_改进算法的FastICA在齿轮箱故障诊断中的应用.doc

改进算法的FastICA在齿轮箱故障诊断中的应用 摘要：在故障诊断中，传感器采集的振动信号由噪声和齿轮箱信号叠加组成。为了分离出有用的齿轮信号，克服传统盲源分离方法的不足，本文提出基于Huber-M估计函数的改进FastICA算法，该方法主要通过使用Hubert-M估计函数来替代原FastICA算法中的目标函数中的非线性函数，通过牛顿迭代算法对其进行优化，得到改进后的独立分量分析算法。先经过仿真实验验证其可行性，再通过对齿轮箱时域和频域故障信号的分离。结果表明，该方法不仅能得到准确的故障信号，而且还可以增强待分析的故障信号，此方法可以作为故障诊断的预处理方法。 关键词：盲源分离；Huber-M估计函数；非线性函数；信号预处理；故障诊断 An Improved Algorithm of FastICA applied in Fault Diagnosis of Gearbox (School of Aeronautical Manufacturing Engineering, Nanchang Hangkong University, Nanchang, 330063, China) Abstract：In fault diagnosis,sensors collect the vibration signals make up of the noise and the signals of gear boxes.In order to separate out the useful gear signals, we should overcome the shortcomings of the method of traditional blind source separation, this paper proposed an improved FastICA algorithm which based on Huber-M evaluator function, this method mainly through using of Hubert-M estimator function to replace the FastICA algorithm of nonlinear function of the objective function, and through the Newton iterative algorithm optimizing, then get the improved independent component analysis algorithm. The results show that through the separation this method can not only get accurate fault signal, but also can enhance the to be analysed fault signal, the method can be used as the pretreatment of the fault diagnosis method. Keywords: Blind source separation; Huber-M estimator function; Nonlinear function; Signal pretreatment; Fault diagnosis 0 引言 目前齿轮传动是机械设备中最常见的传动方式之一，而检测与诊断其故障的主要手段是通过采集齿轮箱的振动信号。由于传感器采集的信号往往油若干个信号混叠在一起，频带混叠很严重，传统的滤波方法，不仅会滤掉噪声，还会滤掉一些有用的特征信号。王述伟和崔晓静成功的将FastICA算法应用到旋转机械的故障特征提取中；赵天娇等人在二阶收敛的基础上改用五阶收敛的牛顿迭代法来改进FastICA算法；王小敏等人通过对FastICA算法添加松弛因子以改善其初始权值的收敛性。独立分量分析在故障诊断、信号分析、图像处理等各个方面都取得较成功的应用。然而上述方法并未对ICA核心算法进行改进，已达到获得更好的分析效果。 本文在对盲源分离技术的原理进行深入理解的基础上，主要介绍了Hubert-M估计函数对FastICA算法的改进，能更好的实现对信号有效提取，通过仿真验证其可行性和改进后的算法在阈值范围、迭代次数敛时间等的影响。并验证改进后的算法在齿轮箱故障特征提取中的应用, 实现对齿轮箱故障特征的有效提。1 FastICA改进算法及其实现 1.1 Hubert-M 估计函数理论 在盲源分离算法中，函数的选择和算法的非线性决定着分离的性能。本文中，阈值的选择对消噪很重要，针对阈值存在不连