機(jī)械系統(tǒng)振動(dòng)源盲分離技術(shù)研究.pdf

1、振動(dòng)源的識(shí)別分析對(duì)機(jī)械系統(tǒng)的優(yōu)化設(shè)計(jì)、振動(dòng)噪聲控制、狀態(tài)監(jiān)測(cè)以及故障診斷等方面有著重要的理論意義和應(yīng)用價(jià)值。然而實(shí)際機(jī)械系統(tǒng)的激勵(lì)情況復(fù)雜，振動(dòng)源的位置難以預(yù)測(cè)、系統(tǒng)特性無法精確辨識(shí)，現(xiàn)有的振動(dòng)源識(shí)別方法具有一定的局限性。盲源分離方法應(yīng)用于機(jī)械系統(tǒng)振動(dòng)源識(shí)別時(shí)同樣面臨著源數(shù)目無法估計(jì)、盲解卷積難以實(shí)現(xiàn)等諸多困難?；谏鲜鰡栴}，本文開展了機(jī)械系統(tǒng)振動(dòng)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(shí)際機(jī)械系統(tǒng)存在的問題，采用模態(tài)響應(yīng)代替原始激勵(lì)，有針對(duì)性地建立了基于模態(tài)理論的機(jī)械系統(tǒng)BSS模型。避免了解卷積濾波器系數(shù)難以估計(jì)的問題，并且明確了BSS分離結(jié)果的物理意義：分離信號(hào)對(duì)應(yīng)為激勵(lì)源作用于系統(tǒng)的獨(dú)立貢獻(xiàn)成分，估計(jì)的混合矩陣包含了不同激勵(lì)源對(duì)響應(yīng)的貢獻(xiàn)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(jìn)行

3、了PCA應(yīng)用于寬頻振動(dòng)信號(hào)預(yù)處理的實(shí)驗(yàn)研究。針對(duì)不同激勵(lì)下模態(tài)響應(yīng)的準(zhǔn)循環(huán)特征，將其假定為簡(jiǎn)諧信號(hào)并對(duì)其相關(guān)性以及獨(dú)立性條件進(jìn)行理論分析，同時(shí)引入峭度進(jìn)行獨(dú)立性的定量評(píng)價(jià)。研究發(fā)現(xiàn)：不同頻率的簡(jiǎn)諧信號(hào)具有時(shí)延不相關(guān)性與獨(dú)立的時(shí)間結(jié)構(gòu)特征，并且當(dāng)簡(jiǎn)諧信號(hào)構(gòu)成傅里葉級(jí)數(shù)系時(shí)，能夠構(gòu)成獨(dú)立性更強(qiáng)的信號(hào)。進(jìn)行了簡(jiǎn)諧信號(hào)的盲分離仿真，并以簡(jiǎn)支梁結(jié)構(gòu)為例進(jìn)行了模態(tài)參數(shù)盲分離的實(shí)驗(yàn)驗(yàn)證。結(jié)果表明：獨(dú)立分量分析（Independent componen

4、t analysis，ICA）產(chǎn)生過學(xué)習(xí)情況，會(huì)優(yōu)先將獨(dú)立性更強(qiáng)的信號(hào)作為虛假信源分離出來，而二階盲辨識(shí)（Second order blind identification，SOBI）方法能夠正確穩(wěn)定地實(shí)現(xiàn)信源分離。
　　環(huán)境激勵(lì)下機(jī)械系統(tǒng)的振動(dòng)源盲分離等效于模態(tài)參數(shù)盲識(shí)別問題。以彈性板結(jié)構(gòu)作為實(shí)驗(yàn)對(duì)象，應(yīng)用 SOBI方法進(jìn)行環(huán)境激勵(lì)下的模態(tài)參數(shù)盲識(shí)別研究。針對(duì)實(shí)驗(yàn)中測(cè)點(diǎn)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(duì)篩選結(jié)果進(jìn)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(hào)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(shí)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(shí)別結(jié)構(gòu)模態(tài)參數(shù)，較之現(xiàn)有的運(yùn)行模態(tài)分析技術(shù)（Operational modal analysis，OMA）有著一定的優(yōu)勢(shì)。
　　針對(duì)工作狀態(tài)下系統(tǒng)響應(yīng)具有的系統(tǒng)特性與激勵(lì)特性強(qiáng)耦合的特征，提出一種基于相位消除技術(shù)的BSS