基于盲分離的制冷機故障振動診斷研究.pdf

1、制冷機通常安裝在環(huán)境比較惡劣的地方,由于各類信號之間互相干擾,所以很難提取準(zhǔn)確真實的信息,我們采用盲信號分離技術(shù)可以從紛繁的數(shù)據(jù)中提取有用信息,其優(yōu)勢在于無需掌握信號產(chǎn)生和傳播的先驗知識。本文在故障源數(shù)量未知和源信號未知等條件下,著重探討了適于制冷機故障特征提取的盲分離算法和模型,以制冷機為研究對象,通過分離故障振動源和噪聲源兩個途徑提供多元化的診斷參數(shù)和更豐富的故障信息,能夠解決實際運行的制冷機難以提取信號特征的難題,既提高診斷的效率

2、和準(zhǔn)確度,又為機械設(shè)備故障診斷提供解決途徑。
　　 本文對改進的二階統(tǒng)計量方法與傳統(tǒng)的JADE算法進行了比較,發(fā)現(xiàn):具有時序結(jié)構(gòu)的源信號因其有不同的自相關(guān)函數(shù)或有非零時序相關(guān)數(shù)降低了對統(tǒng)計獨立性的限制條件,能夠較快地實現(xiàn)收斂,同時也能在噪聲能量較大的情況下實現(xiàn)分離。在信噪比低于20dB的情況下改進算法性能指標(biāo)小得多,而在信噪比高于20dB以后,兩種算法趨于一致。為了消除噪聲影響,本文還改進了盲解卷算法,在該算法中,無監(jiān)督的盲分離

3、處理過程和有監(jiān)督的噪聲消除過程同時進行,通過相似系數(shù)來選取適合含噪信號盲解卷的非線性函數(shù)來最大化地輸出信號的廣義能量。在選擇延遲系數(shù)時,我們綜合考慮了分離時間和收斂性能,發(fā)現(xiàn):隨著延遲系數(shù)的增大,收斂誤差函數(shù)值減小,收斂性能增強,當(dāng)延遲系數(shù)增大到一定程度后,收斂性能的提高就不再顯著,同時分離時間會相應(yīng)的增長。
　　 通過實驗?zāi)M了兩個故障源和多故障源振動信號混合的情況,分別應(yīng)用ICA算法、Bussgang算法和改進盲解卷算法提取

4、出典型故障信號特征,驗證了不同混合模型和迭代算法對振動信號分離結(jié)果會產(chǎn)生很大影響。比較后發(fā)現(xiàn)改進盲解卷算法的分離精度最高,說明卷積混合模型適合制冷機的振動診斷,這是由于其信號傳播路徑的不同,因此同一時刻的觀測信號是源信號在不同時刻數(shù)據(jù)的疊加。最后,應(yīng)用改進盲解卷算法提取了螺桿式制冷機的磨損、氣流撞擊和嚙合不良的振動故障特征,發(fā)現(xiàn):盲提取的白化預(yù)處理和對角化造成振動信號的幅值有所變化,但如果用信號波形表征故障特征,可不考慮幅值比例對診斷結(jié)