卷積混合旋轉(zhuǎn)機(jī)械故障信號(hào)的盲分離.pdf

1、隨著科學(xué)技術(shù)與現(xiàn)代化工業(yè)的不斷發(fā)展，各種工業(yè)設(shè)備日趨集成化、高速化和智能化，設(shè)備振動(dòng)監(jiān)測(cè)與故障診斷越來越重要，對(duì)振動(dòng)信號(hào)的采集、分析與處理是設(shè)備故障診斷的基礎(chǔ)，傳統(tǒng)的振動(dòng)信號(hào)分析方法雖然比較成熟，但是他們都有其自身的局限性。盲源分離（BlindSourceSeparation，BSS）是現(xiàn)代振動(dòng)信號(hào)處理領(lǐng)域中的一個(gè)新的研究熱點(diǎn)，由于其可以在源信號(hào)和傳輸通道等先驗(yàn)知識(shí)均未知的情況下，僅依靠觀測(cè)信號(hào)就能恢復(fù)出源信號(hào)，目前已經(jīng)被用于語音信號(hào)處

2、理、陣列信號(hào)處理、數(shù)據(jù)挖掘、圖像識(shí)別、生物醫(yī)學(xué)信號(hào)處理等很多領(lǐng)域。本文就盲源分離的混合模型、理論算法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用等方面開展研究并取得了一些有意義的結(jié)論。
　　從瞬時(shí)線性混合的盲源分離模型出發(fā)，介紹了幾種基于信息論的盲源分離獨(dú)立性判據(jù)，選取三種瞬時(shí)線性混合盲源分離算法（FastICA算法、EASI算法、SOBI算法）進(jìn)行了仿真試驗(yàn)，仿真試驗(yàn)證明，F(xiàn)astICA算法的分離效果優(yōu)于EASI算法和SOBI算法。
　

3、　考慮到實(shí)際應(yīng)用中傳感器接收的信號(hào)往往是振動(dòng)源信號(hào)與傳遞通道沖擊響應(yīng)的卷積，本文重點(diǎn)研究了卷積混合信號(hào)的分離問題，對(duì)時(shí)域RLS盲解卷算法和頻域復(fù)數(shù)FastICA盲解卷算法進(jìn)行的仿真試驗(yàn)表明，時(shí)域盲解卷積算法較頻域盲解卷積算法復(fù)雜，求解速度相差數(shù)十倍。
　　在模擬故障試驗(yàn)臺(tái)上采集了滾動(dòng)軸承外圈故障和齒輪斷齒故障振動(dòng)信號(hào)，對(duì)實(shí)測(cè)信號(hào)進(jìn)行了時(shí)域RLS盲解卷與頻域復(fù)數(shù)FastICA盲解卷，更進(jìn)一步，對(duì)解卷結(jié)果進(jìn)行小波分解，得到了比較理想的