障診斷造成了很大的干擾。為了提高故障診斷的準確性，必須得到有效的振動信號，對于振動信號中含有的噪聲信號進行濾除。為了達到這一目的，很多研究者對如何讓消除原始信號中的噪聲信號進行了大量的研究，然而這些研究都是針對某一種噪聲進行濾除，不能對含有多種噪聲信號的原始信號進行恢復。因此針對這一現(xiàn)象，本文提出使用基于改進遺傳算法的Volterra濾波器對振動信號進行噪聲濾除處理。本研究基于IGA的Volterr

2、a核參數(shù)辨識及機械振動信號的消噪法，并進行了基于Matlab軟件的仿真實驗的研究和論證。本研究主要內(nèi)容包括：
　?、胚x擇合適的群智能算法并對其進行算法改進。通過對幾種常用算法性能的比較和分析，最終確定使用遺傳算法。遺傳算法是模擬自然界生物進化過程的一種概率性尋優(yōu)算法，它可以快速地解決復雜的非線性問題，這是傳統(tǒng)的尋優(yōu)方法無法企及的。然而傳統(tǒng)的遺傳算法也有不可避免的缺點，如容易陷入局部最優(yōu)難以自拔，給定的遺傳算子不能滿足有些高精度的辨

3、識要求。所以本文提出使用以下策略對遺傳算法進行改進：基于對立學習機制的種群初始化；根據(jù)種群的多樣性程度自適應的改變遺傳算子；采用雙種群進行尋優(yōu)，種群一采用遺傳算法，種群二采用粒子群算法；使用精英保留策略。使用改進策略得到改進的遺傳算法（IGA）,并用經(jīng)典函數(shù)Rosenbrock和Sphere進行算法的性能測試，測試結果顯示，本文提出的IGA具有較好的尋優(yōu)性能和尋優(yōu)穩(wěn)定性。
　?、剖褂肐GA對Volterra核參數(shù)進行辨識研究。首先

4、對Volterra級數(shù)模型進行分析，并在此基礎上給出待辨識Volterra級數(shù)模型；然后用IGA對Volterra級數(shù)的核參數(shù)進行了辨識，并將辨識結果與遺傳算法辨識結果和粒子群算法辨識結果進行了對比分析研究。通過仿真實驗，可以得出本文提出的改進的遺傳算法比傳統(tǒng)的遺傳算法和粒子群算法有更好的辨識效果和較快的辨識效率。
　?、怯肰olterra濾波器對采集到的機械振動信號的噪聲進行消噪處理。為了檢驗該方法在實際工程應用中的實用性，使用

5、仿真實驗對其進行驗證。該部分主要由兩個仿真實驗構成，仿真實驗1對含噪聲信號的正弦波進行濾波，在仿真實驗中分別用Volterra濾波器、Weiner濾波器、中值濾波器和均值濾波器對其進行濾波，結果顯示Volterra濾波器具有比傳統(tǒng)濾波器更好的濾波性能；同時用基于GA的Volterra濾波器對噪聲信號進行濾波，將結果與基于IGA的Volterra濾波器進行比較，得出IGA對Volterra濾波器有較好的濾波性能。仿真實驗2模擬了機械振動信

6、號，并在該振動信號中添加了高斯噪聲和脈沖噪聲，用相同的方法對其進行消噪處理。分析比較結果得出，本文提出的方法具有更加優(yōu)良的濾波效果，并且具有穩(wěn)定性好、收斂速度快等優(yōu)點，具有一定的實用性。
　　⑷本文提出的基于IGA的Volterra濾波器對于機械振動信號噪聲消除是非常有效的?；贗GA的Volterra濾波器的基本濾波過程是：先使用優(yōu)化算法對Volterra濾波器的核參數(shù)進行尋優(yōu)操作,然后將含有噪聲信號的機械振動信號輸入Volte