《噪声环境下机械故障源盲分离分析案例》.docxVIP

《噪声环境下机械故障源盲分离分析案例》

摘要

工业现场旋转机械（齿轮箱、轴承、转子）采集的振动信号是多故障源叠加，并混杂强背景噪声、电机工频干扰，直接做频谱分析难以区分耦合故障特征。盲源分离（BSS，典型如FastICA、稀疏分量分析SCA）可以在不知道混合传递路径、源信号先验信息的前提下，从多路混合观测信号恢复出独立故障源。但强噪声会严重破坏信号独立性，造成分离畸变、故障特征淹没。本文给出一套完整工程案例：含原理、仿真预实验、齿轮箱复合故障实测案例、噪声影响对比、算法改进思路与结论。

关键词：盲源分离；独立分量分析；机械复合故障；噪声；故障诊断；滚动轴承；齿轮箱

一、研究背景与盲源分离基础

1.1工程痛点

机械设备同时存在多个故障（轴承外圈点蚀+齿轮磨损+转子不平衡），传感器测得的是多个源信号经结构传递叠加+环境噪声的混合信号：

x

s(t)=[

A：混合矩阵（结构传递函数，未知）

x(t)

n(t)

传统频谱、包络谱在低信噪比下，故障冲击特征被噪声抹平，复合故障互相调制，无法定位每一类故障源。盲源分离目标：仅由观测x(t)，估计源s^(t)

1.2噪声对BSS的影响

经典FastICA基于源独立、无噪声假设：

低信噪比时，噪声破坏信号统计独立性，分离信号幅值失真、顺序错乱；

噪声会引入虚假频谱峰，误判故障；

欠定场景（传感器数量＜故障源数）噪声影响