基于VbMoICA的机械故障盲源分离研究.pdfVIP

机械设计 与制造 第 3期 242 Machinery Design Manufacture 2012年 3月 文章编号：1001—3997(2012)03—0242—03 基于VbMoICA的机械故障盲源分离研究 ：l： 岳秀廷 李志农2,3 陈金刚 · (郑州大学 机械工程学院，郑州 450001)(南昌航空大学 无损检测技术教育部重点实验室，南昌 330063) (。湖南科技大学 机械设备健康维护湖南省重点实验室，湘潭 411201) BiindseparationofmechanicaffaultsourcesbasedonvariationaIBayesian mixtureofindependentcomponentanalysers YUEXiu-ting1,LIZhi-nong ．CHENJin-gang (SchoolofMechanicalEngineering，ZhengzhouI．Jniversity，Zhengzhou450001，China) (KeyLaboratoryofNondestructiveTesting，MinistryofEducation，Nanchang HangkongUniversity，Nanchang360063，China) (3IlunanProvincekeyLabofHealthMaintenanceforMechanicalEquipment，HunanUniversity ofScienceandTechnology，Xiangtan411201，China) i 【摘 要】用独立分量分析(ICA)分解和表示数据时，假设整个数据分布完全可以用一个坐标系来 }描述。然而，当观测数据是由许多自相似的、非高斯的流形组成时，则硬是用一个单独的、全局的表示是 l不合适的，这样会产生一个次优的表示。针对ICA在盲源分离中的不足，在变分贝叶斯理论的基础上提 ；出了一种基于变分贝叶斯混合独立分量分析的机械故障源盲分离方法。该方法是考虑到源信号来 自于 ；多个坐标系，然后在多个坐标系下建立独立分量分析混合模型对观测信号进行学习分离。实验结果表 ；明．本文提出的方法是非常有效的。 关键词：盲源分离；变分贝叶斯理论；独立分量分析混合模型I，变分贝叶斯混合独立分量分析；故障 诊断 【Abstract】Decomposingandrepresentingdatausingindependentcomponentanalysers(ICA)assumes thatthewholedatadistributionisadequatelydescribedbyonecoordinateframe．However，fitheobserved dataconsistsofvariousseIf-similar，non-Gaussianmanfiolds，enforcingasingle，globalrepresentationisnot papropriateandwillproduceasub-optimalrepresentation．，，。ordertomakeupthelackofindependent componentanalyserinblindsourcesseparations，blindsepraationofmechanicalfaultsourcesbasedon variational Bayesianmixtureof independentcomponentanalysersispresentedbasedonvraiational Bayesiantheoryinthis