线性时滞反馈引起的周期性振动共振分析

研究了高频信号和微弱低频信号同时激励下线性时滞反馈对过阻尼双稳系统和Duffing振子系统中振动共振现象的影响. 解析分析和数值结果都表明, 系统对低频信号的响应幅值增益随时滞参数的变化同时呈现两种不同的周期性关系, 其周期分别为输入的高频信号和低频信号的周期. 数值结果还表明, 对不存在经典振动共振现象的单稳Duffing系统, 通过调节时滞参数也可以引发振动共振现象. 使用时滞反馈不仅可以有效地控制振动共振, 还可以进一步增强系统对微弱低频信号的响应. 关键词： 双稳系统 Duffing 系统 线性时滞反馈 振动共振     

级联双稳Duffing系统的随机共振研究

研究了级联双稳Duffing系统的随机共振特性, 证明级联双稳Duffing系统变尺度系数、阻尼比和级数等参数的适当调节, 不仅可实现大参数信号的级联随机共振, 而且可优化单级双稳Duffing系统的随机共振特征, 即参数调节的级联双稳Duffing系统能实现比单级双稳Duffing系统更好的随机共振输出. 此外, 级联双稳Duffing系统对方波信号具有良好的滤波整形作用, 可用于实现含噪方波信号的波形恢复. 关键词： 级联双稳Duffing系统 随机共振 变尺度 参数调节     

二维Duffing振子的大参数随机共振及微弱信号检测研究

研究了二维Duffing振子在绝热近似条件下的随机共振特性,针对大参数条件,提出二维Duffing振子的大参数随机共振,并探讨二维Duffing振子变尺度随机共振和参数调节随机共振的关联性,揭示大参数条件下Duffing振子随机共振检测特征信号的机理,扩展其在微弱信号检测领域中的应用.     

用一类特定的双耦合Duffing振子系统检测强色噪声背景中的周期信号

通过分析耦合参数作用、系统所呈现大尺度周期相态的复杂性以及与系统在无噪声条件下状态的比较，得出耦合振子系统的动力学行为比同类单振子系统的复杂，周期相态更稳定、抗噪能力更强.用构造的一类含特定恢复力项双中强度耦合Duffing振子系统检测色噪声背景中的谐波、方波信号，信噪比分别达到-111.0和-108.45dB. 关键词： 特定双耦合 Duffing振子系统 色噪声 周期信号 信噪比     

Duffing振子系统周期解的唯一性与精确周期信号的获取方法

研究Duffing振子系统的周期解的唯一性与精确周期信号的获取方法.应用定性分析方法,获得了一类Duffing振子系统具有唯一周期解的必要条件,同时也得到了一类更广泛的非线性周期系统的周期解的唯一性.在一定条件下,给出了Duffing振子系统精确周期信号的获取方法。     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

α稳定噪声环境下过阻尼系统中的参数诱导随机共振现象

本文采用随机模拟方法, 研究了过阻尼振子系统在α稳定噪声环境下的参数诱导随机共振现象. 结果表明, 在α噪声环境下, 调节系统参数能够诱导随机共振现象; 而且调节非线性项参数时, 随机共振效果随α稳定噪声的指数的减小而减弱, 但当调节线性项参数时, 随机共振效果则随着α稳定噪声的特征指数的减小而增强. 本文的结论在α稳定噪声环境下, 利用参数诱导随机共振原理进行弱信号检测方面具有重要的理论意义, 并有助于理解不同α稳定噪声对一般随机共振系统的共振效果的影响.     

基于Kramers逃逸速率的Duffing振子广义调参随机共振研究

以二维Duffing振子的随机共振为研究对象,提出Duffing振子的广义调参随机共振. 以Kramers逃逸速率为基础,建立了Duffing振子随机共振的判别函数,阐述了Duffing振子在不同噪声强度及信号频率输入条件下的广义调参随机共振规律,并给出了Duffing振子广义调参随机共振的一般方法. 关键词： Duffing振子 随机共振 Kramers逃逸速率 广义参数调节     

线性过阻尼分数阶Langevin方程的共振行为

通过将广义Langevin方程中的系统内噪声建模为分数阶高斯噪声,推导出分数阶Langevin方程, 其分数阶导数项阶数由系统内噪声的Hurst指数所确定.讨论了处于强噪声环境下的线性过阻尼分数阶 Langevin方程在周期信号激励下的共振行为,利用Shapiro-Loginov公式和Laplace变换, 推导了系统响应的一、二阶稳态矩和稳态响应振幅、方差的解析表达式.分析表明,适当参数下, 系统稳态响应振幅和方差随噪声的某些特征参数、周期激励信号的频率及系统部分参数的变化出现了 广义的随机共振现象.     

基于自适应随机共振的水下蓝绿光微弱信号检测

海水的吸收和散射导致光信号严重衰减,使得水下无线光通信系统中低信噪比信号检测成为一大难题。基于此,提出一种自适应随机共振水下蓝绿光微弱信号检测方法。分析了水下弱光信号特点以及随机共振的产生条件,结合多策略融合的粒子群算法与随机共振动态调整系统参数,使系统达到最优匹配状态,进而提升弱光信号的检测性能。搭建了水下无线光通信实验系统进行实验,结果表明,在接收信噪比为-1.7 dB时,使用该方法得到的误码率低至2×10^-4,验证了该方法的可行性和有效性。     

A weak signal detection method based on adaptive parameter-induced tri-stable stochastic resonance

Aiming at detecting the weak signal in a strong noise background, an enhanced weak signal detection method based on adaptive parameter-induced tri-stable stochastic resonance is proposed. Firstly, because the system can switch among the monostable, bistable and tri-stable state, the potential function characteristic of tri-stable systems is studied by analyzing the potential function curves with different system parameters. And the dynamic characteristics of system parameters on the depth of the potential well is analyzed. The ranges of R and the system parameters are determined, which is essential for ensuring the system is tri-stable state. Secondly, the range of R is used as the constraint condition and the average output signal-to-noise ratio is used as the fitness function of the adaptive algorithm. The system parameters a, b, c are optimized by the differential evolution particle swarm optimization (DEPSO) method to obtain the best output effect. Finally, the proposed adaptive parameter-induced tri-stable stochastic resonance method is adopted to detect the mixed multiple high-frequency weak signal. The detection results are compared with that of adaptive bistable stochastic resonance. At the meanwhile, the method is also applied to detect the fault signal of single crystal furnace. Both the simulation analysis and experiment results show that the proposed method can effectively improve the output signal-to-noise ratio and detect multi-frequency weak signal in the strong noise background.     

Asymmetric delay feedback stochastic resonance detection method based on prior knowledge particle swarm optimization

For the adjustable parameters stochastic resonance system, the selection of the structural parameters plays a decisive role in the performance of the detection method. The vibration signal of rotating machinery is non-linear and unstable, and its weak fault characteristics are easily concealed by noise. Under strong background noise interference, the detection of fault features is particularly challenging. Therefore, a type of weak fault feature extraction method, named knowledge-based particle swarm optimization algorithm for asymptotic delayed feedback stochastic resonance (abbreviated as KPSO-ADFSR) is proposed. Through deduction under adiabatic approximation, we observe that both the asymmetric parameters, the length of delay and the feedback strength, impact the potential function. After adjusting the asymmetric parameters of the system, the output signal-to-noise ratio (SNR) is used as the fitness function, and the setting of the relationship between the noise intensity and barrier height is used as the prior knowledge of the particle swarm algorithm. Through this algorithm, the delay length and the feedback strength are optimized. This method achieves global optimization of system parameters in a short time; it overcomes the shortcomings of the traditional stochastic resonance method, which has a long convergence time and tends to easily fall into local optimization. It can effectively improve the detection of weak fault features. In the bearing rolling body pitting corrosion failure experiment and steel field engineering experiment, the proposed method could extract the characteristics of a weak fault more effectively than the traditional stochastic resonance method based on the standard particle swarm algorithm.     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

量子势阱粒子群优化算法的改进研究

为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱 提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.     

一种基于新型间歇混沌振子的舰船线谱检测方法

为了实现低信噪比下未知频率的舰船辐射线谱的检测,对常规型间歇混沌振子列检测方法进行了改进,提出了一种基于适应步长型间歇混沌振子的信号检测方法.该方法可以只用一个Duffing振子,通过设定一组能够覆盖待测信号所在频段的求解步长序列,实现对未知频率、具有任意初相位的微弱周期信号的搜索检测.为进一步提高系统的弱信号检测性能,分析了Holmes型Duffing方程在不同频率内置策动力下对弱信号灵敏度的差异.综合理论分析和仿真研究结果给出了Duffing振子在内置策动力角频率为0.4 rad/s时对弱信号检测性能最佳,并据此对所采用的Duffing振子进行了优化;仿真结果表明,改进后的Duffing振子的弱信号检测性能提高了12 dB.最后将此方法应用于一组含有舰船辐射线谱的实船数据,结果表明此方法可以实现低信噪比下的未知频率微弱线谱检测.     

基于混沌和随机共振的微弱信号检测

推导了分数阶线性振子系统响应的一阶稳态矩的频率不变性和相移特性, 并通过理论分析得出, 在随机共振机制下, 分数阶线性振子对系统响应一阶稳态矩的幅值具有放大作用. 构造Duffing混沌振子检测器, 利用混沌系统对参数摄动的敏感性以及对噪声的免疫能力实现弱信号检测. 数值模拟证实, 该方法可以有效地从噪声背景中将微弱正弦信号检测出来, 并且相对传统的混沌检测方法能显著降低信噪比检测门限.     

Weak wide-band signal detection method based on small-scale periodic state of Duffing oscillator

The conventional Duffing oscillator weak signal detection method, which is based on a strong reference signal, has inherent deficiencies. To address these issues, the characteristics of the Duffing oscillator's phase trajectory in a smallscale periodic state are analyzed by introducing the theory of stopping oscillation system. Based on this approach, a novel Duffing oscillator weak wide-band signal detection method is proposed. In this novel method, the reference signal is discarded, and the to-be-detected signal is directly used as a driving force. By calculating the cosine function of a phase space angle, a single Duffing oscillator can be used for weak wide-band signal detection instead of an array of uncoupled Duffing oscillators. Simulation results indicate that, compared with the conventional Duffing oscillator detection method,this approach performs better in frequency detection intervals, and reduces the signal-to-noise ratio detection threshold,while improving the real-time performance of the system.     

Duffing振子微弱信号检测方法研究

在前期实验工作的基础上,从理论分析的角度,提出了利用Duffing振子从大周期态向混沌态的相变 作为判据的微弱周期信号检测方法,给出了检测原理,并论证了其可行性;从过渡带影响和检测概率两方面 将该方法与传统的检测方法进行了比较分析,并对两者的检测性能进行了仿真对比.分析和仿真结果都显示,相同条件下, Duffing振子从大周期态向混沌态的相变受过渡带影响更小,所提方法具有更好的检测性能. 实验数据还表明, Duffing振子检测微弱信号只能基于单向相变, 利用阵发混沌进行频差检测只适用于待测信号信噪比较高的情况. 关键词： Duffing 混沌 检测 过渡带     

2维静磁场多参量微动粒子群优化算法

提出一种微动粒子群优化算法,针对2维静磁场多参量优化问题,在给出轴上目标轴向磁感应强度分布曲线的前提下,可以得到趋近于该分布曲线的磁结构。该算法分为前后两阶段:第一阶段采用前后试探法(微动),同时也参照最优粒子的信息;第二阶段采用基本粒子群优化算法。微动粒子群优化算法可以发挥多核计算机在工程设计上的潜力,而且即使粒子数目很少,也能不断趋近目标解。