，

(军械工程学院,石家庄 050003)

0 引言

机械装备的状态监测信号中混合了各种干扰和噪声，早期故障的微弱特征信号易被背景噪声淹没，因此，微弱信号检测是机械设备故障诊断与预测领域研究的重点课题之一。

随机共振(stochastic resonance, SR)是一种利用噪声在非线性系统中对微弱信号的“协助”作用提高输出信噪比的检测方法，避免了窄带滤波、小波分解等传统降噪方法在去噪的同时削弱有用信号的弊端，近年来成为备受关注的新兴检测手段[1]。

利用优化算法自适应调整系统参数使输出信号达到最佳“共振”状态，是将随机共振应用于实际工程信号检测的实现途径[2]。目前，粒子群算法(PSO)、遗传算法(GA)等均被尝试用来实现随机共振的自适应调参[3-4]，其中粒子群算法形式简单、参数较少、易于实现，得到研究者的青睐和广泛应用，然而，标准粒子群算法搜索过程的随机性较强，寻优过程存在“半盲目”状态[5-6]，易造成算法早熟收敛陷入局部最优、搜索精度低的问题，而随机共振的输出结果对系统参数比较敏感，不合理的参数设置将不能得到良好的共振效果，甚至会造成虚假信息的掩盖使微弱目标信号不能被识别出。

针对上述问题，提出一种基于改进粒子群算法(IPSO)调参的随机共振信号检测方法。依据随机共振系统参数变化对输出信号“共振”状态的影响规律，在粒子速度方向上加入反馈，使改进算法在随机共振参数寻优中的针对性和适用性更强，从而得到更好的参数寻优结果，提高信号检测效果。……