盲源分離技術(shù)在轉(zhuǎn)子故障診斷中的應(yīng)用.pdf

1、在旋轉(zhuǎn)機(jī)械設(shè)備狀態(tài)監(jiān)測及故障診斷研究中，特征提取和模式識別方法的優(yōu)劣會直接影響故障診斷的可靠性和準(zhǔn)確性，是旋轉(zhuǎn)機(jī)械故障診斷的核心問題。作為旋轉(zhuǎn)機(jī)械的重要組成部分，轉(zhuǎn)子性能的優(yōu)劣直接影響旋轉(zhuǎn)機(jī)械整體運行狀態(tài)。本文采用基于負(fù)熵的FastICA方法和基于最大信噪比的盲源分離方法，通過兩種盲源分離方法(BSS)對轉(zhuǎn)子系統(tǒng)故障特征提取問題開展了相關(guān)研究工作。
　　本文在研究源信號與陣列加速度傳感器之的關(guān)系的基礎(chǔ)上，分析了四種典型的轉(zhuǎn)子故障機(jī)

2、理，并根據(jù)振動信號的統(tǒng)計特性建立了盲源分離數(shù)學(xué)模型。針對平穩(wěn)信號特征混疊現(xiàn)象，應(yīng)用了基于負(fù)熵的FastICA算法。該方法采用最大負(fù)熵迭代原理，通過非高斯性最大的評判標(biāo)準(zhǔn)，建立了目標(biāo)函數(shù)。實驗證明，基于負(fù)熵的FastICA信號分離波形、幅值與源信號基本吻合，主頻率得到準(zhǔn)確恢復(fù)，實現(xiàn)了三階收斂并提升了其收斂速度，相關(guān)分析結(jié)果為0.9767。為了提高時變非平穩(wěn)信號的盲源分離精度，降低分離信號的信息冗余度。本文提出了基于最大信噪比的盲源分離方法