独立分量分析在旋转机械故障诊断中的应用的研究.pdfVIP

摘要 独立分量分析(IndependentComponentAnalysis，简称ICA)是二十世纪九 Source 十年代迅速发展起来的一种特殊的盲源分离(Blind Separation，简称BSS) 方法，是目前信号处理领域的研究热点之一。目前ICA在机械振动信号处理、 生物医学信号处理、混合语音信号分离、图像消噪等方面己取得了较广泛的应用。 独立分量分析是在源信号和信号传输通道参数部分己知或完全未知的情况 下，根据输入源信号的统计特性，仅由观测信号(源信号的线性组合)通过特定 的优化算法来提取出各个独立成分信号的过程。ICA由盲源分离方法发展起来 的，故又称为盲分离。在旋转机械故障信号处理中引入独立分量分析的方法，能 有效地增强故障信息，解决故障诊断中强干扰背景下早期微弱故障特征提取困难 的问题。 本文对独立分量分析方法的基本原理与算法、旋转机械故障信号的特性分别 做了详细的分析，研究了瞬时混合信号的独立分量分析在旋转机械故障信号中的 应用问题，并利用仿真试验进行了对比验证。在此基础上，本文提出了基于独立 分量分析的单通道重盲源分离(Re．BSS)方法，该方法突破了ICA方法对采集 通道数量必须大于等于源信号数量的限制条件，解决了ICA在应用中通道数小 于源信号数的问题。针对所提出的单通道重盲源分离方法，论文详细研究了虚拟 通道信号特征(如幅度、频率、相位等)以及噪声等因素对重盲源分离方法的影 响。单通道数据采集仿真实验和实际应用实例表明，该方法操作简单易行，有望 将来在微弱信息检测、特征提取和源分离方面得到应用。 关键词： 独立分量分析盲源分离旋转机械故障诊断重盲源分离 ABSTRACT ofBlindSource a method Analysis(ICA)isspecial IndependentComponent 1 in was in990s．Itisahotresearch Separation(BSS)whichrapidlydeveloped topic the at inmechanicalvibration fieldof signal signalprocessingpresent．Currently，ICA speech separation，image processing，biomedicalsignalprocessing，mixedsignal etc wasachievedbetter effect． denoisingalready application known Underthesource andthe transmissionchannel of signal signal parameters or unknown is componentanalysisaccording completelycircumstances，independent tothe source