盲信號(hào)分離算法及其在轉(zhuǎn)子故障信號(hào)分離中的應(yīng)用方法研究.pdf

1、在旋轉(zhuǎn)機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷研究中，故障的特征提取和模式識(shí)別關(guān)系到故障診斷的可靠性和準(zhǔn)確性，也是旋轉(zhuǎn)機(jī)械故障診斷研究中的關(guān)鍵問(wèn)題。利用轉(zhuǎn)子振動(dòng)信號(hào)對(duì)其進(jìn)行狀態(tài)監(jiān)測(cè)和診斷是目前旋轉(zhuǎn)機(jī)械故障監(jiān)測(cè)和診斷研究中常用的方法。本論文以豐富和提高機(jī)械故障診斷理論與方法為目的，用現(xiàn)代信號(hào)處理技術(shù)中的盲信號(hào)分離方法為工具，以機(jī)械設(shè)備中應(yīng)用最廣泛的旋轉(zhuǎn)機(jī)械設(shè)備為研究對(duì)象，利用盲信號(hào)分離算法、中值濾波和盲信號(hào)分離相結(jié)合的方法、自適應(yīng)粒子群優(yōu)化的盲信號(hào)分離

2、方法、降噪源分離方法等信號(hào)處理方法，對(duì)轉(zhuǎn)子系統(tǒng)故障特征提取問(wèn)題開展了研究工作。具體研究?jī)?nèi)容如下:
　　(1)針對(duì)噪聲干擾下的旋轉(zhuǎn)機(jī)械故障特征提取問(wèn)題，提出一種基于二階盲辨識(shí)的去除干擾噪聲方法。該方法利用旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的非平穩(wěn)性特征，將采集到的信號(hào)分成不重疊的時(shí)間窗，然后對(duì)每個(gè)時(shí)間窗內(nèi)的時(shí)滯方差平均值進(jìn)行估計(jì)，從而實(shí)現(xiàn)噪聲信號(hào)與源信號(hào)的分離。這里將盲信號(hào)分離理論應(yīng)用于消噪處理，其關(guān)鍵是分離噪聲，而不是濾除噪聲，因此在分離噪聲時(shí)不丟

3、失有效信號(hào)，為消噪處理提供了一種新方法。此方法通過(guò)仿真和對(duì)實(shí)際轉(zhuǎn)子振動(dòng)數(shù)據(jù)的處理表明，該算法可有效地分離出干擾噪聲，提高采樣信號(hào)的準(zhǔn)確性。
　　(2)針對(duì)非線性機(jī)械故障信號(hào)分離依賴于非線性函數(shù)的選取問(wèn)題，提出一種基于自適應(yīng)粒子群優(yōu)化的機(jī)械故障特征提取方法。該方法將采樣信號(hào)的負(fù)熵做為目標(biāo)函數(shù)，然后引入自適應(yīng)粒子群優(yōu)化的概念，通過(guò)信號(hào)的狀態(tài)自適應(yīng)的調(diào)整慣性因子，使其負(fù)熵最大化，從而實(shí)現(xiàn)各振源信號(hào)的有效分離。仿真和試驗(yàn)結(jié)果表明，該方法提

4、高了分離信號(hào)的相關(guān)系數(shù)，實(shí)現(xiàn)了各源信號(hào)的有效分離。
　　(3)提出了基于降噪源分離的旋轉(zhuǎn)機(jī)械故障特征提取方法。該方法是根據(jù)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的統(tǒng)計(jì)特征，構(gòu)造降噪函數(shù)，依據(jù)降噪函數(shù)實(shí)現(xiàn)各分量的分離。在對(duì)仿真故障信號(hào)實(shí)驗(yàn)的基礎(chǔ)上，定量比較了四種降噪函數(shù)的性能，發(fā)現(xiàn)基于正切降噪函數(shù)的分離結(jié)果相似系數(shù)最好，更適于混疊故障信號(hào)的分離。將基于正切降噪函數(shù)的源分離方法應(yīng)用于旋轉(zhuǎn)機(jī)械故障特征提取中，分析結(jié)果表明，該方法很好地從轉(zhuǎn)子混疊振動(dòng)信號(hào)中分離

5、出了轉(zhuǎn)子由碰摩故障引起的轉(zhuǎn)子不平衡和不對(duì)中故障。
　　(4)針對(duì)源信號(hào)分離算法對(duì)強(qiáng)脈沖噪聲環(huán)境下的混疊振動(dòng)信號(hào)分離的失效，構(gòu)建了一種基于中值濾波和盲信號(hào)分離算法相結(jié)合的方法。該方法首先通過(guò)中值濾波降噪方法對(duì)振動(dòng)信號(hào)進(jìn)行降噪處理，然后通過(guò)盲信號(hào)分離算法對(duì)降噪后的混疊信號(hào)進(jìn)行分離。仿真和實(shí)驗(yàn)結(jié)果表明:在強(qiáng)脈沖噪聲干擾下，若直接采用盲信號(hào)分離算法進(jìn)行分離，其分離效果并不理想，若利用中值消噪和盲信號(hào)分離算法相結(jié)合的方法，則分離效果得到明顯