摘要：针对刀具的早期故障监测中因存在强烈的背景噪声而难以提取故障特征的问题，提出了基于二次采样随机共振消噪和B样条神经网络智能识别的故障诊断方法。首先利用在随机共振过程中，噪声增强振动信号的信噪比特性，将刀具振动信号进行随机共振输出，提取有效特征，再输入到B样条神经网络进行智能识别，进而获得刀具的磨损值。同时，为了得到与输入信号最佳匹配的随机共振参数，提出了基于遗传算法的多参数同步优化的自适应随机共振算法，克服了传统随机共振系统只实现单参数优化的缺点。实验结果表明，该方法能实现弱信号检测，能有效地应用于刀具磨损故障诊断中。

关键词：随机共振 遗传算法 信噪比 b样条神经网络 

单位：西南交通大学; 成都610031