盲信號分離算法及其在轉(zhuǎn)子故障信號分離中的應用方法研究.pdf

1、在旋轉(zhuǎn)機械設備狀態(tài)監(jiān)測和故障診斷研究中，故障的特征提取和模式識別關系到故障診斷的可靠性和準確性，也是旋轉(zhuǎn)機械故障診斷研究中的關鍵問題。利用轉(zhuǎn)子振動信號對其進行狀態(tài)監(jiān)測和診斷是目前旋轉(zhuǎn)機械故障監(jiān)測和診斷研究中常用的方法。本論文以豐富和提高機械故障診斷理論與方法為目的，用現(xiàn)代信號處理技術(shù)中的盲信號分離方法為工具，以機械設備中應用最廣泛的旋轉(zhuǎn)機械設備為研究對象，利用盲信號分離算法、中值濾波和盲信號分離相結(jié)合的方法、自適應粒子群優(yōu)化的盲信號分離

2、方法、降噪源分離方法等信號處理方法，對轉(zhuǎn)子系統(tǒng)故障特征提取問題開展了研究工作。具體研究內(nèi)容如下:
　　(1)針對噪聲干擾下的旋轉(zhuǎn)機械故障特征提取問題，提出一種基于二階盲辨識的去除干擾噪聲方法。該方法利用旋轉(zhuǎn)機械振動信號的非平穩(wěn)性特征，將采集到的信號分成不重疊的時間窗，然后對每個時間窗內(nèi)的時滯方差平均值進行估計，從而實現(xiàn)噪聲信號與源信號的分離。這里將盲信號分離理論應用于消噪處理，其關鍵是分離噪聲，而不是濾除噪聲，因此在分離噪聲時不丟

3、失有效信號，為消噪處理提供了一種新方法。此方法通過仿真和對實際轉(zhuǎn)子振動數(shù)據(jù)的處理表明，該算法可有效地分離出干擾噪聲，提高采樣信號的準確性。
　　(2)針對非線性機械故障信號分離依賴于非線性函數(shù)的選取問題，提出一種基于自適應粒子群優(yōu)化的機械故障特征提取方法。該方法將采樣信號的負熵做為目標函數(shù)，然后引入自適應粒子群優(yōu)化的概念，通過信號的狀態(tài)自適應的調(diào)整慣性因子，使其負熵最大化，從而實現(xiàn)各振源信號的有效分離。仿真和試驗結(jié)果表明，該方法提

4、高了分離信號的相關系數(shù)，實現(xiàn)了各源信號的有效分離。
　　(3)提出了基于降噪源分離的旋轉(zhuǎn)機械故障特征提取方法。該方法是根據(jù)旋轉(zhuǎn)機械振動信號的統(tǒng)計特征，構(gòu)造降噪函數(shù)，依據(jù)降噪函數(shù)實現(xiàn)各分量的分離。在對仿真故障信號實驗的基礎上，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的分離。將基于正切降噪函數(shù)的源分離方法應用于旋轉(zhuǎn)機械故障特征提取中，分析結(jié)果表明，該方法很好地從轉(zhuǎn)子混疊振動信號中分離

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