本发明专利技术涉及一种获取随机共振系统最优参数的自适应搜寻方法，包括步骤：(1)对系统输出信号进行采样；(2)求解随机共振系统的非线性微分方程；(3)系统输入，输出设定；(4)求解每个离散序列对应的频谱值Py；(5)最大频谱值保存为Pytmp；(6)对应每个频谱值Py求解信噪比SNR；(7)设定参数a，b方阵；(8)获得一个信噪比方阵和频谱值方阵；(9)获取最大信噪比值MSN的Py值和信号频率f1；(10)获取到最大频谱值Pymax时信号频率f2；(11)比较f1和f2，确定最优参数。本发明专利技术通过获取最大的频谱值点，来获取更精确的随机共振对应的信号位置，获取到准确的系统参数值。
【技术实现步骤摘要】
【专利摘要】本专利技术涉及，包括步骤：(1)对系统输出信号进行采样；(2)求解随机共振系统的非线性微分方程；(3)系统输入，输出设定；(4)求解每个离散序列对应的频谱值Py；(5)最大频谱值保存为Pytmp；(6)对应每个频谱值Py求解信噪比SNR；(7)设定参数a，b方阵；(8)获得一个信噪比方阵和频谱值方阵；(9)获取最大信噪比值MSN的Py值和信号频率f1；(10)获取到最大频谱值Pymax时信号频率f2；(11)比较f1和f2，确定最优参数。本专利技术通过获取最大的频谱值点，来获取更精确的随机共振对应的信号位置，获取到准确的系统参数值。【专利说明】
本专利技术属于一种物理非电变量的调节系统
，特别是一种获取随机共振系 统最优参数的自适应搜寻方法。
技术介绍
随机共振系统是一种非线性系统模型，它描述了淹没在噪声中的微弱信号在非线 性系统的作用下，微弱信号被放大，噪声能量被部分转移到弱信号中的现象。该现象最初在 1981年由意大利物理学家RobertoBenzi等人提出。 7〇年代以来，双稳系统中的随机共振现象占据了整个非线性系统研究的中心，这 是因为，首先双稳系统中随机力的作用十分典型，其次双稳系统在物理化学和各自然科学 方面有广泛的应用，本专利技术所涉及的最优参数的自适应搜寻方法就是建立在双稳系统中的 随机共振模型基础上的，双稳系统下的随机共振模型表示如下： dx/dt = ax-bx3+Acos Ω t+ Γ (t) (a > 0) 其中AcosQt为输入的周期信号力，Γ (t)是强度为D的高斯白噪声，其中周期信 号的振幅（能量）A要远小于高斯噪声，表现为信号被噪声所淹没。 目前基于双稳随机共振系统的参数寻优方法的判断依据主要为信噪比，其中信噪 比是当前己知的比较成熟的衡量随机共振状态好坏的标准，即输出信号的功率与噪声的平 均功率谱的比值越大，随机共振越好，但此标准更多的用于定性的描述随机共振现象是否 发生。 目前，双稳系统中随机共振现象的观察需要人工手动调节随机共振系统的参数， 但是这种方法需要的工作量大，而且不能准确的获得随机共振最佳状态时的系统参数组 合，限制了随机共振的应用。鉴于随机共振现象在生物、物理等领域研究与应用的深入，需 要设计一种随机共振的自适应系统来快速准确的获取不同系统输入在获得最佳随机共振 状态时的系统参数。
技术实现思路
本专利技术的目的是针对现有技术存在的不足，提供一种获取随机共振系统最优参数 的自适应搜寻方法。 本专利技术解决其技术问题是采取以下技术方案实现的： ，包括步骤如下： ⑴弱信号加入白噪声信号后，对系统输出信号进行采样，形成离散的数字信号序 列； (2)通过已知的四阶runge-kutta算法，近似的求解随机共振系统的非线性微分 方程； ⑶将步骤（1)中的离散序列信号作为步骤（2)中随机共振系统的输入\，输出 的Xn+1作为经过随机共振系统处理后的信号输出； (4)Xn+1是时域中的离散信号序列，经过傅里叶变换求解出每个离散序列对应的频 谱值Py ; (5)比较步骤⑷中的所有频谱值并取其最大者保存为Pytmp ; (6)对应步骤⑷中的每个频谱值Py，求解出一个信噪比SNR ; (7)为双稳系统中的参数a，b设定一个相同的取值区间，并以一定的间隔均匀分 布，以a为纵坐标并沿十字坐标轴y轴负方向， b为横坐标并沿十字坐标轴x轴正方向，组 成一个方阵； ⑶通过先固定一个参数b值，搜寻给定范围内的a值，根据步骤（5)和（6)获取 到当前参数组合时的频谱值和信噪比 SNR，然后通过增加参数b，遍历每一个参数a， b的组合，并将其所求的频率值和信噪比保存下来，此时分别获得一个信噪比方阵和频谱值 方阵； (9)遍历步骤⑶中获取的信噪比方阵，获取到最大信噪比值MSN，将此MSN所对 应的系统参数定为％，W，并将此参数交叉点上的Py值和信号频率&保存下来； (10)按照步骤（9)所述的方法在步骤⑶中所获取的频谱值方阵中，获取到整个 方阵中的最大频谱值Py_，并将该Py max所对应的系统参数a, b和信号频率f2保存下来； (11)验证比较，确定系统的最优参数，当A约等于f2时，取Pymax所对应的a，b为 系统的最优参数，当f 2远小于A时，取MSN所对应的a" h为系统的最优参数。 而且，所述步骤（2)中，四阶runge-kutta算法表示如下： 【权利要求】1. ，其特征在于包括步骤如下： (1) 弱信号加入白噪声信号后，对系统输出信号进行采样，形成离散的数字信号序列； (2) 通过已知的四阶runge-kutta算法，近似的求解随机共振系统的非线性微分方程； (3) 将步骤（1)中的离散序列信号作为步骤（2)中随机共振系统的输入\，输出的xn+1 作为经过随机共振系统处理后的信号输出； (4) xn+1是时域中的离散信号序列，经过傅里叶变换求解出每个离散序列对应的频谱值 Py ； (5) 比较步骤（4)中的所有频谱值并取其最大者保存为Pytmp; (6) 对应步骤（4)中的每个频谱值Py，求解出一个信噪比SNR; (7) 为双稳系统中的参数a，b设定一个相同的取值区间，并以一定的间隔均匀分布，以 a为纵坐标并沿十字坐标轴y轴负方向，b为横坐标并沿十字坐标轴X轴正方向，组成一个 方阵； (8) 通过先固定一个参数b值，搜寻给定范围内的a值，根据步骤（5)和（6)获取到当前 参数组合时的频谱值Pytmp和信噪比SNR,然后通过增加参数b,遍历每一个参数a, b的组合， 并将其所求的频率值和信噪比保存下来，此时分别获得一个信噪比方阵和频谱值方阵； (9) 遍历步骤（8)中获取的信噪比方阵，获取到最大信噪比值MSN，将此MSN所对应的 系统参数定为&1，h，并将此参数交叉点上的Py值和信号频率保存下来； (10) 按照步骤（9)所述的方法在步骤（8)中所获取的频谱值方阵中，获取到整个方阵 中的最大频谱值Pymax，并将该Pymax所对应的系统参数a，b和信号频率f2保存下来； (11) 验证比较，确定系统的最优参数，当约等于f2时，取Pymax所对应的a，b为系统 的最优参数，当f2远小于时，取MSN所对应的&1，h为系统的最优参数。2. 根据权利要求1所述的获取随机共振系统最优参数的自适应搜寻方法，其特征在 于：所述步骤（2)中，四阶runge-kutta算法表示如下： ' h X^=Xn+-{ki+2k1+2k 1+k4) K =UXn~Xl+P(tn) , , ht. , ht-3 , h、 < k2 = u(xn + -) - {xn + -) +p(tn+ -) hk、 hkl ^ h h = U(Xn + -^) - + -y + P^n + ~) k4 = U(xn + hk〇 -+ hkj + + h) O3. 根据权利要求1所述的获取随机共振系统最优参数的自适应搜寻方法，其特征在 于：所述步骤（6)中求解出信噪比SNR的公式如下： SNR = ]〇\g^；(dB)本文档来自技高网...
【技术保护点】
一种获取随机共振系统最优参数的自适应搜寻方法，其特征在于包括步骤如下：(1)弱信号加入白噪声信号后，对系统输出信号进行采样，形成离散的数字信号序列；(2)通过已知的四阶runge‑kutta算法，近似的求解随机共振系统的非线性微分方程；(3)将步骤(1)中的离散序列信号作为步骤(2)中随机共振系统的输入xn，输出的xn+1作为经过随机共振系统处理后的信号输出；(4)xn+1是时域中的离散信号序列，经过傅里叶变换求解出每个离散序列对应的频谱值Py；(5)比较步骤(4)中的所有频谱值并取其最大者保存为Pytmp；(6)对应步骤(4)中的每个频谱值Py，求解出一个信噪比SNR；(7)为双稳系统中的参数a，b设定一个相同的取值区间，并以一定的间隔均匀分布，以a为纵坐标并沿十字坐标轴y轴负方向，b为横坐标并沿十字坐标轴x轴正方向，组成一个方阵；(8)通过先固定一个参数b值，搜寻给定范围内的a值，根据步骤(5)和(6)获取到当前参数组合时的频谱值Pytmp和信噪比SNR，然后通过增加参数b，遍历每一个参数a，b的组合，并将其所求的频率值和信噪比保存下来，此时分别获得一个信噪比方阵和频谱值方阵；(9)遍历步骤(8)中获取的信噪比方阵，获取到最大信噪比值MSN，将此MSN所对应的系统参数定为a1，b1，并将此参数交叉点上的Py值和信号频率f1保存下来；(10)按照步骤(9)所述的方法在步骤(8)中所获取的频谱值方阵中，获取到整个方阵中的最大频谱值Pymax，并将该Pymax所对应的系统参数a，b和信号频率f2保存下来；(11)验证比较，确定系统的最优参数，当f1约等于f2时，取Pymax所对应的a，b为系统的最优参数，当f2远小于f1时，取MSN所对应的a1，b1为系统的最优参数。...
【技术特征摘要】
【专利技术属性】
技术研发人员：王辅忠，高玉欣，张光璐，张慧春，付卫红，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。