基于粒子群算法优化的独立分量分析算法.pdfVIP

振　动　与　冲　击 第３４卷第８期 ＪＯＵＲＮＡＬ ＯＦ ＶＩＢＲＡＴＩＯＮ ＡＮＤ ＳＨＯＣＫ Ｖｏｌ．３４ Ｎｏ．８ ２０１５　  基于粒子群算法优化的独立分量分析算法 李良敏，任景岩 （１．长安大学 汽车学院 汽车运输安全保障技术交通行业重点实验室，西安　７１００６４；２．西安格蒂电力有限公司，西安　７１００７５） 　　摘　要：通过两组模拟信号对三种主流独立分量分析算法—ＪＡＤＥ、ＦａｓｔＩＣＡ、扩展Ｉｎｆｏｍａｘ算法的性能进行了对比 分析，结果表明三种算法均无法完全分离超高斯源与亚高斯源形成的混合信号，ＦａｓｔＩＣＡ算法对能量强弱差别大的混合信 号失效。基于这一现象，提出了一种新的独立分量分析算法，以粒子群算法为优化工具，以分离矩阵为优化变量，最小化 分离信号联合概率与边缘概率乘积的差值，并给出了具体的计算流程。仿真实验结果表明，该算法的性能显著优于上述 三种独立分量分析算法。同时，新提出算法实施过程中不需要任何先验知识，相比其他三种ＩＣＡ算法，更适合解决工程实 际问题。最后，将该算法应用于对滚动轴承实验台实测信号的处理，通过对分离信号的分析实现了对滚动轴承故障类型 的准确识别，进一步证明了算法的有效性。 关键词：独立分量分析；ＦａｓｔＩＣＡ；ＪＡＤＥ；扩展Ｉｎｆｏｍａｘ算法；粒子群算法；滚动轴承 中图分类号：ＴＮ９１１．７　　　文献标志码：Ａ ＤＯＩ：１０．１３４６５／ｊ．ｃｎｋｉ．ｊｖｓ．２０１５．０８．００２ Ａ ｕｎｉｖｅｒｓａｌ ｐａｒｔｉｃｌｅ ｓｗａｒｍ－ｏｐｔｉｍｉｚｅｄ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ａｌｇｏｒｉｔｈｍ ＬＩＬｉａｎｇｍｉｎ ，ＲＥＮＪｉｎｇｙａｎ１ ２ （１．Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＡｕｔｏｍｏｔｉｖｅ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｓａｆｅｔｙ Ｅｎｈａｎｃｅｍｅｎｔ Ｔｅｃｈｎｏｌｏｇｙ，Ｍｉｎｉｓｔｒｙ ｏｆＣｏｍｍｕｎｉｃａｔｉｏｎ， Ｓｃｈｏｏｌ ｏｆＡｕｔｏｍｏｂｉｌｅ，Ｃｈａｎｇａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉａｎ７１００６４，Ｃｈｉｎａ； ２．Ｇｒｉｄ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｓｃｉｅｎｃｅ ＆Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ．，Ｘｉａｎ７１００７５，Ｃｈｉｎａ） 　　Ａｂｓｔｒａｃｔ：　Ｔｗｏ ｓｅｔｓ ｏｆ ｓｉｍｕｌａｔｅｄ ｓｉｇｎａｌｓ ｗｅｒｅ ｍａｄｅ ｔｏ ｔｅｓｔ ｔｈｅ ｓｅｐａｒａｔｉｏｎ ａｂｉｌｉｔｙ ｏｆ ｔｈｒｅｅ ｐｏｐｕｌａｒ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ （ＩＣＡ）ａｌｇｏｒｉｔｈｍｓ ｉｎｃｌｕｄｉｎｇ ＪＡＤＥ，ＦａｓｔＩＣＡ，ａｎｄ ｅｘｔｅｎｄｅｄＩｎｆｏｍａｘ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｔｈｒｅｅ ＩＣＡ ａｌｇｏｒｉｔｈｍｓ ｃａｎｔ ｒｅｃｏｖｅｒ ｓｏｕｒｃｅ ｓｉｇｎａｌｓ ｆｒｏｍ ｍｉｘｔｕｒｅｓ ｏｆ ｓｕｐｅｒＧａｕｓｓｉａｎ ｓｏｕｒｃｅｓ ａｎｄ ｓｕｂＧａｕｓｓｉａｎ ｏｎｅｓ ｐｒｅｃｉｓｅｌｙ；ＦａｓｔＩＣＡ ｆａｉｌｓ ｉｎ ｓｏｌｖｉｎｇ ｔｈｅ ｓｅｐａｒａｔｉｏｎ ｐｒｏｂｌｅｍ ｏｆ ｓｔｒｏｎｇ ｓｏｕｒｃｅｓ ｍｉｘｅｄ ｗｉｔｈ ｗｅａｋ ｓｏｕｒｃｅｓ．Ａ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚｅｄ ＩＣＡ ａｌｇｏｒｉｔｈｍ ｍｉｎｉｍｉｚｉｎｇ ｔｈｅ ｄｉｆｆｅｒｅｎｃｅ ｂｅｔｗｅｅｎ ｊｏｉｎｔ ｐｒｏｂａｂｉｌｉｔｉｅｓ ａｎｄ ｐｒｏｄｕｃｔｓ ｏｆ ｍａｒｇｉｎａｌ ｐｒｏｂａｂｉｌｉｔｉｅｓ ｏｆ ｓｅｐａｒａｔｅｄ ｓｉｇｎａｌｓｗａｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｃｏｍｐｕｔｉｎｇ ｐｒｏｃｅｄｕｒｅ ｗａｓ ｄｅｒｉｖｅｄ．Ｓｉ