基于盲源分離的旋轉(zhuǎn)機(jī)械復(fù)合故障診斷方法.pdf

1、為了解決旋轉(zhuǎn)設(shè)備復(fù)合故障信號(hào)的分離和特征提取問(wèn)題，本論文圍繞欠定盲源分離的基本理論和主要分析方法展開(kāi)研究。以滾動(dòng)軸承復(fù)合故障作為診斷對(duì)象，利用振動(dòng)信號(hào)，對(duì)其復(fù)合故障信號(hào)進(jìn)行了研究與分析，并與傳統(tǒng)信號(hào)處理方法進(jìn)行對(duì)比，進(jìn)一步證明了本文相關(guān)方法的有效性。
　　本文研究了總體經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)和獨(dú)立成分分析(ICA)相結(jié)合的欠定盲信號(hào)特征提取方法。利用EEMD方法將一維混合數(shù)據(jù)分解為多路同步信號(hào)，使得ICA的欠定模型變換成正定模型

2、。通過(guò)EEMD-SVD-ED方法估算振動(dòng)源的數(shù)目。同時(shí)為克服經(jīng)典ICA的不足，重點(diǎn)研究了改進(jìn)的LM-FastICA方法。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比，該方法不僅可有效分離軸承外圈、滾動(dòng)體和轉(zhuǎn)子不平衡等故障信息，且降低了算法運(yùn)行時(shí)間，提高了運(yùn)行速度。研究了一種改進(jìn)的約束獨(dú)立成分分析(CICA)方法并將其應(yīng)用于旋轉(zhuǎn)設(shè)備單通道復(fù)合信號(hào)分離中。首先利用離散小波變換(DWT)獲得多路同步信號(hào)。計(jì)算各層小波重構(gòu)信號(hào)中旋轉(zhuǎn)設(shè)備各元件的故障特征頻率能量

3、比，基于能量最大化原則建立了CICA算法的參考信號(hào)。最后運(yùn)用奇異值分解(SVD)方法估算故障源數(shù)，提取期望的故障信號(hào)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法不僅有效地分離了軸承外圈和滾動(dòng)體故障信號(hào)，且提高了故障信號(hào)提取的速度和準(zhǔn)確率。將形態(tài)濾波(MF)和稀疏成分分析方法(SCA)結(jié)合，實(shí)現(xiàn)復(fù)合信號(hào)特征提取。采用形態(tài)濾波方法對(duì)復(fù)合信號(hào)預(yù)處理，使其具備一定的稀疏特性?；趧?shì)函數(shù)法估算源信號(hào)個(gè)數(shù)及其混合形式，并運(yùn)用SCA方法分離稀疏后的混合信號(hào)，估計(jì)各個(gè)故障