基于盲源分離的旋轉(zhuǎn)機械復(fù)合故障診斷方法.pdf

1、為了解決旋轉(zhuǎn)設(shè)備復(fù)合故障信號的分離和特征提取問題，本論文圍繞欠定盲源分離的基本理論和主要分析方法展開研究。以滾動軸承復(fù)合故障作為診斷對象，利用振動信號，對其復(fù)合故障信號進行了研究與分析，并與傳統(tǒng)信號處理方法進行對比，進一步證明了本文相關(guān)方法的有效性。
　　本文研究了總體經(jīng)驗?zāi)B(tài)分解(EEMD)和獨立成分分析(ICA)相結(jié)合的欠定盲信號特征提取方法。利用EEMD方法將一維混合數(shù)據(jù)分解為多路同步信號，使得ICA的欠定模型變換成正定模型

2、。通過EEMD-SVD-ED方法估算振動源的數(shù)目。同時為克服經(jīng)典ICA的不足，重點研究了改進的LM-FastICA方法。實驗結(jié)果表明，與傳統(tǒng)方法相比，該方法不僅可有效分離軸承外圈、滾動體和轉(zhuǎn)子不平衡等故障信息，且降低了算法運行時間，提高了運行速度。研究了一種改進的約束獨立成分分析(CICA)方法并將其應(yīng)用于旋轉(zhuǎn)設(shè)備單通道復(fù)合信號分離中。首先利用離散小波變換(DWT)獲得多路同步信號。計算各層小波重構(gòu)信號中旋轉(zhuǎn)設(shè)備各元件的故障特征頻率能量

3、比，基于能量最大化原則建立了CICA算法的參考信號。最后運用奇異值分解(SVD)方法估算故障源數(shù)，提取期望的故障信號。實驗結(jié)果表明，改進方法不僅有效地分離了軸承外圈和滾動體故障信號，且提高了故障信號提取的速度和準(zhǔn)確率。將形態(tài)濾波(MF)和稀疏成分分析方法(SCA)結(jié)合，實現(xiàn)復(fù)合信號特征提取。采用形態(tài)濾波方法對復(fù)合信號預(yù)處理，使其具備一定的稀疏特性?；趧莺瘮?shù)法估算源信號個數(shù)及其混合形式，并運用SCA方法分離稀疏后的混合信號，估計各個故障