機械系統(tǒng)振動源盲分離技術(shù)研究.pdf

1、振動源的識別分析對機械系統(tǒng)的優(yōu)化設(shè)計、振動噪聲控制、狀態(tài)監(jiān)測以及故障診斷等方面有著重要的理論意義和應(yīng)用價值。然而實際機械系統(tǒng)的激勵情況復(fù)雜，振動源的位置難以預(yù)測、系統(tǒng)特性無法精確辨識，現(xiàn)有的振動源識別方法具有一定的局限性。盲源分離方法應(yīng)用于機械系統(tǒng)振動源識別時同樣面臨著源數(shù)目無法估計、盲解卷積難以實現(xiàn)等諸多困難?；谏鲜鰡栴}，本文開展了機械系統(tǒng)振動源盲分離技術(shù)的研究。完成的主要工作如下：
　　分析了盲源分離（Blind sourc

2、e separation，BSS）方法應(yīng)用于實際機械系統(tǒng)存在的問題，采用模態(tài)響應(yīng)代替原始激勵，有針對性地建立了基于模態(tài)理論的機械系統(tǒng)BSS模型。避免了解卷積濾波器系數(shù)難以估計的問題，并且明確了BSS分離結(jié)果的物理意義：分離信號對應(yīng)為激勵源作用于系統(tǒng)的獨立貢獻成分，估計的混合矩陣包含了不同激勵源對響應(yīng)的貢獻量信息。
　　研究了主分量分析（Principal component analysis，PCA）在預(yù)處理過程中的影響因素，進行

3、了PCA應(yīng)用于寬頻振動信號預(yù)處理的實驗研究。針對不同激勵下模態(tài)響應(yīng)的準循環(huán)特征，將其假定為簡諧信號并對其相關(guān)性以及獨立性條件進行理論分析，同時引入峭度進行獨立性的定量評價。研究發(fā)現(xiàn)：不同頻率的簡諧信號具有時延不相關(guān)性與獨立的時間結(jié)構(gòu)特征，并且當簡諧信號構(gòu)成傅里葉級數(shù)系時，能夠構(gòu)成獨立性更強的信號。進行了簡諧信號的盲分離仿真，并以簡支梁結(jié)構(gòu)為例進行了模態(tài)參數(shù)盲分離的實驗驗證。結(jié)果表明：獨立分量分析（Independent componen

4、t analysis，ICA）產(chǎn)生過學(xué)習情況，會優(yōu)先將獨立性更強的信號作為虛假信源分離出來，而二階盲辨識（Second order blind identification，SOBI）方法能夠正確穩(wěn)定地實現(xiàn)信源分離。
　　環(huán)境激勵下機械系統(tǒng)的振動源盲分離等效于模態(tài)參數(shù)盲識別問題。以彈性板結(jié)構(gòu)作為實驗對象，應(yīng)用 SOBI方法進行環(huán)境激勵下的模態(tài)參數(shù)盲識別研究。針對實驗中測點數(shù)目高于結(jié)構(gòu)模態(tài)階數(shù)的超定問題，提出一種基于相關(guān)分析的模態(tài)篩

5、選方法，并對篩選結(jié)果進行模態(tài)置信分析。結(jié)果表明：該方法能夠有效地從頻譜相似度較高的分離信號中剔除虛假模態(tài)，并且采用Hilbert變換技術(shù)能夠保證阻尼系數(shù)的識別精度。結(jié)合所提出的模態(tài)篩選方法，SOBI能夠有效穩(wěn)定地識別結(jié)構(gòu)模態(tài)參數(shù)，較之現(xiàn)有的運行模態(tài)分析技術(shù)（Operational modal analysis，OMA）有著一定的優(yōu)勢。
　　針對工作狀態(tài)下系統(tǒng)響應(yīng)具有的系統(tǒng)特性與激勵特性強耦合的特征，提出一種基于相位消除技術(shù)的BSS