單通道盲分離理論在滾動軸承故障診斷中的應用研究.pdf

1、伴隨著自動化程度的提高，機械系統(tǒng)結構越來越復雜與精密，對機械系統(tǒng)的狀態(tài)監(jiān)測與故障診斷也日益重要。旋轉機械是應用最廣泛的機械設備之一，旋轉機械故障約有30％是滾動軸承引起的。本文研究了單通道盲分離算法在滾動軸承故障診斷中的應用。
　　首先闡述了論文的選題背景及研究意義，介紹了盲信號分離發(fā)展現(xiàn)狀及其在機械故障診斷領域的應用現(xiàn)狀。
　　研究了盲分離方法的常用算法，討論了白噪聲個數(shù)及源信號非高斯性對分離效果的影響。實驗表明：源信號中

2、高斯信號最多只能有一個，且源信號中所含噪聲成分越少分離效果越好。
　　為了使單通道信號盲分離滿足正定約束條件,研究了基于預處理和主分量分析相結合的單通道盲分離方法。首先對信號進行預處理，再通過主分量分析算法提取主要成分，以估計源信號的個數(shù)。研究表明采用不同的預處理方法會影響信號的盲分離效果。因此尋求一種有效的預處理方法是單通道盲信號分離的關鍵。
　　頻率切片小波變換（FSWT）可對任意頻帶進行重構,無需依賴小波函數(shù)，提取感興

3、趣的頻帶并重構，有效地提取了軸承損傷故障特征信息。在研究FSWT特性基礎上，提出了基于FSWT預處理的單通道盲分離方法。正確地分離出軸承損傷故障特征。
　　為解決盲分離算法分離結果不確定性及閾值設置等問題，研究了約束獨立分量分析（CICA）算法，結合滾動軸承損傷故障特點，采用基于脈沖法的CICA算法，研究了參考信號周期、相位及脈沖寬度對信號分離效果的影響。在此基礎上，提出了基于脈沖法CICA的單通道軸承振動信號盲分離算法。首先對信