融合小波分解与时频分析的单通道振动信号盲分离方法

针对单通道振动信号盲源分离是一个病态问题,且传统的振动信号盲源分离方法往往忽略信号的非平稳性的问题,提出了一种融合小波分解与时频分析的单通道振动信号盲源分离方法。首先利用小波分解与重构将单通道信号转化为多通道信号,解决了盲源分离的欠定问题;然后利用基于时频分析的盲源分离算法分析非平稳信号,得到源信号的估计信号,实现了非平稳信号盲源分离。仿真和实验结果表明,该方法可以有效地解决单通道非平稳振动信号的盲源分离问题。     

免疫优化盲源分离算法在故障诊断中的应用

将人工免疫算法用于盲源分离算法,阐述了盲源分离过程,提出了免疫优化盲源分离算法(AIS-ICA算法),针对4组特定信号的混合与分离进行了仿真试验。仿真试验结果表明,该算法具有收敛速度快、分离精度高和稳定性好等优点。将该算法用于齿轮箱振动信号的盲源分离及其故障诊断,增强了振动信号所携带的故障信息,结果表明该算法用于齿轮箱振动信号分离可增强故障信息,降低齿轮箱故障诊断难度。     

基于时频分析的欠定信号盲分离与微弱特征提取

盲源分离对于多振源信号的故障诊断与识别是一种有效的方法,但是传统的盲源分离算法都是针对观察信号大于或等于源信号的情况,但对于观察信号小于源信号的欠定盲分离问题,这在很大程度上制约了盲源分离的实际应用。通过应用经验模式分解和时频分析对非平稳信号分析的优势,提出基于时频分析的欠定盲源分离方法进行设备微弱特征提取。对振动信号进行经验模式分解,并根据分解得到的内蕴模式分量估计源信号个数并选择最优的观察信号,将振动信号与选择的最优观察信号组成新的观察信号进行基于时频分析的盲源分离,通过对仿真信号和齿轮箱实测信号进行验证分析。并与基于独立分量分析的盲源分离算法进行对比,研究表明基于时频分析的盲源分离对混合信号具有更好的分离效果,能够较好地对微弱特征进行提取。     

ICA在航空发动机振动信号盲源分离中的应用

研究了基于独立分量分析(independent component analysis,简称ICA)的发动机振动信号盲源分离技术,旨在将发动机振动信号按照不同的激振源进行分离。首先阐述了基于最大信噪比的盲源分离算法原理,通过对仿真信号进行分离,判断了分离输出信号与仿真信号的一致性,验证了该算法的可行性;然后将该算法与FFT分离法相结合,应用于某型双转子航空发动机高、低压转子实测振动信号盲源分离中,取得了很好的分离效果,表明应用ICA技术建立的基于最大信噪比的盲源分离算法具有迭代次数少、计算复杂度低、效果好及稳定等优点。     

航空发动机转子振动信号的分离测试技术

在传统谱分析方法的基础上,尝试应用盲源分离技术对飞机发动机振动信号进行振源分离.首先,介绍了发动机振动信号的基本处理方法和常见的发动机故障类型及特征,引入了盲源分离理论并讨论了其在航空发动机振动信号处理中应用的可行性.然后,对某型涡扇发动机振动过大的现象进行了故障诊断分析.最后,应用FastICA和JADE算法对检测的振动信号进行分析,分离出了发动机的振源信号.这说明发动机振动信号分析采用盲源分离与谱分析相结合的技术可以有效分离振源信号,提高故障诊断的准确性.     

强脉冲干扰非线性混叠转子故障信号分离

由于旋转机械在运行过程中,传感器测得的振动信号是各振源的混叠信号且含有很强的噪声,常规的信号处理方法难以分离混叠信号,对设备的状态监测和故障诊断造成了很大的困难。针对这一问题,介绍了盲源分离基本原理和方法,指出源分离算法在脉冲噪声环境下失效。针对强脉冲噪声环境下的混叠振动信号,首先,通过中值滤波降噪方法对振动信号进行降噪;然后,通过盲源分离算法对降噪后的信号分离;最后,利用该方法对实测混叠转子振动信号成功实现了降噪和故障信号分离。仿真结果验证了提出方法的有效性。     

基于MBLMS算法的内燃机振动信号盲源分离

应用Gray＇s变量准则作为代价函数，研究了基于源信号非高斯性的多通道盲最小均方差算法。针对实际应用，生成3路卷积混合信号进行盲源分离，分离信号与源信号相比，除幅值缩放和时间延迟外，其他信息基本得到了保留。在实测内燃机振动信号分离中，所得到的3个分离信号经过分析后确认为排气门落座、活塞撞击和进气阀落座产生的信号。仿真信号和实测内燃机振动信号的分离结果表明，多通道盲最小均方差是一种有效的盲源分离算法。     

盲源分离算法在变速箱故障信号诊断中的研究

研究了基于最大信噪比的盲源分离算法,并将其应用在汽车变速箱振动信号分析上,其目的是在变速箱工作时将不同激振源分离出来以便进行故障诊断。通过计算机进行信号分离实验仿真,验证了以最大信噪比(SNR)为分离准则的盲分离算法对振动信号分离的可行性,并将该算法与阶次分析方法相结合,应用于汽车变速箱在降速实测振动信号的故障诊断中,实验结果表明以最大信噪比为准则的盲源分离算法具有计算准确度高及稳定性好的优点,取得了良好的效果。     

第二代小波降噪在盲源分离技术中的研究应用

为了在噪声环境下正确实施盲源分离,采用第二代小波降噪与盲源分离相结合的方法,使噪声环境下盲源分离算法的性能得到较大地改善。并通过轴承振动信号实验研究证明该方法的优越性。     

双转子航空发动机振动信号的分离测试技术

阐述了用FFT(快速傅立叶变换)分离法和盲源分离法,对双转子航空发动机振动信号进行分离的原理和实现,并应用FastICA算法,对某型双转子航空发动机高、低压转子实测振动信号进行了盲源分离实践,分离结果验证了该方法的可行性和有效性,从而为双转子发动机振动监测与故障诊断提供了一种可行的信号处理方法。     

盲分离与Hilbert-Huang结合应用于航空发动机振动信号分析

在航空发动机故障诊断中,首要任务是分析故障信号提取故障特征。针对航空发动机非平稳振动信号,提出了利用盲分离(BSS)获得发动机的振源信号,结合Hilbert-Huang变换(HHT)对振源信号进行时频分析提取故障特征的方法。首先利用仿真信号验证了此方法的有效性,然后分析了某航空涡扇发动机空中停车故障并与直接应用HHT分析的结果进行比较,证实了盲分离与HHT的结合能更准确地提取航空发动机非平稳故障特征。     

利用改进的EMD方法进行高速转子振动信号分析

弹用涡扇发动机整机振动信号中经常包含着非线性和非平稳的高速转子振动信号成份。近年来采用一些新的信号处理方法来分析这些振动信号是国内外研究的热点,其中经验模态分解(EMD)方法颇具研究和应用前景。但是EMD方法往往在第一阶内在模函数(IMF)中包含着宽频信号,因而得不出单一成份信号。本文利用小波分析方法对待分析的振动信号进行预处理,把信号分解成一系列的窄带信号,然后应用EMD方法使得各阶IMF均为单一成份信号。该改进的EMD方法用来分析某型弹用涡扇发动机整机振动信号,从中得出了一些有益结论。     

Vibration component separation by iteratively using stochastic resonance with different frequency-scale ratios

It is well-known that stochastic resonance (SR) is mainly used for signal denoising and weak signal detection. In this paper, we firstly find the frequency range selection characteristic (filtering characteristic) of re-scaling frequency SR (RFSR) caused by the driving frequency limitation of bistable SR. It then follows that a novel approach to separate vibration components with different frequencies by iteratively using SR is explored. The frequencies of most vibration signals exceed the driving frequency limitation, thus by use of different frequency-scale ratios, the vibration signals with different frequency range can be extracted by RFSR. Firstly, a small frequency-scale ratio is used to obtain the vibration signal with a narrow frequency range, i.e. low frequency vibration. As the output of SR may have a phase lag, a simple phase-shift correction method is proposed to improve the accuracy of signal component separation. The phase-shift corrected signal of RFSR output is separated from the original vibration signal and the residue is treated as the new vibration signal. Then, increasing the frequency-scale ratio according to a searching algorithm, the vibration signal with higher frequency can be obtained by RFSR. Through this iterative process, several harmonic vibration components can be separated from the original noisy vibration signal. The proposed method, empirical mode decomposition (EMD) and Hilbert vibration decomposition (HVD) are respectively applied to analyzing a simulated vibration signal and extracting the fault feature of a rotor system. The contrastive results show that this proposed method has good frequency resolution and can successfully separate monocomponent harmonic signals from a strongly noisy multicomponent harmonic vibration signal while EMD and HVD cannot.     

微速差双转子系统振动信号分离法研究

为了有效地对旋转机械进行现场动平衡，降低机器异常振动，需要准确得到不平衡量大小和相位。采用常规的解“拍”方法分离具有内外双转子系统的振动信号是十分困难的，尤其是转子间存在微小速差的情况。研究采用基准信号作触发，分别对内外转子进行同步采样，提出了一种不用解“拍”就可直接获取各转子振幅和相位的信号分离法。结合DSP技术，该方法成功地应用于双校正面双转子系统的现场整机动平衡。     

基于振动信号EMD和ICA的刀具破损识别

针对多齿铣削过程中振动信号的特点,提出了一种基于经验模态分解(EMD)和独立分量分析(ICA)相结合的方法,对混叠在振动信号中的铣刀破损信号进行分离。对振动信号进行经验模态分解提取出信号中的所有本征模函数,然后应用fastICA对所提取出的本征模函数进行独立分量分析。利用该方法对铣削加速度振动数据进行了分析,试验表明,该方法可以提取出混合信号中与刀具破损状态相关的故障特征频率成分。     

应用循环平稳方法分离电机系统故障

采用定子电流法对电机及其拖动设备进行扭振监测与诊断时，电流信号中频率成分复杂，不仅包含故障频率还有工频及其他信号成分，使用传统的信号处理方法难以将故障频率成分从中分离出来，造成诊断不准确。采用循环平稳的方法对电流信号进行解调，以去除电流信号中的工频干扰，同时对故障频率进行分离，达到更准确识别故障的目的。数据仿真和现场试验的结果表明，采用该种方法能够去除工频成分和分离故障信息，提高了采用定子电流法进行故障诊断的准确性。     

基于S变换的热连轧机耦合振动特征提取

提出一种基于短时傅里叶变换的自适应频域滤波方法,将噪声信号与振动特征成功地分离。根据短时傅里叶变换和功率法设定的阀值,自动捕捉了振动信号在不同时间段的优势频率。对振动信号、压下液压缸压力信号和伺服阀给定信号做短时傅里叶变换后,热连轧机振动被诊断为液机耦合振动。利用离散小波变换和S变换相结合的方法对轧机振动信号进行分析,确定轧机起振的时间为液压压下系统的投入时间,证明了热连轧机存在液机耦合振动现象。     

基于多分辨谱分析的正弦加随机振动试验控制算法的研究

针对正弦加随机振动试验中低频正弦信号控制精度不高的难题,提出以多分辨谱分析方法为基础,结合维纳-辛钦定理,从频域获取正弦信号的幅值,从而实现正弦响应信号与随机响应信号的准确分离,提高了低频正弦信号的控制精度。经过仿真试验对比,该算法获得了很好的控制效果,解决了低频控制精度差的问题。