机械声混合及其盲分离技术的研究

盲源分离是一个很有优势的盲信号分析与处理工具,在机械状态监测与故障诊断领域有较好的应用前景.但在实际应用于机械源信号、尤其是机械声源信号分离中,源分离精度还不够高.鉴于此,在分析机械声产生、传播与混合机理以及盲分离算法基础上,提出了新的解决途径,特别是基于带通滤波改进的盲源分离新方法.仿真以及实际的机械声源盲分离实验结果,证实了新方法的有效性.     

多峰值函数优化的改进粒子群算法

多峰值函数优化中,基本粒子群算法进化后期收敛速度较慢,且可能出现最优解粒子在全局最优解附近"振荡"的现象,导致优化精度降低.为此,提出一种具有可控速度因子的改进粒子群算法.在完全随机、部分可控与完全可控三种速度调控策略下,对比研究几种具有不同变速特性的寻优轨迹下算法的精度及运算效率.试验结果表明,通过采用可控的寻优速度因子,优化性能得到改进,特别是采用完全控制策略,不仅可获得较高的优化精度,而且收敛速度更快,表现出更好的综合性能.     

机械源波形恢复方法的研究

重点讨论了旋转机械源（包括振动激励源与噪声源）混合模式及源波形恢复问题。从分析旋转机械源的起源及传播过程出发，整体论述了其混合模式．给出了相应的数学模型。从源分离和波形恢复的角度，对该模型的实用背景进行了综合概括，提出了基于频域分段窄带化的机械源分离整体解决方案。机械声源分离试验结果也验证了该方法的有效性。